CAJ | 학술논문

证候是中医理论的核心.准确判定冠心病患者属于何种证候是中医有效治疗的重要前提.本文中,基于冠心病临床流行病学调查得到的1069例中医四诊信息和相应的辨证结果数据,用四类数据挖掘方法和一类统计方法作为预测模型对其学习和预测.采用十倍交叉验证方法得到的三个指标--敏感性,特异性和正确率以及运行时间来衡量算法的性能,并从每类方法中选择一个最优者进行对比研究.运行结果显示Bayesian network是贝叶斯方法中性能最好的,敏感性90.17%,特异性88.89%,正确率89.24%,运行时间0.53s;径向基神经网络(RBFN)是神经网络中最好的,敏感性84.07%,特异性94.32%,正确率91.49%,运行时间1.03s;Libsvm是支持向量机(SVM)方法中最好的,敏感性91.19%,特异性93.15%,正确率92.61%,运行时间1.0s;ADTree是决策树方法中最好的,敏感性83.73%,特异性95.99%,正确率92.61%,运行时间2.78s;Logistic回归的敏感性是88.14%,特异性94.44%,正确率是92.70%,运行时间1.09s.综合各项性能指标,SVM最好,Logistic回归次之,决策树、贝叶斯和神经网络依次次之.本文的对比研究为准确判别冠心病的中医证候提供适宜的数据挖掘方法.
증후시중의이론적핵심.준학판정관심병환자속우하충증후시중의유효치료적중요전제.본문중,기우관심병림상류행병학조사득도적1069례중의사진신식화상응적변증결과수거,용사류수거알굴방법화일류통계방법작위예측모형대기학습화예측.채용십배교차험증방법득도적삼개지표--민감성,특이성화정학솔이급운행시간래형량산법적성능,병종매류방법중선택일개최우자진행대비연구.운행결과현시Bayesian network시패협사방법중성능최호적,민감성90.17%,특이성88.89%,정학솔89.24%,운행시간0.53s;경향기신경망락(RBFN)시신경망락중최호적,민감성84.07%,특이성94.32%,정학솔91.49%,운행시간1.03s;Libsvm시지지향량궤(SVM)방법중최호적,민감성91.19%,특이성93.15%,정학솔92.61%,운행시간1.0s;ADTree시결책수방법중최호적,민감성83.73%,특이성95.99%,정학솔92.61%,운행시간2.78s;Logistic회귀적민감성시88.14%,특이성94.44%,정학솔시92.70%,운행시간1.09s.종합각항성능지표,SVM최호,Logistic회귀차지,결책수、패협사화신경망락의차차지.본문적대비연구위준학판별관심병적중의증후제공괄의적수거알굴방법.