一种用于中医证型识别与分类的数据驱动方法
机器学习
2016-02-25 v5 应用统计
摘要
目的：中医 (TCM) 治疗西医 (WM) 疾病的疗效在很大程度上取决于将患者正确分类为中医证型。我们开发了一种数据驱动方法来解决该分类问题，即基于从无标签症状调查数据中检测到的模式来识别和量化证型。方法：潜类别分析 (LCA) 已应用于西医研究以解决类似问题，即在没有金标准的情况下识别患者群体的亚型。LCA 的一个广为人知的弱点是它做出了不切实际的强独立性假设。我们首先从调查数据中检测症状共现模式，并使用这些模式而非原始症状作为 LCA 的特征，从而放宽了这一假设。结果：本研究的结果是一个六步法：数据收集、症状共现模式发现、模式解释、证型识别、证型确定和证型分类。我们开发了一个名为 Lantern 的软件包以支持该方法的应用。该方法通过血管性轻度认知障碍 (VMCI) 数据集进行了演示。结论：本文提出了一种用于中医证型识别与分类的数据驱动方法。该方法可用于回答关于西医疾病的以下问题：患有该疾病的患者中存在哪些中医证型？每种证型的患病率是多少？就症状发生而言，每种证型的统计特征是什么？如何确定患者的证型？
引用
@article{arxiv.1410.7140,
title = {A data-driven method for syndrome type identification and classification in traditional Chinese medicine},
author = {Nevin L. Zhang and Chen Fu and Teng Fei Liu and Bao Xin Chen and Kin Man Poon and Pei Xian Chen and Yun Ling Zhang},
journal= {arXiv preprint arXiv:1410.7140},
year = {2016}
}