首页 > 文献资料
-
20种活血化淤中药中14种无机元素的测定及与药性的相关性
目的 测定20种活血化淤中药中14种无机元素的含量,并分析20种平性与非平性活血化淤中药药性间的相关性.方法 应用火焰原子吸收光谱法、ICP-AES法及原子荧光光谱法测定元素含量,应用支持向量机分析研究14种无机元素与药性的相关性.结果 建立了14种无机元素与药性相关性分析的识别模式;20味药材中,平性药的识别正确率为90%,非平性药的识别正确率为80%,总正确率达85%.结论 无机元素与中药药性之问具有一定的相关性,其中以K、Mg元素对平性与非平性药的分类影响大.
-
高效液相色谱法结合支持向量机鉴别桑白皮
目的 建立一种区分基原为Morus albaL.和非M.albaL.的中药桑白皮的可靠鉴别方法.方法 以桑白皮乙醚部位高效液相色谱(high performance liquid chromatography,HPLC)法色谱峰的归一化数据作为输入向量,随机分为训练样本和测试样本,用支持向量机软件构造区分不同基原样本数据的分类超平面以建立分类模型,并将分类结果与相似度分析法相比较.结果 相似度分析法未能对某些桑白皮样本是否属于M.albaL.给出准确判断.支持向量机方法所建分类模型,对样本属于M.alba L.与否的预测准确度达到100％.结论 高效液相色谱法结合支持向量机能够准确鉴别桑白皮的基原属性,在中药鉴别领域有广阔的应用空间.
-
支持向量机神经网络在判别前列腺癌中的应用研究
目的 探讨采用支持向量机(support vector machine,SVM)神经网络模型,联合年龄、前列腺特异性抗原(prostate specific antigen,PSA)及经直肠超声声像特征进行判别预测前列腺癌的应用价值.方法 采用MATLAB 2011a软件的LIBSVM-MAT-2.89-3程序包联合年龄、PSA、超声声像特征进行SVM神经网络判别分析.结果 SVM神经网络判别分析结果显示联合年龄、PSA及超声声像图特征诊断前列腺癌的准确率为87.14％,灵敏度为79.55％,特异度为90.63％.结论 经直肠超声特征联合年龄、血清PSA的SVM神经网络模型对前列腺癌的预测诊断结果较好,可以有效提高前列腺癌的诊断率.
-
支持向量机在数码照片辅助牙科比色中的数据分类与应用
目的:利用支持向量机对比色板色标的数码照片进行数据处理和分类归纳,为精确的牙科比色提供参考.方法:对比色板的色彩标签按照从1到26号的顺序编号,然后在两种不同条件下拍摄:A组在诊室内自然光线下拍摄,B组在5000k色温固定光源条件下拍摄.A、B两组每种色标都拍摄10张.由此得到的所有520张图片转换为位图格式,随后用图形处理软件提取照片色彩信息,抽取其中一套完整的色标照片建立比色板色标模型,在此模型上运行其他色标样本,采取逐一区分法多次运行程序.利用支持向量机预测每一个样本的色标归属,分别计算两组样本的色标分类精确性.结果:A组分类精确度达到0.88,标准差0.93;B组精确度为0.93,标准差0.05.采用单因素方差,用方差分析A、B两组每种色标的分类精确度(P<0.05).结论:利用支持向量机分类处理数码照片可以为口腔数码比色提高参考.
-
基于乳腺癌数据的分类方法比较
乳腺癌的早期诊断与治疗有着重要的作用,已有多种分类方法应用于此种诊断。本文分别对C4.5决策树算法、朴素贝叶斯算法,支持向量机,KNN的原理进行论述,并基于乳腺癌数据运用上述分类方法进行模型构建,分析比较各模型性能,其中支持向量机性能较优。
-
基于智能算法的子宫内膜异位症辅助诊断模型的建立
目的基于智能算法建立子宫内膜异位症(endometriosis, EM)的辅助诊断模型，并评价其检验效能。方法以确诊的220例子宫内膜异位症患者为观察组，以同期检查的健康女性100例为对照组，对她们的血清取样分析CA125、MIF、AQP1、VEGF、EmAb/TNF-α、IL-6、IL-8、PD14、HE4、IL-4、TGF-β、RANTES、MMP-9在血清中含量。利用单因素Logistic回归分析筛选出与子宫内膜异位症的发生有统计学意义的12种血清标记物，以这12种血清标记物水平为自变量，以是否患病为因变量，应用支持向量机算法建立EM的12对1的数学辅助诊断模型，并通过60例测试集评价其效果。结果成功建立了基于支持向量机的EM辅助诊断模型，支持向量机诊断模型的诊断准确度、敏感性、特异性分别为91.67%、93.33%、90%。结论支持向量机诊断模型的诊断准确率、敏感性及特异性较高，对EM的诊断有重要的参考价值，可做为临床医生的辅助诊断工具。
关键词： 子宫内膜异位症 血清标记物 Logistic回归 支持向量机 -
基于模糊信息粒化的SVM在传染病预测中的应用研究
传染病因其"传染性"和"流行性",迄今为止仍是严重危害人类健康的疾病之一.因此传染病的预测工作意义重大.提出一种基于模糊粒化的支持向量机(SVM)预测方法.采用三角形模糊粒化模型对时间序列的原始数据进行粒化,在减少原始数据的同时能够包含原始数据的信息,再用SVM对流行趋势进行预测.实验结果表明,该方法预测精度高、稳定性好,是一种传染病预测的有效方法.
-
基于支持向量机的医学人文精神认知模式及培育研究
在生物医学模式下,医学人文精神日益弱化,医学人文教育就是人文教育在医学领域的具体实践,以医学科学为基础,通过知识传授、环境熏陶、实践体验和自身修养等途径,达到医生所应具备的人文精神.通过调查问卷获取研究数据,构建医学生医学人文精神认知分类指标体系,运用支持向量机原理构建认知分类模型,并对每类医学生提出有针对性的教育对策.
-
血清蛋白质指纹图谱诊断模型在肾癌中的应用
目的 检测肾癌患者血清蛋白质,筛选特异的蛋白质标记物,构建用于肾癌早期诊断的血清蛋白质指纹图谱模型.方法 应用蛋白质芯片CM10及表面增强激光解吸/离子化飞行时间质谱(SELDI-TOF-MS)技术测定168例血清标本(其中肾癌53例,肾良性占位性病变47例,健康志愿者68例)的蛋白质质谱,用随机抽取的118例标本(肾癌38例,肾良性占位病变30例,健康志愿者50例)作为训练组,应用支持向量机进行训练和交叉验证,建立肾癌诊断模型;其余50例标本进行盲法验证.结果 利用质荷比分别为5350、4100、3446、5027和6115的5个蛋白峰建立区分肾癌和正常人的诊断模型,其敏感性为94.74%,特异性为92%.盲法验证显示敏感性为93.33%,特异性为88.89%.区分肾癌和肾良性占位病变的诊断模型,敏感性为92.11%,特异性为90%.区分透明细胞癌和其他病理类型的肾癌的诊断模型对透明细胞癌的判别率为92.84%,对其他病理类型的肾癌的判别率为81.82%.结论 表面增强激光解吸电离/飞行时间质谱技术结合支持向量机建立肾癌血清蛋白质指纹图谱模型对诊断肾癌具有较高的敏感性与特异性.
-
基于支持向量方法机构建急性胰腺炎患者住院天数预测模型
随机抽取辽宁省某医院去识别化的急性胰腺炎电子病历,基于支持向量机回归分析方法构建急性胰腺炎患者住院天数预测模型,继而统计分析住院天数的影响因素.所建回归模型预测性能可靠,准确度及泛化性均较好,提出模型建立后的关键是特征变量的选择.
-
利用自然语言处理技术提取致病因素信息研究
基于自然语言处理技术,设计出能够自动提取流行病学致病因素的系统.经过评估发现该系统由一个自然语言处理子系统和一个基于逻辑回归算法或支持向量机算法的信息提取子系统构成.可以高效地从生物医学文献中自动获取致病因素信息.
-
面向深度自动问答的糖尿病饮食问题分类
以糖尿病患者饮食问题为例,从用户视角出发,提出基于功能的问题分类体系,利用支持向量机算法对患者提出的问题进行分类,为深度自动问答系统的构建提供重要支持.
-
肾毒性小分子代谢标志物在5种中药毒性评价的适用性研究
目的 考察前期发现的肾毒性小分子代谢标志物在中药毒性评价中的适用性.方法 以已知具有肾毒性的5种中药雷公藤、马钱子、广防己、大黄和苍耳子提取液ig给予大鼠建立肾脏损伤模型,收集给药1和7d后的血样,应用超高效液相色谱-质谱联用(UPLC/Q-TOF-MS)检测5种肾毒性生物标志物胸苷、溶血磷脂酰胆碱LPC(16:1)、LPC(18:4)、LPC(20:5)和LPC (22:5)水平,建立支持向量机(SVM)预测模型对其毒性进行判断;全自动生化仪测定血清中Cr和BUN的水平;各组大鼠于取血后处死,迅速取肾脏进行HE染色,光学显微镜下观察病理表现.结果 对照组没有表现出毒性.5种中药在给药ld后,生化检测没有发现肾脏损伤,肾毒性支持向量机预测模型发现异常;在给药7天后,SVM的预测结果与生化和病理检测结果一致,均出现肾毒性.结论 代谢组学技术结合支持向量机模型可将肾毒性小分子代谢物更加灵敏、快速、准确地用于中药肾脏毒性评价,对于临床药源性肾损伤的防治具有重要意义.
-
支持向量机与近红外光谱法鉴定大黄
目的:建立大黄真伪的鉴别方法.方法:本文对52个不同品种和不同产地的大黄样品进行了近红外谱图扫描,用支持向量机(SVM)中4种不同的核函数对近红外谱图进行了正品和非正品大黄的鉴别.结果:鉴别正确率均可达98.1%.结论:讨论了影响4个核函数预算的各个参数,表明多形式核函数更适合于本实验样品的鉴定.同时将此实验结果与用RBF神经网络鉴别的结果进行了比较,表明SVM使用简便,泛化能力强,核函数选择灵活性大,是大黄样本鉴别的简单可靠的方法.
-
基于多参数磁共振成像影像组学特征的膀胱癌复发预测
目的:基于多参数磁共振成像(MRI)影像组学特征,构建膀胱癌(BC)复发预测模型,充分发挥医学影像在疾病诊断中的价值,实现BC复发的术前准确预测.方法:收集28例BC患者(无复发22例,复发6例)的术前T2WI和弥散加权成像(DWI)影像以及表观弥散系数(ADC)图谱数据,并从中分割出肿瘤区域.从肿瘤影像数据中分别提取基于直方分布的灰度特征,以及基于共生分布和游程分布的纹理特征.结合特征选择与支持向量机(SVM)构建预测模型,实现复发预测.结果:从DWI与ADC中提取的特征对复发的预测性能比T2WI更优.基于SVM的特征递归选择与分类策略构建的复发预测模型具有全局优的预测性能.结论:基于T2WI、DWI与ADC的影像组学特征,能够对患者的复发风险进行定量表征,在复发预测中具有巨大潜能.
-
地震事件自动识别技术及其在南岭流动台阵的应用?
地震事件识别是地震层析成像的重要组成部分。然而，在处理宽频带流动台阵天然地震记录中识别地震事件过程中，利用传统的人工识别方法耗时巨大，效率十分低。本文首先运用STA/LTA 对地震事件进行初步判断，并结合支持向量机信号检测算法和多台联合检验法来提高地震事件判别的准确度及抗干扰能力，达到天然地震事件的自动识别。南岭流动台阵数据的应用结果表明该综合识别算法可自动快速准确地判别地震事件，并可用于地震震相的拾取。
-
FTIR光谱结合数据挖掘方法构建死亡时间推断数学模型
目的 利用傅里叶变换红外(Fourier transform infrared,FTIR)光谱技术结合数据挖掘方法分析死后大鼠脾组织FTIR光谱与死亡时间的关系,推断大鼠死亡时间.方法 大鼠脱臼处死,尸体置于20℃环境中,于不同时间点取大鼠脾组织,采集FTIR检测数据,数据预处理后应用数据挖掘方法进行分析. 结果大鼠脾组织光谱吸收峰强随死亡时间延长发生变化,峰位没有改变;主成分分析结果示前三个主成分累积贡献率为96%,各时间点光谱样本具有明显聚类趋势;偏小二乘判别分析和支持向量机分类方法可将不同死亡时间光谱样本进行有效四分类(0~24 h、48~72 h、96~120 h和144~168 h);偏小二乘回归分析构建的死亡时间推断模型决定系数(R2)为0.96,校正均方根误差和交叉验证均方根误差分别为9.90 h和11.39 h,预测集R2达到0.97,预测均方根误差为10.49 h.结论 FTIR光谱技术结合数据挖掘方法可对大鼠脾组织进行有效定性和定量分析,可建立分类判别和偏小二乘回归模型,对死亡时间进行准确推断.
-
基于支持向量机实现骨骺发育分级的自动化评估
目的：运用支持向量机（support vector machine，SVM）实现尺、桡骨远端骨骺发育分级的自动化评估。方法收集我国140例11~19周岁青少年左侧腕关节X线正位片作为训练样本。将尺、桡骨远端骨骺分为五个发育分级，每个分级均包含28例样本。另选35例作为独立校验样本。建立尺、桡骨远端骨骺五个发育分级的SVM分类模型，用留一交叉验证法（leave one out cross validation，LOOCV）进行模型内部交叉验证以及梯度方向直方图（histogram of oriented gradient，HOG）进行模型外部验证，分别计算其准确率（PA）。结果桡骨远端骨骺分级SVM建模、LOOCV和HOG的PA分别为100.0%、78.6%和82.8%。尺骨远端骨骺分级SVM建模、LOOCV和HOG的PA分别为100.0%、80.0%和88.6%。结论运用SVM建立的尺、桡骨远端骨骺发育分级的自动化模型具有一定的可行性，为法医学骨龄评估软件的开发奠定基础。
-
经直肠超声结合支持向量机诊断前列腺癌的研究进展
前列腺癌是老年男性常见的恶性肿瘤,早期诊断及治疗十分重要.本文就经直肠超声结合支持向量机在诊断前列腺癌上的应用进展进行综述.
