多重处方模式识别模型基于语网络模型
Wangping Xiong1, Kaiqi Wang1, Shixiong Liu1
1School of Computer, Jiangxi University of Chinese Medicine, Nanchang 330004, Jiangxi, China.
Mathematical biosciences and engineering : MBE
|December 5, 2023
概括
这项研究引入了一种新的算法 (MTCMC),用于在复杂的患者数据中识别经典传统中医 (TCM) 处方. 该方法显著提高了TCM知识提取和临床规则发现的准确性.
科学领域:
- 药理学 药理学是指药理学的学科.
- 计算医学是一种计算医学.
- 传统中国医药 传统中国医药
背景情况:
- 从传统中医药 (TCM) 处方数据中提取临床知识是具有挑战性的,因为复杂的,多维的关系.
- 在复杂的TCM数据中识别经典处方对于理解治疗规则和推进TCM知识挖掘至关重要.
研究的目的:
- 提出复杂的处方识别算法 (MTCMC),用于在复杂的患者处方中识别经典的TCM处方.
- 为挖掘TCM知识和引用临床治疗规则提供可靠的方法.
主要方法:
- MTCMC算法使用分析层次过程 (AHP) 和药物剂量来计算药物重要性,以确定核心处方组合.
- 药物属性标记策略量化了核心处方中药物的功能特征.
- 采用双向长期短期记忆网络 (BiLSTM) 和语网络框架来提取关系特征并计算核心和经典处方之间的相似性.
主要成果:
- 在一个构建的处方匹配数据集上,MTCMC算法实现了高准确度 (94.45%) 和F1得分 (94.34%).
- 与现有的方法相比,在识别经典的TCM处方方面取得了显著的改进.
结论:
- 该MTCMC算法有效地识别复杂的TCM数据中的经典处方,促进知识提取.
- 这种方法通过改进的数据分析为推进TCM研究和临床应用提供了有价值的参考.
