基于深度学习的整体综合征差异化的传统中医诊断预测模型
Zhe Chen1,2,3,4, Dong Zhang1, Chunxiang Liu1
1Evidence-based Medicine Center, Tianjin University of Traditional Chinese Medicine, Tianjin, China.
Integrative medicine research
|February 1, 2024
概括
这项研究引入了传统中医 (TCM) 综合征差异化的深度学习模型,提高了诊断准确度. 该TCM-BERT-CNN模型有效地使用症状数据对多个TCM综合征进行分类.
科学领域:
- 医学中的人工智能
- 针对医疗保健的计算语言学
- 传统中国医学 (TCM) 的诊断.
背景情况:
- 传统中医 (TCM) 依赖于整体综合征的分化.
- 将人工智能 (AI) 与中医知识相结合,可以推进诊断工具.
- 现有的AI模型可能无法完全捕捉TCM综合征分化的复杂性.
研究的目的:
- 开发一个深度学习模型,准确地分类和预测多个TCM综合征.
- 加强现代TCM诊断设备的建设.
- 创建一个端到端的模型,用于TCM整体综合征文本分类.
主要方法:
- 专家知识是从中医指南和教科书中提取的.
- 使用十倍交叉验证方法来验证源.
- TCM-BERT-CNN模型是通过将BERT和CNN架构集成为TCM综合征分类而开发的.
主要成果:
- 在TCM-BERT-CNN模型实现了高精度 (0.926),回忆 (0.9238) 和F1得分 (0.9247).
- 在TCM综合征预测方面,性能超过了BERT,TextCNN,LSTM RNN和LSTM ATTENTION模型.
- 症状可视化证实了该模型识别TCM综合征相关性和特征的能力.
结论:
- 该TCM-BERT-CNN模型与TCM的整体诊断原则保持一致.
- 该模型有效地对各种TCM综合征进行诊断预测.
- 这项研究为开发TCM综合征差异化深度学习模型提供了新的见解.
