HHO优化支向量机分类器用于传统中医综合征的区分 糖尿病视网膜病变
Li Xiao1, Cheng-Wu Wang2, Ying Deng3
1School of Chinese Medicine, Hunan University of Chinese Medicine, Changsha 410208, Hunan Province, China.
International journal of ophthalmology
|June 19, 2024
概括
优化的机器学习算法,包括哈里斯优化 (HHO) 和遗传算法 (GA),显著提高了传统中医 (TCM) 综合征差异化对糖尿病视网膜病变 (DR) 的准确性. 这为智能TCM诊断提供了一种新方法.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 传统中国医药 传统中国医药
背景情况:
- 糖尿病视网膜病变 (DR) 诊断依赖于传统中医 (TCM) 综合征差异化.
- 需要客观和智能方法来提高TCM综合征区分的准确性.
研究的目的:
- 开发一个优化的机器学习分类器,用于TCM综合征差异化DR.
- 提高TCM综合征差异化的客观性和智力.
主要方法:
- 收集了来自970个现实世界DR病例的数据.
- 开发并比较各种机器学习模型,选择支持矢量机 (SVM) 作为最好的基本模型.
- 采用遗传算法 (GA) 进行特征选择,并采用哈里斯霍克优化 (HHO) 进行参数优化.
主要成果:
- 优化的SVM模型 (HHO_GA_SVM) 实现了最高的准确性 (与基本模型相比提高了3.51%)
- 在GA特征选择中,发现了37个与TCM临床实践相一致的特征.
- HHO_GA_SVM模型展示了卓越的性能和融合速度.
结论:
- HHO和GA优化有效地提高SVM模型的性能,用于DR中TCM综合征的差异化.
- 这项研究提供了一种用于智能TCM辅助诊断的新方法.


