机器学习辅助的快速确定传统中医宪法
Wen Sun1, Minghua Bai2, Ji Wang2
1School of Management, Beijing University of Chinese Medicine, Beijing, 100029, China.
Chinese medicine
|September 15, 2024
概括
机器学习使用自动化算法快速确定传统中医宪法. 这种方法提高了从业人员的诊断效率,为身体构成分类和严重程度提供了准确的预测.
科学领域:
- 综合医学是一个整体的医学.
- 计算生物学 计算生物学
- 医疗信息学 医疗信息学
背景情况:
- 传统中医 (TCM) 宪法评估对于个性化医疗保健至关重要.
- 中国医学宪法问卷 (CCMQ) 是一个广泛使用的诊断工具.
- 目前用于TCM构成确定方法可能耗时.
研究的目的:
- 开发一种机器学习辅助的方法来快速确定TCM构成.
- 为了确定最佳的项目子集和算法来预测身体构成 (BC) 分类和分数.
- 提高TCM构成评估的效率和准确性.
主要方法:
- 使用自动化监督机器学习 (基于树的管道优化工具;TPOT) 在CCMQ子尺度上进行项目选择.
- 在全CCMQ尺度上使用无监督机器学习 (变量集群; varclus).
- 评估了BC分类和BC分数的预测准确性,使用选定的项目子集.
主要成果:
- 通过TPOT选择的项目子集实现了BC分类预测的高准确度 (0.8190.936).
- 对于BC分数预测的根平均平方误差在6.241到9.877.7之间.
- 自动机器学习算法在项目选择中表现优于varclus算法.
结论:
- 机器学习,特别是TPOT,为快速确定TCM构成提供了强大而高效的方法.
- 该研究为从业者提供了优化的项目组合和算法,以进行准确的BC评估.
- 这种方法支持了在TCM中更快,更精确的诊断工具的需求.
