TY -的A2 Moraru Luminita AU - Lu, Ping-Hsun盟,蒋介石Chih-Chi AU - Yu Wei-Hsuan AU - Yu Min-Chien AU -黄,Feng-Nan PY - 2022 DA - 2022/11/07 TI -基于机器学习技术的严重程度分类根据中医舌下静脉曲张SP - 3545712六世2022 AB -舌诊的无创性检查,是一个重要的步骤在中医辨证和治疗(中药)。舌下静脉(SV)检查以确定血瘀,血瘀症的存在。许多研究表明,SV瘀的程度与疾病严重程度呈正相关。然而,SV检查的诊断通常是主观的,因为他们是受等因素影响医生的经验和色彩感知,导致不同的解释。因此,客观、科学的诊断方法需要确定舌下静脉曲张的严重程度。本研究旨在开发一种基于机器学习的计算机辅助系统(ML)技术诊断舌下静脉曲张的严重程度。我们进行了性能的比较研究几毫升监管模型,包括支持供应商机、k近邻,决策树,线性回归,脊分类器及其变体。主要任务是区分舌下静脉曲张成轻微和严重通过使用病人的sv的图像。提高诊断准确性和加快训练过程,我们提出使用两个模型降阶技术,即主成分分析结合片逆回归和卷积神经网络(CNN),提取有价值的特性在数据的预处理。我们的研究结果表明,这两种提取方法可以减少培训时间毫升方法,和Ridge-CNN方法可以实现一个准确率高达87.5%,这类似于有经验的中医医生。 This computer-aided tool can be used for reference clinical diagnosis. Furthermore, it can be employed by junior physicians to learn and to use in clinical settings. SN - 1748-670X UR - https://doi.org/10.1155/2022/3545712 DO - 10.1155/2022/3545712 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -