论文部分内容阅读
目的:验证原有“症-证素”诊断积分模型的证素诊断准确性，拟设计新算法对原有“症-证素”诊断积分模型进行修正或采用新算法构建新的证素辨识模型使证素辨识模型具有较高的诊断准确性，且能实现模型的定期、实时重建功能。 方法:选择权威《中医内科学》、《中医妇科学》、《中医儿科学》教科书中的751条中医经典案例数据作为训练案例。选择“中医健康状态辨识系统”中随机抽取的50个案例作为测试案例（经两轮专家咨询后合并多位专家意见作为最终案例的证素诊断结果）。利用测试案例验证原有“症-证素”诊断积分模型的证素诊断准确性。采用遗传算法、爬山算法、最小二乘法、支持向量机构建新的中医证素辨识模型。利用测试案例对上述多个模型进行评价，综合对比多个模型的证素诊断准确性。 结果:原有“症-证素”诊断积分模型的诊断准确率为93.6％，灵敏性为92.8％，特异性为93.7％，精度为39.0％，SP（灵敏性与精度之和的算术平均值）为65.9％。基于遗传算法建模的诊断准确率为66.7％，灵敏性为51.3％，特异性为67.3％，精度为6.4％，SP为28.9％。基于爬山算法建模的诊断准确率为96.0％，灵敏性为92.8％，特异性为96.1％，精度为51.2％，SP为72.0％。基于最小二乘法建模的诊断准确率为95.5％，灵敏性为0，特异性为100％，精度为NaN（异常值），SP为0。采用支持向量机建模的准确率为96.1％，灵敏性为62.8％，特异性为98.2％，精度为68.5％，SP为65.7％。 结论: 1.原有“症-证素”诊断积分模型证素诊断的精度偏低。 2.基于遗传算法生成“症-证素”诊断积分表建模效果不如原有“症-证素”积分表。 3.基于爬山算法建模效果优于单纯依靠遗传算法的自然选择过程，具有更好的临床推广价值。 4.采用支持向量机建模效果相对优于最小二乘法，但灵敏性和精度仍有待于提高。 5.综合对比原有“症-证素”诊断积分模型及遗传算法、爬山算法、最小二乘法、支持向量机构建的新的中医证素辨识模型，认为爬山算法可作为“症-证素”诊断积分模型定期重建的首选算法，SVM可作为“症-证素”诊断积分模型实时重建的首选算法。