基于卷积神经网络的脑卒中中医辨证分型舌象分类研究

摘要：

目的 通过卷积神经网络学习脑卒中中医辨证分型与中医舌象特征分类的关系,为探索新的脑卒中临床标准化治疗方法提供诊断依据.方法 本研究选取284名脑卒中患者作为研究对象,通过迁移学习微调改进DenseNet201用于特征向量的提取,使用信息增益、卡方检验、对称不确定性与ReliefF滤波算法并组合去重以选择特征向量,最后利用Cubic SVM形成交叉数据集在多种分类器上进行训练和测试,比较模型的准确性.结果 试验结果表明,组合的四类特征提取算法使得准确率高于基础结果的3.26%,Cubic SVM分类器相对于其他分类器以及未改进的DenseNet201取得了最优结果,可以在脑卒中中医舌象辨证分型中提供至少为95.74%的准确率.结论 本研究提出的TCM舌象分类模型的方法结构是有效的,可辅助临床中医师进行诊断治疗,值得临床推广和进一步深入研究.

关键词：中医舌诊、深度学习、舌象分类、支持向量机、特征选择

所属期刊栏目：43

分类号：R288(中药学)

资助基金：国家重点研发计划;四川省中医药管理局中医药科研专项课题面上项目;广汉市社会发展医疗卫生领域重点研发项目

在线出版日期：2023-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1460-1467