混合深度学习机制下的H型高血压脉诊预测

root 提交于 周五, 06/17/2022 - 10:21
现有H型高血压诊断需要检测患者体内的伴有血浆同型半胱氨酸含量,效率低且带有创口。中医学脉诊可以通过分析患者脉搏生理活动,结合临床问诊信息实现H型高血压无创辅助诊断。本文提出了基于混合深度学习的脉诊分类模型,在具有双向长短时记忆(Bi-directional long short-term memory,BiLSTM)网络中增加卷积神经网络(Convolutional neural network,CNN)结构提取脉诊特征局部相关特征,构建基于CNN-BiLSTM结构的高血压脉诊分类网络。实验采用上海中医药大学附属龙华医院及中西医结合医院的325例临床疑似高血压脉诊病例。实验结果表明本文模型评估参数灵敏度、特异性、正确率、F1-score、接收者操作特征(Receiver operating characteristic,ROC)曲线及其下方围成的面积(Area under curve,AUC)值分别为:79.71%、69.56%、77.17%、83.96%、0.850 0,高于经典机器学习方法的诊断精度,对中医临床辅助诊断具有较好的参考价值。

相关内容

发布日期 06/17/2022 - 10:21
发布日期 01/01/1970 - 08:00
发布日期 01/21/2024 - 12:12
发布日期 06/17/2022 - 10:21
发布日期 09/10/2023 - 22:37
发布日期 08/04/2020 - 19:02
发布日期 08/04/2020 - 01:35
发布日期 08/04/2020 - 01:35
发布日期 01/10/2022 - 19:32