| 支持向量机基础上的银屑病辅助诊断方法研究 |
| |
| 引用本文： | 李鹏,闵慧,罗爱静. 支持向量机基础上的银屑病辅助诊断方法研究[J]. 医学信息学杂志, 2020, 41(9): 37-41 |
| |
| 作者姓名： | 李鹏 闵慧 罗爱静 |
| |
| 作者单位： | 湖南中医药大学信息科学与工程学院 长沙 410208;中南大学湘雅三医院 长沙 410006;医学信息研究湖南省普通高等学校重点实验室(中南大学) 长沙 410006;湖南信息职业技术学院 软件学院 长沙 410200 |
| |
| 基金项目： | 国家社会科学基金重点项目“网络健康信息资源聚合与精准信息服务研究”（项目编号：17AZD037）;国家重点研发计划“中医智能舌诊系统及数据平台研发与应用”（项目编号：2017YFC1703306）;湖南省自然科学基金青年项目“无线传感网中基于压缩感知的数据收集关键技术研究”（项目编号：2019JJ50453）;湖南省自然科学基金面上项目“基于‘法-方-药’网络机器学习的中医治疗银屑病复方功效预测研究”（项目编号：2018JJ2301）;湖南省科技厅重点项目“基于大数据的中西医结合防治脑梗死创新技术研究与推广应用”（项目编号：2017SK2111）;湖南中医药大学开放基金项目"面向动态蛋白质网络的功能模块挖掘方法研究"（项目编号：2018JK02）。 |
| |
| 摘 要： | 介绍基于支持向量机的银屑病辅助诊断方法实现流程,包括数据收集和预处理、构建数据库群、特征提取、建立基于支持向量机的辅助诊断模型。通过实验验证该方法的有效性,其诊断精度较高,可以为银屑病数据分析、疾病预防提供技术支持。
|
| 关 键 词： | 银屑病 数据清洗 特征提取 支持向量机 序列最小优化算法 精度 |
| 收稿时间： | 2020-05-25 |
Study on the Assistant Diagnosis Method of Psoriasis Based on Support Vector Machine |
| |
| LI Peng,MIN Hui,LUO Aijing. Study on the Assistant Diagnosis Method of Psoriasis Based on Support Vector Machine[J]. Journal of Medical Informatics, 2020, 41(9): 37-41 |
| |
| Authors: | LI Peng MIN Hui LUO Aijing |
| |
| Affiliation: | School of Informatics, Hunan University of Chinese Medicine, Changsha 410208;The Third Xiangya Hospital of Central South University, Changsha 410006;Key Laboratory of Medical Information Research(CSU), College of Hunan Province, Changsha 410006, China;Software Institute, Hunan College of Information, Changsha 410200, China |
| |
| Abstract: | The paper introduces the realization process of the assistant diagnosis method of Psoriasis(PS) based on Support Vector Machine (SVM), including data collection and preprocessing, data base construction, feature extraction, and the building of assistant diagnosis model based on SVM. The effectiveness of the method is verified by experiments. The diagnosis accuracy of the method is relatively high, which can provide technical support for data analysis and disease prevention of psoriasis. |
| |
| Keywords: | Psoriasis(PS) data cleaning feature extraction Support Vector Machine (SVM) Sequential Minimal Optimization (SMO) algorithm accuracy |
|
| 点击此处可从《医学信息学杂志》浏览原始摘要信息 |
|
点击此处可从《医学信息学杂志》下载全文 |
