本文選題：糖尿病　切入點：特征分類　出處：《中華中醫(yī)藥雜志》2016年01期 　論文類型：期刊論文

【摘要】：目的:結合醫(yī)用電子鼻技術,探討糖尿病患者及其口腔呼氣的氣味圖譜特征。方法:選擇180例糖尿病患者和100例健康者,用醫(yī)用電子鼻采集280例口腔呼氣的氣味圖譜,采用基于數(shù)據(jù)特征劃分的方法,用支持向量機和隨機森林集成模型對糖尿病患者進行分類預測。結果:1線性核函數(shù)的支持向量機(SVM1)分類結果不是很理想,低于多項式核(SVM2)、徑向基函數(shù)核(SVM3)和隨機森林(RF)3種分類器,說明分類超平面顯然是非線性的;2集成分類器對糖尿病患者和健康者的氣味圖譜特征的識別準確率可達88.04%。結論:基于特征劃分的分類器集成方法預測性能明顯好于單一分類器,為使用醫(yī)用電子鼻進行糖尿病診斷分析提供了一種有效手段。
[Abstract]:Objective: to explore the characteristics of odour atlas of diabetic patients and their oral exhalation with medical electronic nose technique. Methods: 180 diabetic patients and 100 healthy subjects were selected and 280 oral breath breath odors were collected by medical electronic nose. Based on the method of data feature partition, support vector machine (SVM) and stochastic forest integrated model were used to predict the classification of diabetic patients. Results the classification results of the support vector machine SVM1 of the linear kernel function of 1: 1 were not very satisfactory. These classifiers are lower than polynomial kernel SVM2, radial basis function kernel SVM3) and random forest RFN. The results show that the classification hyperplane is obviously nonlinear and the accuracy of recognition of odour map features of diabetes patients and healthy people can reach 88.04.Conclusion: the prediction of classifier ensemble based on feature partition is better than that of single classifier. It provides an effective method for the diagnosis and analysis of diabetes using medical electronic nose.
【作者單位】： 福建工程學院信息科學與工程學院;廈門大學自動化系;福建中醫(yī)藥大學中醫(yī)證研究基地;
【基金】：國家自然科學基金項目(No.81373552) 福建省教育廳A類項目(No.JA14212) 福建工程學院科研啟動項目(No.GY-Z12079)~~
【分類號】：R587.1

【參考文獻】

相關期刊論文 前2條

1 宋寶珠,程釗,孫立友,徐經(jīng)生,高逢生;中醫(yī)專家電腦系統(tǒng)研究概況[J];安徽中醫(yī)學院學報;1987年04期

2 鄭哲洲;林雪娟;;電子鼻在醫(yī)學診斷中的應用研究[J];世界科學技術(中醫(yī)藥現(xiàn)代化);2012年06期

【共引文獻】

相關期刊論文 前6條

1 田曉靜;王俊;崔紹慶;;電子鼻快速檢測區(qū)分羊肉中的摻雜雞肉[J];現(xiàn)代食品科技;2013年12期

2 李羿;吳浩忠;劉春生;;基于電子鼻技術的多基原莪術鑒定[J];成都醫(yī)學院學報;2015年05期

3 吳蕓;;基于軟計算方法的中醫(yī)智能辨證處理系統(tǒng)[J];廈門理工學院學報;2008年02期

4 王憶勤;郭睿;;中醫(yī)診斷工程技術研究進展[J];生物醫(yī)學工程學進展;2013年04期

5 羅瑞靜;何建成;;中醫(yī)智能化問診系統(tǒng)開發(fā)及應用前景[J];時珍國醫(yī)國藥;2014年07期

6 周昌樂;張志楓;;智能中醫(yī)診斷信息處理技術研究進展與展望[J];中西醫(yī)結合學報;2006年06期

相關博士學位論文 前2條

1 吳蕓;中醫(yī)辨證融合型軟計算方法研究[D];廈門大學;2007年

2 郎需強;基于微多普勒效應的昆蟲運動雷達回波特性研究[D];山東農(nóng)業(yè)大學;2014年

相關碩士學位論文 前7條

1 胡申寧;中醫(yī)舌診中舌色、苔色自動分類的研究[D];浙江理工大學;2010年

2 趙曉磊;中醫(yī)證候證素知識構造與檢索方法研究[D];燕山大學;2012年

3 鄒偉偉;中醫(yī)兒童性早熟智能診斷算法研究[D];東華大學;2012年

4 趙翠敏;脈診、舌診輔助診療系統(tǒng)數(shù)據(jù)庫的建立[D];北京中醫(yī)藥大學;2008年

5 彭瑜;證素辨證方法在失眠癥計算機輔助辨證中的應用研究[D];湖北中醫(yī)學院;2008年

6 陸萍;基于神經(jīng)網(wǎng)絡的中醫(yī)辨證軟計算方法研究[D];廈門大學;2008年

7 丁敏;腦梗死中醫(yī)證型標準化計算機輔助診斷系統(tǒng)[D];南京中醫(yī)藥大學;2008年

【二級參考文獻】

相關期刊論文 前10條

1 吳康健;電子計算機與繼承老中醫(yī)經(jīng)驗[J];浙江中醫(yī)學院學報;1980年03期

2 陳道灼;孫建嵩;林炳承;張安楨;王和鳴;;林如高骨傷電腦診療系統(tǒng)骨折部分研制簡介[J];福建中醫(yī)藥;1981年04期

3 高旭f,王平;電子鼻信號處理方法的研究進展[J];國外醫(yī)學.生物醫(yī)學工程分冊;2001年01期

4 吳德華;張林;;人體氣味的可變性[J];警犬;2004年05期

5 唐向陽;張勇;丁銳;湯鵬;;電子鼻技術的發(fā)展及展望[J];機電一體化;2006年04期

6 姚奇蔚;張崇;鄧慧英;羅運模;蔡曉明;姚正球;吳旭民;王莉;程兆勝;姚俊;;姚奇蔚慢性萎縮性胃炎電腦中醫(yī)診療系統(tǒng)[J];江西中醫(yī)藥;1985年02期

7 瞿岳云;;試論祖國醫(yī)學與現(xiàn)代科學方法論的關聯(lián)[J];遼寧中醫(yī)雜志;1981年03期

8 郭繼鰲;郭春祥;胡炳文;賴翔飛;;電腦在中醫(yī)學上的應用[J];遼寧中醫(yī)雜志;1981年09期

9 郭振球;;常見病辨證論治系統(tǒng)微型機的應用研究[J];遼寧中醫(yī)雜志;1984年03期

10 鄒立煌;;肝炎電腦辨證施治初探[J];遼寧中醫(yī)雜志;1984年03期

【相似文獻】

相關期刊論文 前10條

1 姜萱;;利用數(shù)據(jù)挖掘技術構造醫(yī)學圖像分類器的研究[J];時珍國醫(yī)國藥;2008年08期

2 謝華;夏順仁;張贊超;;醫(yī)學圖像識別中多分類器融合方法的研究進展[J];國際生物醫(yī)學工程雜志;2006年03期

3 韋艷艷;李陶深;張超群;;集成分類器組合算法及其在醫(yī)學診斷中的應用[J];廣西大學學報(自然科學版);2013年05期

4 謝華,夏順仁,高光金;基于分類器融合的骨髓細胞識別研究[J];計算機工程與應用;2005年27期

5 崔克彬,李戰(zhàn)懷,張陽;DRC-BK分類器的規(guī)則篩選算法[J];醫(yī)學信息;2004年09期

6 謝文娟,曾立波,王思賢,吳瓊水,張燕;骨髓細胞多光譜顯微圖像分類器的設計[J];計算機工程與應用;2005年02期

7 曹美玲;張新峰;沈蘭蓀;;分類器融合技術在中醫(yī)舌象老嫩識別中的應用研究[J];北京生物醫(yī)學工程;2006年06期

8 涂有強;陳香;張旭;趙章琰;楊基海;;一種適用于手勢動作sEMG信號識別的改進型模糊推理分類器[J];北京生物醫(yī)學工程;2008年04期

9 孫利;徐偉棟;厲力華;劉偉;彭芳青;張娟;;基于雙視角和多分類器信息融合的乳腺鉬靶圖像腫塊分類研究[J];中國生物醫(yī)學工程學報;2011年01期

10 鄭斌;厲力華;;基于多特征信息及Ma-Ada多分類器融合的蛋白質結構類預測[J];中國生物醫(yī)學工程學報;2013年05期

相關會議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術會議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術交流年會論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(英文)[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關”的說話人辨認[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

7 謝秋玲;;應用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學術年會論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認知結構評估的動態(tài)貝葉斯網(wǎng)絡分類器方法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

10 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學會第七屆學術交流會論文集（上卷）[C];2004年

相關重要報紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

相關博士學位論文 前10條

1 張非;對抗逃避攻擊的防守策略研究[D];華南理工大學;2015年

2 劉明;分類器組合技術研究及其在人機交互系統(tǒng)中的應用[D];北京交通大學;2008年

3 嚴志永;在劃分數(shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學;2011年

4 王U，

本文編號：1639216