改进深度极限学习机在肺癌中医证型分类中的应用研究

目的利用特征选择及Likert分级法量化肺癌病历数据,构建基于麻雀搜索算法优化的深度极限学习机模型,对肺癌中医病历数据进行证型分类与预测,为中医证型分类研究提供科学有效手段。方法从江西中医药大学附属医院收集了2015年1月-2021年12月诊断为肺癌的497例病历,筛选412例病历作为研究对象。利用特征选择和特征重要性排序等方法归纳出不同证型的证型因子,并使用Likert分级法量化证型因子。构建基于麻雀搜索算法优化的深度极限学习机,对模型进行训练、测试。最后把本研究所建模型与其他机器学习模型按照3种评价标准进行比较。结果本研究建立的SSA-DELM模型的平均分类准确率为88.44%,而采用支持向量机和贝叶斯网络的平均准确率分别为83.39%和84.53%。SSADELM模型在5种证型上的召回率及F1值大部分在80%以上,也优于其他传统的机器学习模型。结论研究结果表明,利用特征选择结合Likert分级法量化后的肺癌病历数据,相比于0-1化处理的数据更能显现出数据的特征,提高了分类模型的准确率,SSA-DELM新模型相比其他传统的机器学习分类模型,有更好的表征学习能力及学习速度。该模型不仅为临床治疗肺癌的研究提供了科学的技术手段,也为中医辨证论治的信息化、智能化发展提供有益的借鉴。

基于策略模式的中医药数据智能挖掘平台设计与应用

针对目前大多数中医药数据挖掘研究中使用单一且基础的算法而出现的问题,设计并实现一种通过策略模式智能优选中医药数据挖掘方法的平台(TCM data strategy model analysis platform,TCMDP)。根据策略模式的思想,集成以下4个数据挖掘模块,统计学分析模块可对药物、药物种类、四气五味归经和药物功效进行统计学分析;关联规则挖掘模块可以分析处方中的药物关联性;聚类分析模块可获取药物组合得出聚类新方,通过分析结果来探讨肺癌处方的配伍规律;证型分类模块以电子病历的中医症状和四诊信息作为输入,将相关证型作为输出,构建证型分类模型。综上实现了基于策略模式的中医药数据智能挖掘平台,并运用该平台对中医临床治疗肺癌的中药处方进行用药规律和证型分类研究。结果表明:以痰瘀互结证肺癌病例为例,关联规则挖掘模块中WD-Get Rule算法的运行时间最少仅为0.038 s。聚类分析模块中CMC-DD算法分析时间略长但精确率高达87%。肺癌证型分类分析模块中PSO-ELM运行时间短为88.98 s,且模型平均精确率达88.44%,具有一定的临床参考价值。而本平台所采用的改进算法均优于传统算法,且能智能优中选优,效率更高、结果更准确;可见运用策略模式的思想,构建并实现中医药数据智能挖掘平台是研究中医药信息的有效途径。

从台湾实践看股指期货对现货市场的影响

1987年16月美国纽约股市大崩盘,美国布兰迪报告(The Brady Report)指出,存在程序交易造成的瀑布效应(Cascade Effect)。由于股市下跌,组合避险者卖出指数期货以降低持股比例,期货之卖压使期约低于理论价格,计算机程序认为有套利机会,进而买进指数同时卖出股票,致使股市再度下跌,继而又触发了避险者的期货卖压,如此恶性循环,终于使股市大跌。

价值链成本管理模式在高新技术制造业的应用

随着高新技术制造业的不断发展,作为技术密集型的高新技术制造业对于成本管理的标准越来越高。企业竞争不只是某个环节的竞争,确保每个环节的成本控制、提高整个价值链的综合竞争力才能使企业拥有更强的竞争力。基于价值链的成本管理模式成为企业提高市场竞争力的一大利器。论文分析了价值链成本管理模式的理论和特征,以及现今理论的应用和结果,提出使用新型成本管理模式所要面临的困难与挑战,并对此提出部分建议。

小学体育课如何组织开展好耐久跑教学

小学体育教学中耐久跑是其重要的教学内容,在耐久跑教学中不仅可以促进学生身体素质的提升,还能够强化学生的团结合作能力。本文重点阐述在小学体育中如何开展耐久跑教学,以此更好的提升教育教学效果。

浅谈“新三板”挂牌企业绩效评价

股票市场是我国经济中的重要组成部分,有利于市场主体开展融资和投资活动,股票市场发展的稳定直接应该到国民经济运行的稳定性。"新三板"是股票市场中的重要内容,它与以往的主板市场不同,对经济的可持续发展和科技创新有着推动作用。因此本文将对"新三板"挂牌交易企业的绩效评价指标体系建立进行阐述,并分析绩效评价体系的构建内容。

大数据时代的企业财务管理分析

随着计算机技术更新迭代的速度不断加快,互联网得到了普及,信息传播速度越来越快,传播范围越来越广,我们逐渐迎来了知识经济,同时我们面临着数据信息大爆炸。在大数据时代背景下,企业之间的竞争主要表现为信息利用竞争和战略竞争,其财务管理模式也发生了变化,财务管理工作在新的时代背景下面临着新的变革。因此,本文将分析企业在大数据时代背景下做好财务管理工作应该采取的措施,以便为企业在互联网时代获取生存和进一步的发展提供一点建议。

机器学习算法在药物毒性预测中的应用评价

目的:基于文献计量法评价机器学习算法在药物毒性预测中的应用现状,为相关研究和应用提供参考借鉴,以促进“医药+信息”学科的交叉发展。方法:以“毒性预测”、“定量构效关系(QSAR)”、“计算毒理学”、“机器学习”等为主题词,组合查询发表于中国知网、万方等数据库的相关文献,然后依据“所用算法种类”、“所应用的毒性预测环节”进行归类整理,对机器学习算法在药物毒性预测领域的应用现状进行综述。结果:共检索到相关有效文献122篇。机器学习已用于药物毒性预测的毒性数据集处理、药物信息表征筛选、预测模型训练等,其中应用于模型训练任务的算法次数与种类相较更多;虽然各种算法在药物毒性预测领域都有研究应用,而以支持向量机算法、随机森林算法与深度学习算法的应用较多;另外,文献多数认为基于深度学习或集成学习的模型预测性能较高。结论:机器学习算法在毒性预测领域中应用种类较多,而选择算法时需考虑的主要问题是数据集规模大小和算法运算速度,对异常数据、冗余数据、噪声数据的适应性以及算法的实现难度等;计算机辅助毒性预测相较传统的体内体外实验有着较多的优势,但仍有部分亟待解决的难题,包括医药数据相关板块的不少空缺、现有数据质量的亟待提升和药物信息表征如何选择等。

虚拟筛选技术在中药研究中的应用

目的:研究虚拟筛选技术在中药研究中的应用及其进展,为虚拟筛选在中药研究中的进一步应用提供参考和借鉴。方法:以“虚拟筛选”、“中药”、“分子对接”、“机器学习”、“药效团”、“分子相似性”、“配伍规律”等为关键词,组合查询从“中国知网”建库以来相关的文献,并利用“万方”、“维普”和“谷歌学术”等查找论文进行补充,对虚拟筛选在中药研究各子领域中的应用现状进行综述。结果:共检索到相关有效文献315篇。发现虚拟筛选在中药研究的应用主要集中在中药治疗疾病的作用机制、中药治疗疾病的物质基础、探索新的中药治疗疾病办法、中药配伍规律和协同机制、药物归纳分析、中药毒性研究等6个方面,其中以中药治疗疾病的作用机制和中药治疗疾病的物质基础的研究最多。在虚拟筛选的技术使用上,以分子对接技术应用最为广泛,其他的主要技术手段有药效团模型、分子相似性搜索、机器学习等。在常用的数据库或平台上,主要有TCMSP,STRING,DAVID等16个。结论:虚拟筛选技术在中药研究各子领域中应用广泛且研究成果显著,可为中医药现代化研究提供有力的技术支持。