基于多层前馈型人工神经网络的抑郁症分类系统研究

多层前馈型人工神经网络(MLPANN)是应用广泛的一种人工神经网络。该文研究了用于抑郁症中医证候分类的一类MLPANN,设计了一种基于自定义网络结构及其他参数的BP训练算法的分类系统,并首次应用在抑郁症的中医证候分类研究中。该系统利用实际病症样本数据进行了训练和分类,结果表明系统具有很好的分类效果,可以用于指导抑郁症诊断和治疗。

基于机器学习的郁证证型分类模型构建研究

目的基于机器学习的随机森林和人工神经网络算法构建郁证证型分类模型,并采用混淆矩阵评估其模型的准确度。方法医案数据来自古今医案云平台、中国知网、万方、维普数据库,共纳入1010例医案,训练集和测试集划分比例为7∶3。利用Python在Jupyter notebook中进行特征提取,再通过随机森林、人工神经网络构建郁证证型分类模型,最后利用混淆矩阵验证分类结果准确性。结果利用随机森林算法构建的证型分类模型,整体准确度为89.44%,其中肝气郁结95.00%,气郁化火82.05%,痰气郁结89.29%,心神失养85.07%,心脾两虚89.74%,心肾阴虚95.16%;利用人工神经网络算法构建的证型分类模型,整体准确率为96.03%,其中肝气郁结100.00%,气郁化火92.31%,痰气郁结96.43%,心神失养91.04%,心脾两虚97.44%,心肾阴虚100.00%。结论两类分类模型分类结果均达到了较理想的效果,但人工神经网络分类模型准确度高于随机森林分类模型准确率,其非线性、模糊性等特征更适合于中医证型分类预测,可为今后中医诊断研究提供新的思路与方向。