System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及分类,尤其是涉及一种基于graphsmote的中医辨证方法。
技术介绍
1、中医证型是由不同的病因引起阴阳气血的不同变化导致人体的不同疾病状态。证型的揭示可以帮助我们更好地理解病变的机理和发展趋势,在确定治法、处方开药时具有至关重要的依据。然而,个人经验的主观性使得医生仅通过望、闻、问、切四种方法来判断证型存在一定的局限性,这也是传统中医难以推广的原因之一。随着人工智能技术的快速发展,许多机器学习和深度学习算法已经被应用于证型分类中,使得传统中医与计算机辅助诊断相结合。
2、然而,中医实体之间关系的复杂性以及医疗数据集中存在的类不平衡问题,使得现有算法的准确率并不高。
技术实现思路
1、本专利技术的目的是提供一种基于graphsmote的中医辨证方法,有助于提高中医辨证的准确。
2、为实现上述目的,本专利技术提供了一种基于graphsmote的中医辨证方法,包括以下步骤:
3、s1、构建以病人为节点,病人的特征作为节点特征的中医知识图;
4、每条临床数据由病人特征s和证型sy的多热编码表示,其中,s={s1,s2,s3,...sm}和sy={sy1,sy2,sy3,...syl},m是症状的个数,l是证型的个数;如果第m个特征出现,则在集合s相应的位置sm置1,否则置0,如果第l个证型出现,则在集合sy相应的位置syl置1,否则置0;
5、构造边的规则是统计病人之间症状的相同个数,如果相同症状大于阈值m,m为
6、s2、将中医知识图输入到graphsage中进行特征聚合,得到聚合后的特征;
7、s3、将聚合后的特征输入到smote模块生成少数类的节点特征,并作为多层感知机的输入;
8、s4、使用多层感知机作为证型分类器进行分类,得到分类后的证型。
9、优选的,步骤s1中,病人特征由病人症状、年龄、性别构成。
10、优选的,步骤s2中,将中医知识图输入到graphsage中进行特征聚合,特征聚合过程为:
11、
12、其中,k表示每个节点能够聚合的邻接点的跳数,也代表网络层数;表示在第k层节点v的所有邻居节点的特征表示;表示在第k-1层节点v的特征表示;表示在第k层节点v的特征表示;wk为第k层的权重矩阵,concat表示拼接操作;σ表示非线性激活函数;n(v)表示节点v的所有邻居节点。
13、优选的,步骤s3中,将聚合后的特征输入到smote模块生成少数类的节点特征,并作为多层感知机的输入,具体如下:
14、s31、设hv为少数类节点,标记为yv;类别相同节点hu中找到与hv最近标记节点:
15、
16、其中,nn(v)指来自同一类的节点v的最近邻居,argmin||·||表示嵌入空间中的欧氏距离;u表示与节点v类别相同的节点;
17、s32、生成少数类新样本:
18、hv'=(1-δ)·hv+δ·hnn(v) (3)
19、其中,hv'表示生成的节点特征;δ是一个随机变量;hnn(v)表示来自同一类的节点v的最近邻居的节点特征。
20、优选的,步骤s4中,使用多层感知机作为证型分类器进行分类,具体公式如下:
21、ys=w2(w1*h+b1)+b2 (4)
22、其中,h由真实节点特征和合成节点特征拼接组成,即concat(hv,hv′);w1和w2分别为第一层和第二层的权值矩阵;b1和b2分别为第一层和第二层的偏置向量;ys是证型的概率向量;
23、在网络训练时,使用交叉熵损失函数:
24、
25、其中,l是证型类别的数量;yl是模型预测的类别;tl是真实的类别;i表示第i个类别。
26、因此,本专利技术采用上述一种基于graphsmote的中医辨证方法,通过解决类不平衡问题,提高了中医辨证的准确率,实现中医的自动辨证。
27、下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于GraphSMOTE的中医辨证方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于GraphSMOTE的中医辨证方法,其特征在于,步骤S1中,病人特征由病人症状、年龄、性别构成。
3.根据权利要求2所述的一种基于GraphSMOTE的中医辨证方法,其特征在于,步骤S2中,将中医知识图输入到GraphSAGE中进行特征聚合,特征聚合过程为:
4.根据权利要求3所述的一种基于GraphSMOTE的中医辨证方法,其特征在于,步骤S3中,将聚合后的特征输入到SMOTE模块生成少数类的节点特征,并作为多层感知机的输入,具体如下:
5.根据权利要求4所述的一种基于GraphSMOTE的中医辨证方法,其特征在于,步骤S4中,使用多层感知机作为证型分类器进行分类,具体公式如下:
【技术特征摘要】
1.一种基于graphsmote的中医辨证方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于graphsmote的中医辨证方法,其特征在于,步骤s1中,病人特征由病人症状、年龄、性别构成。
3.根据权利要求2所述的一种基于graphsmote的中医辨证方法,其特征在于,步骤s2中,将中医知识图输入到graphsage中进行特征聚合...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。