混合深度学习机制下的H型高血压脉诊预测

• Published in: 数据采集与处理 Vol. 37; no. 4; pp. 883 - 893
• Main Authors: 杨晶东, 陈磊, 蔡书琛, 解天骁, 燕海霞
• Format: Journal Article
• Language: Chinese
• Published: 上海理工大学光电信息与计算机工程学院,上海 200093%上海中医药大学基础医学院,上海 201203 01.07.2022
• Subjects: H型高血压; 混合深度学习; 卷积神经网络; 双向长短期记忆网络
• ISSN: 1004-9037
• DOI: 10.16337/j.1004-9037.2022.04.016

TP181; 现有H型高血压诊断需要检测患者体内的伴有血浆同型半胱氨酸含量,效率低且带有创口.中医学脉诊可以通过分析患者脉搏生理活动,结合临床问诊信息实现H型高血压无创辅助诊断.本文提出了基于混合深度学习的脉诊分类模型,在具有双向长短时记忆(Bi-directional long short-term memory,BiLSTM)网络中增加卷积神经网络(Convolutional neural network,CNN)结构提取脉诊特征局部相关特征,构建基于CNN-BiLSTM结构的高血压脉诊分类网络.实验采用上海中医药大学附属龙华医院及中西医结合医院的325例临床疑似高血压脉诊病例.实验结果表明本文模型评估参数灵敏度、特异性、正确率、F1-score、接收者操作特征(Receiver operating characteristic,ROC)曲线及其下方围成的面积(Area under curve,AUC)值分别为:79.71％、69.56％、77.17％、83.96％、0.8500,高于经典机器学习方法的诊断精度,对中医临床辅助诊断具有较好的参考价值.