HHT方法分析冠心病患者支架置入手术对其脉搏波的影响

采用HHT(Hilbert-Huang Transformation)时间序列分析方法分析冠心病患者支架置入手术对其脉搏波信号的影响.通过经验模态分解(EMD)技术将一非线性、非稳态过程的原始离散数据序列分解为一组内在模态函数(IMFs),每一内在模态函数对应一种物理激励机制.通过对临床采集冠心病患者支架置入手术前后的脉搏波信号分别进行分解,可得到两者的特定模态改变信息.把冠心痛患者支架置入手术前后脉搏波信号的模态分解数据和正常人脉搏波的分解数据比较可以发现,C3模态和冠心病血管堵塞与否的相关性最大.     

基于深度森林算法的慢性胃炎中医证候分类

针对中医问诊复杂性和非线性的特点,采用深度森林算法(gcForest)构建慢性胃炎中医问诊证候分类模型。利用gcForest分析慢性胃炎问诊数据,建立证候分类模型,并与DBN和DBM两种深度学习算法以及ML-KNN、BSVM、ECC、RankSVM、LIFT这5种多标记学习算法构建的模型进行比较。实验结果表明,该模型在多标记评价指标和单个证型的分类准确率上都优于其他算法,能有效地解决慢性胃炎中医问诊证候分类问题,通过该算法建立的模型分类效果良好,可以为慢性胃炎证候量化诊断研究提供参考。