2015年4月28日 星期二

[研究發表摘錄介紹] Multilabel k-nearest neighbor (ML-kNN) 演算法在高血壓辨證分型的應用

[研究發表摘錄介紹] 

Multilabel k-nearest neighbor (ML-kNN) 演算法在高血壓辨證分型的應用


2 ML-kNN在不同診斷方法之運算結果

目前研究主流以探討某疾病之中醫證型為主,並希望能藉由中醫藥改善證型,進而改善病情,許多研究者也從文獻分析探討單一疾病的中醫證型分佈,如高血壓、失眠及慢性胃炎……等等。廣東省中醫院歐愛華研究員則探討multilabel k-nearest neighbor (ML-kNN) 演算法在高血壓辨證分型的應用。9歐氏由775位高血壓患者中擷取出143項中醫望聞問切及相關基本資料,並以ML-kNN演算出望聞問切四診融合(fusion)運算(Average precision = 0.81)比單一診斷運算的精確度還高(望診:0.80,舌診:0.77,問診:0.79,切診:0.78),相關結果見圖2,與現今中醫診療模式需四診合參相符合,顯示當診斷資料收集越齊全,則辨證會更精確。

摘錄自Evid Based Complement Alternat Med 臨床醫學研究部份內容

  1. 張清貿, 施柏瑄, 朱學亭, 陳方佩. 該如何理解「證」?- 中醫證型現代研究的定性與定量臨床醫學. 2014 (73):189-195 (in Chinese)
  2. Li GZ, Yan SX, You M, Sun S, Ou A. Intelligent ZHENG Classification of Hypertension Depending on ML-kNN and Information Fusion. Evid Based Complement Alternat Med 2012;2012:837245.