首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
管祥民,马健翔,张维东.集成学习机制下的鼻炎辅助诊断模型[J].数据采集与处理,2021,36(4):684-696
集成学习机制下的鼻炎辅助诊断模型
Computer-Aided Diagnosis of Rhinitis’s Disease Based on Ensemble Learning
投稿时间:2020-08-29  修订日期:2020-11-26
DOI:10.16337/j.1004-9037.2021.04.006
中文关键词:  变应性鼻炎  集成学习  基学习器  多标签分类  异质结构
英文关键词:allergic rhinitis  ensemble learning  base learner  multi-label classification  heterogeneous structure
基金项目:国家自然科学基金(81973749,8187040043)资助项目;上海市卫生健康委先进适宜技术推广(2019SY071)资助项目;上海市科委中医引导类(18401903600)资助项目;上海市卫计委科研面上(201740093)资助项目。
作者单位邮编
管祥民 中国民航管理干部学院民航通用航空运行重点实验室北京100102中国
浙江建德通用航空研究院浙江省通用航空运行技术研究重点实验室建德 311612中国 
311612
马健翔 北京航空航天大学成都创新研究院成都 611930中国 611930
张维东 北京航空航天大学电子信息工程学院北京100191中国 100191
摘要点击次数: 62
全文下载次数: 121
中文摘要:
      鼻炎(Rhinitis )是上呼吸道常见的慢性炎症,具有多种证型和体征。鼻炎临床分类具有样本类型多、类别不平衡特征,属于多输出分类范畴,常出现少数类样本识别率低、综合分类精度差的问题。为此,本文提出异质集成结构分类算法,将鼻炎多输出分类转化为多标签和多类别分类,采用集成学习算法构建异质集成分类器。该方法可根据子数据集中单一类标的不平衡度,自动调节集成森林基学习器数量和深度,有效减少不均衡样本对分类的影响,提高多数类和少数类的总体分类精度,进而提升集成模型的泛化能力。针对临床461例鼻炎样本进行交叉验证分类实验,本文分类模型灵敏度为74.9%,特异性为86.5%,准确度为92.0%,F1为0.783,AUC为0.953。与6种典型模型相比,本文模型具有更好的评估性能,更适合于鼻炎的早期临床诊断。
英文摘要:
      Rhinitis is a common chronic inflammation of the upper respiratory tract with a variety of symptoms and signs. The clinical classification of rhinitis is characterized by different types of instances and class imbalance, and belongs to multiple output classification. Low recognition rate and poor generalization performance often occur for minority class instances. Therefore, this article proposes a novel classification model based on heterogeneous integrated frame, which translates the multi-output classification of rhinitis to multi-label and multi-class classification, then builds a heterogeneous integrated classifier by ensemble learning algorithm. The proposed model can automatically adjust the number and depth of integrated forest learners according to the imbalance ratio of single class label in a subset. As a result, it can effectively reduce influence of class imbalance and improve classification performance of majority and minority class concurrently, further to enhance generalization of integrated classifiers. We conduct cross-validation classification experiments on 461 cases of clinical rhinitis. The outcomes show that the evaluation indicators of the proposed model, such as sensitivity, specificity, accuracy, F1 and AUC, are 74.9%,86.5%,92.0%,0.783 and 0.953, respectively. In comparison to other baseline methods, it achieves better evaluation performance and is more suitable for the early clinical diagnosis of rhinitis.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2276527位访问者 本站今日一共被访问506

技术支持:北京勤云科技发展有限公司