期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
电子鼻联合机器学习对肺结节良恶性及中医证素呼气图谱辨识的单中心观察性研究 被引量：2
1
作者 谭施言 曾琼 +7 位作者 向红霞 王倩 付西 何佳玮 由丽婷 马琼 由凤鸣 任益锋 《中国胸心血管外科临床杂志》 北大核心 2025年第2期185-193,共9页
目的探究电子鼻联合机器学习对肺结节良恶性及中医证素呼气图谱的辨识效能。方法研究设计为单中心观察性研究。收集2023年4月—2024年3月期间就诊于成都中医药大学附属医院心胸外科住院部108例肺结节患者的一般资料及四诊信息,通过证素... 目的探究电子鼻联合机器学习对肺结节良恶性及中医证素呼气图谱的辨识效能。方法研究设计为单中心观察性研究。收集2023年4月—2024年3月期间就诊于成都中医药大学附属医院心胸外科住院部108例肺结节患者的一般资料及四诊信息,通过证素辨证的方法分析患者中医病位、病性分布特点,运用Cyranose 320电子鼻采集口腔呼气的气味图谱,基于随机森林(random forest,RF)、K最近邻(K-nearest neighbor,KNN)、逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、极端梯度提升(eXtreme gradient boosting,XGBoost)5种机器学习算法辨识肺结节良恶性及不同中医证素的呼气图谱。结果(1)肺结节常见病位证素从高到低依次是肝、肺、肾;常见病性证素从高到低依次是阴虚、痰、湿、气滞、血虚。(2)电子鼻联合RF算法对肺结节良恶性呼气图谱辨识效能最佳,受试者工作特征曲线下面积(AUC)为0.91,准确度为86.36%,特异度为75.00%,灵敏度为92.85%。(3)电子鼻联合RF、LR或XGBoost算法能较好辨识肺结节不同病位、病性证素,其分类准确度、特异度及灵敏度普遍≥80.00%。结论电子鼻联合机器学习不仅具备鉴别肺结节良恶性的潜力,亦可为肺结节中医客观化病证诊断提供新技术与新方法。 展开更多
关键词 肺结节 电子鼻 机器学习 中医证素 呼气图谱
原文传递
慢性胃炎湿热证患者的口腔呼气气味图谱识别 被引量：5
2
作者 林雪娟 高雅 +4 位作者 吴青海 田群辉 罗志明 黄伟荣 李灿东 《中华中医药杂志》 CAS CSCD 北大核心 2023年第2期866-870,共5页
目的:运用电子鼻技术结合模式识别算法探讨慢性胃炎(CG)湿热证口腔呼气的气味图谱识别。方法:选择156例CG湿热证患者为研究对象,150例CG非湿热证患者和100名健康者为对照,运用基于阵列式气体传感器技术的电子鼻采集口腔呼气的气味图谱,... 目的:运用电子鼻技术结合模式识别算法探讨慢性胃炎(CG)湿热证口腔呼气的气味图谱识别。方法:选择156例CG湿热证患者为研究对象,150例CG非湿热证患者和100名健康者为对照,运用基于阵列式气体传感器技术的电子鼻采集口腔呼气的气味图谱,采用模式识别的方法进行气味图谱识别。结果:(1)CG湿热证患者中不同湿热比重的频数分布从高到低依次为湿热并重、湿重于热、热重于湿;CG湿热证Hp阳性率为39.74%。(2)RF模型对CG和健康人气味图谱的分类最为准确,准确率可达98%;KNN聚类对CG湿热证和非湿热证气味图谱的分类最为准确,准确率为63%。(3)LR模型对湿热并重与非湿热并重气味图谱的分类最为准确,准确率为62%;LR模型对湿重于热与非湿重于热气味图谱的分类最为准确,准确率为71%;LR模型对热重于湿与非热重于湿气味图谱的分类最为准确,准确率达90%;SVM模型对CG湿热证Hp阳性与Hp阴性气味图谱的分类最为准确,准确率达60%。结论:运用阵列式气体传感器电子鼻检测人体口腔呼气,不仅对CG患者具有很高的识别准确率,而且也能初步判断CG湿热证及其不同湿热比重、Hp感染情况,为中医病证诊断和嗅诊客观化提供新方法。 展开更多
关键词 慢性胃炎 湿热证 电子鼻 口腔呼气 气味图谱 嗅诊 模式识别算法 Hp感染
原文传递
慢性萎缩性胃炎湿热证患者口腔呼气气味图谱特征的横断面研究 被引量：3
3
作者 林雪娟 黄琰钰 +6 位作者 朱龙 曹冬林 丁珊珊 李星慧 胡莹莹 兰萌 黄伟荣 《中医杂志》 CSCD 北大核心 2024年第16期1687-1694,共8页
目的基于电子鼻技术探讨慢性萎缩性胃炎(CAG)湿热证患者口腔呼气气味图谱特征及识别效果。方法招募慢性胃炎患者,其中CAG湿热证组60例、CAG非湿热证组50例、慢性非萎缩性胃炎(CNAG)湿热证组60例、CNAG非湿热证组50例,同时将健康志愿者3... 目的基于电子鼻技术探讨慢性萎缩性胃炎(CAG)湿热证患者口腔呼气气味图谱特征及识别效果。方法招募慢性胃炎患者,其中CAG湿热证组60例、CAG非湿热证组50例、慢性非萎缩性胃炎(CNAG)湿热证组60例、CNAG非湿热证组50例,同时将健康志愿者30例设为健康对照组。随机选取CAG湿热证组中10例和CAG非湿热证组50例组成CAG组,选取CNAG湿热证组10例和CNAG非湿热证组50例组成CNAG组。除健康对照组外,其余各组患者进行幽门螺杆菌(Hp)检测;运用电子鼻(GISXM-MQWA01)采集所有受试者口腔呼气气味绘制图谱,对健康对照组与CAG组、CNAG组受试者,CAG湿热证组、CAG非湿热证与CNAG湿热证口腔气味图谱各响应曲线(包括曲线A、B、C、D、E、F、G、H、I、J)振幅、斜率进行比较。运用改良Transformer模型对气味图谱特征进行分类,并采用混淆矩阵方法对分类模型进行评估,指标包括准确率、ROC曲线下面积(AUC)等。结果CAG湿热证组Hp阳性率为80.00%(48/60),CAG非湿热证组为62.00%(31/50),CNAG湿热证组为46.67%(28/60),CNAG非湿热证组为42.00%(21/50),CAG湿热组与CAG非湿热组Hp阳性率比较差异有统计学意义(P<0.05)。CAG组气味图谱的响应曲线A、B、C、D、F、G、I振幅及A、F的斜率均低于健康对照组,曲线E振幅及斜率高于健康对照组和CNAG组(P<0.05或P<0.01);CNAG组的图谱响应曲线A、B、C、D、F、G、I振幅及A、D、F斜率低于健康对照组(P<0.05或P<0.01)。CAG湿热证组气味图谱响应曲线D振幅及J斜率高于CNAG湿热证组,曲线F振幅低于CAG非湿热证组,曲线H振幅及A、H、J斜率高于CAG非湿热证组(P<0.05)。CAG组与健康对照组组间气味图谱识别模型的识别准确率达77.78%,AUC=0.88;CAG组与CNAG组的识别准确率达69.44%,AUC=0.61;CAG湿热证组与CAG非湿热证组识别准确率可达75.8%,AUC=0.70。结论电子鼻技术能对CAG湿热证患者的口腔呼气气味作出较为准确的识别,曲线F振幅降低,曲线H振幅及A、H、J斜率升高可能是其气味图谱特征。 展开更多
关键词 慢性胃炎 慢性萎缩性胃炎 湿热证 口腔呼气 气味图谱 电子鼻
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部