关键词：
穴位敏化
穴位判别
子午流注
xgboost算法
算法设计
时间向量
摘要：
目的:
本课题研究依托国家自然科学基金项目(81590950):穴位敏化的研究以及国家中医药管理局中医药创新团队及人才支持计划项目(ZYYCXTD-D-202003)子项目三:经穴效应量效规律的智能装备研发与应用两项课题开展,基于中医子午流注理论与穴位敏化理论,以自主研发的穴位敏化智能设备及相关数据为载体,通过文献梳理、数据分析结合算法构建、临床数据验证测试的方法,探讨子午流注时间向量在穴位敏化状态改变中所占权重,探索建立时间向量影响下的穴位敏化位点判别算法模型,以期为穴位敏化诊疗、经穴特异性和数字经络人等算法体系提供一种基于时间向量的算法模型解决方法,优化和完善穴位敏化诊疗算法体系。
方法:
1.对子午流注理论与穴位敏化理论基础进行梳理,基于文献研究及课题组前期研究数据分析方面阐述子午流注时间向量对于穴位状态改变的影响以及与穴位敏化状态之间的联系:
2.基于课题组的前期研究基础构建穴位敏化诊疗系统,升级穴位敏化辅助传感器,实现同一时间内多通道“开穴”状态下的穴位与非开穴状态下的穴位以及非穴位电阻抗数据数据的采集、管理,并提供后期算法搭载平台;
3.根据子午流注理论纳甲法设计临床数据采集方案,对采集到的临床数据进行清洗处理及分析,并随机选取80%的样本数据量作为训练数据完成算法模型训练,以剩余20%数据作为测试集数据测试模型,通过对比分析xgboost、decision tree、adaboost、svm、gbdt、lgbm六种算法的识别率,对6种算法性能指标进行评估,得出较优的基于子午流注时间向量的敏化穴位判别算法模型,用于时间向量对于穴位敏化状态改变权重及穴位敏化位点的预测。
结果:
1.数据统计分析结果表明,在时间因素的影响下,穴位与非穴位之间电阻抗存在显著差异,“开穴”状态穴位与“合穴”状态穴位之间穴位电阻抗存在显著差异,以及“开穴”状态下,时间向量对于不同穴位阻抗改变产生的影响存在显著差异。差异均有统计学意义;
2.是否为穴位点对于穴位电阻抗改变的的权重为4.21,时间向量对于穴位电阻抗改变影响的权重为0.46。
3.主要采用XGboost算法构建时间向量影响下的穴位敏化位点判别算法模型,同时运用其他5种算法构建模型,与XGboost算法支持的模型进行对比分析:
svm模型F1值为61.19%,ACC为62.99%,Precision为60.49%,Recall为75.55%。
decision tree模型F1值为70.05%,ACC为68.43%,Precision为66.81%,Recall为73.63%。
adaboost模型F1值为61.94%,ACC为63.98%,Precision为65.60%,Recall为58.66%。
gbdt模型F1值77.03%,ACC为78.18%,Precision为81.61%,Recall为72.93%。
lgbm模型F1值84.71%,ACC为84.85%,Precision为85.46%,Recall为83.98%。
xgboost模型F1值为88.84%,ACC结果88.95%,Precision为89.63%,Recall为88.06%。
根据F1值、ACC、Recall、Precision四项指标结果对比可得出,xgboost算法支持的时间向量—敏化穴位判别模型算法在敏化穴位识别上优势较其他5种算法更为明显,在本研究中,xgboost算法支持的时间向量—敏化穴位判别模型算法的性能较为优秀。
结论:
1.子午流注时间向量对穴位电阻的改变存在显著影响,具有周期性规律且对于不同穴位阻抗改变产生的影响程度不同;
2.本研究完成了从软件系统设计实现、数据采集、数据清洗以及算法模型构建、训练等研究,对子午流注理论中时间这一影响因素与穴位敏化理论结合应用于敏化点位的智能化实时判别做了探索性研究,验证了穴位敏化存在着符合子午流注变化差异的数学模型,该模型识别准确率达88.95%,优化和完善了穴位敏化诊疗算法体系,可用于算法集成软硬件的进一步开发,为针灸智能化设备在临床的应用提供了一种方法。
3.同时研究发现,人体电阻数据容易受温度、皮肤湿度、人体活动、设备稳定性及采样率等因素影响,后续研究中需要优化前端设备提高采集数据质量,考虑其他影响因素的研究,进一步提高算法精度与灵敏度。
欢迎来到三峡大学图书馆！
