5.1证素辨证原理研究在线视频

同学们大家好

这节课我们来介绍一下证素辨证原理的研究

具体包括我们先来回顾一下上一节

讲到的证素辨证原理的示意图

以及证素辨证原理的优势和不足

接下来来介绍针对证素辩证原理的可靠性

我们所做的研究

和证素辨识的准确率所做的实验研究

以及我们还对朱文峰教授提出的证素辩证原理

与其他的一些机器学习的模型

进行了一定的性能比较

这是这个章节的主要内容

首先我们来回顾一下证素辨证原理

上节课的证素辨证原理示意图

我们来回顾一下上节课介绍的

证素辨证原理的示意图

大家已经不再陌生

证素辨证原理就是

完整的采集个体人的宏观 中观 微观的参数

然后对位置要素和性质要素进行辨识

并对其轻重程度作出判断

辨识出的诊断成立的证素再组合成证型

这是证素辩证原理的基本示意图

上节课我们已经详细的阐述过

接下来我们再来回顾一下证素辩证的优势和不足

证素辩证的优点上节课也反复的强调过

它是符合中医临床辨证思维规律的

从四诊信息的采集到证素的辨识

再到证型的辨识

是符合中医临床思维规律的

它继承了大量文献研究和专家的经验

因此是在继承前提下的发展

对中医辨证执简驭繁

因为它只使用了53个证素

对每一个人都做出了证素诊断

每一个人都可以通过证素向量

对它的个性化的诊断结果进行标记

因此满足了中医临床个性化诊疗的需要

这是它最大的优点

我们再来回顾一下它的不足

证素辩证的不足包括了第一条

证素辩证原始的证素辩证的模型

它只能辨别疾病状态 病症状态和未病状态

对未病和预病 已病尚不能区分

第二个不足就是没有对证素辨证的结果

和证型辨证的结果

进行诊断准确率的实验验证

因此在这一部分

我们就针对证素辩证不足中的第二点

其中的证素诊断准确率这一方面的研究

做了一系列的研究 介绍给大家

接下来我们来看一下针对证素辨证的可靠性

我们开展的一系列的研究

我们从中医临床教材中抽取了50个典型案例

然后对每一个案例都邀请18位专家

分别对同一案例做出证素诊断

在这个诊断过程中

就会存在专家

对同一个案例的证素诊断不太一致的情况

因此我们想通过一定的客观指标

来评价多位专家对同一个案例证素诊断的一致性

在此我们采用了肯德尔系数法

然后将阈值设置为0.4

如果计算出来的肯德尔系数大于0.4

则诊断一致性好

通过这样的研究

我们针对这50个案例采集了

18位专家的证素诊断以后

计算了肯德尔系数

得出来的结论是

在这50个中医临床教材的典型案例中

总共涉及了53个证素

其中有39个证素的诊断一致性好

接下来除了

中医临床教材中我们抽取了50个临床案例以外

我们还从中医临床病例中随机抽取了50个案例

然后邀请四位中医临床专家

分别对这50个案例做证素诊断

采用同样的肯德尔系数法

阈值也是设定为0.4

来判定各个证素的诊断一致性

实验结果是

这50个中医临床病例总共涉及37个证素

37个证素中其中17个证素的诊断一致性好

最终我们的结论证素辨识的一致性信度

存在一定的不一致

但是整体我们认为一致性信度尚可

接下来我们又对证素辨识可靠性中的重测信度

进行了实验研究

实验的过程

两个数据集是一样的

分别是中医临床教材的典型案例中

抽取的50个案例

而中医临床病例中随机抽取的50个案例

也是临床教材中的50个案例

同步邀请18位专家对各个案例作出证素诊断

间隔一周以上我们对案例进行顺序调整

再一次请这18位专家做出证素诊断

然后对同一位专家两次作出证素诊断的结果

计算Kappa系数

设定的阈值为0.2

也就是认为如果各证素的kappa系数超过0.2

则重测信度好

基于此分析的结果是53个证素中

49个证素的诊断重测信度好

也就是每一位专家

他做出的证素诊断是非常稳定的

针对临床案例也同样

第一次邀请四位专家对每个案例做出证素诊断

间隔一周以上

再邀请这四位专家

对调过顺序的这50个临床案例

同样做出证素诊断

之后我们也是计算kappa系数

设定的kappa系数阈值为0.2

也就是超过0.2的

我们认为它的重测信度比较好

实验结果是总共案例涉及到了37个证素

其中有22个证素的诊断重测信度是尚可的

最终我们的结论是证素辨识的重测信度是比较好的

也是尚可的

接下来我们还对证素辨识模型的性能

进行了指标评价

在性能评价中

我们所采用的主要的指标有五个

这五个分别是准确率 灵敏性 精度和特异度

以及由灵敏性和精度两个指标合成的一个指标

取两者的平均

因为在证素辩证的

这个数据集中灵敏性和精度相对来说

更为有效评价模型的时候更为有效

我们来看一下准确率很容易理解

在上面这个四个表中已经列出了

模型预测为真和假的行

和原始诊断为真和假的两个列

在这个四个表里面

A B C D分别代表着模型预测和原始诊断

是真和假的一个交叉的频数表

在这个表中

如果计算准确率的话

A和D是模型预测与原始诊断一致的数据评述

B和C就是不一致的

因此准确率很容易理解

就是A和D的加和比上

总频数 总实验频数

灵敏性就是A与A加C的比值

精度就是A与A加B的比值

特异度是D与B加D的比值

sp这个合成指标就是灵敏性跟精度的平均值

在这所有的指标里面我们更着重的看的

就是灵敏性和精度两个指标

以及这个合成的sp指标

这个对我们进行

模型证素辨识数据集的这个模型性能的评价

是重要的考虑的指标

接下来我们就采用这五个指标

对朱文峰教授提出的

症-证素积分模型进行了性能评价

采用的测试集含有751个测试集

而这个测试集主要来源于

中医内科学 中医妇科学

中医儿科学的教材中的案例

经评价在751个案例测试集上

朱文峰教授提出的症-证素积分模型

它的诊断的准确率是93.6%

特异度93.7 灵敏度为92.8%

精度为39%

其中除了精度以外其他指标均较好

精度指标比较差

意味着证素辩证模型诊断成立的案例中

仅有39%的案例是正立

接下来我们来看一下

朱文峰教授提出的证素辨识模型

与机器学习中的支持向量机

还有遗传算法和爬山算法进行的

积分修正以后的模型

进行一个性能比较

在这里我们采用的学习数据集

也就是建立支持向量结合

遗传算法 爬山算法去修正积分模型的时候

所选用的训练集

还是从教材中来的751个病症案例

选择在中医健康状态辨识系统中抽取的50个

临床案例作为测试样本

评价指标依然是准确率 灵敏性

特异性 精度和sp值

接下来我们来看一下

这是多个模型性能评价对比的结果

表中是列出了四个模型的五个性能评价指标

其中采用爬山算法修正证素积分的

证素辨识模型

在准确率 灵敏性 特异性不变的情形下

精度有所提升

而基于支持向量机训练的证素辨识模型

其精度最高

但灵敏性有所下降

从综合评价SP指标来看

采用爬山算法

修正积分后的证素辨识模型的性能最高

在进行多个模型训练过程中

最大的问题就是训练案例及测试案例的极度缺乏

今后我们将更加关注

证素诊断质量水平高的训练案例的积累

并尝试更多的模型算法

比如说像深度学习算法可以引入进来

这都将是我们尝试的方向

好 这个单元就学到这里

感谢您的聆听

欢迎你再继续下个单元的学习