基于PCA-ELM的病理数据研究与应用

• 作者: 何熊熊 庄华亮 齐光快
• 来源期刊: 医疗卫生装备
• 学科: 医学
• 关键词: 主元分析 病理数据分析 极限学习机 数据驱动分类器
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 研究与设计
• 页码范围: 6-9,20
• 页数: 5页
• 分类号: R318|TP391.41
• 字数: 4571字
• 语种: 中文
• DOI: 10.7687/J.ISSN1003-8868.2016.07.006

摘要

目的:挖掘病理数据的内在属性,为相关临床医疗提供指导.方法:首先通过主元分析(principal components analysis,PCA)提取出数据空间中的显著差异性特征,据此将数据降维,然后采用极限学习机(extreme learning machine,E LM)算法训练和构建数据分类器模型,并将其应用在对冠心病和病毒性肝炎预后的病理数据分析中.结果:仿真实验结果显示PCA-ELM模型在不损失精度的情况下比传统的反向传播(back propagation,BP)神经网络和支持向量机(support vector machine,SVM)训练速度更快,并且优于单独的ELM,具有更好的外延性.结论:该数学模型在医疗病理研究上具有一定应用前景和价值,可为相关临床诊断提供指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何熊熊	浙江工业大学信息工程学院	49	267	11.0	13.0
2	庄华亮	浙江工业大学信息工程学院	5	20	3.0	4.0
3	齐光快	浙江工业大学信息工程学院	3	12	1.0	3.0