基于深度学习与偏最小二乘的分析方法及其医学应用

基于深度学习与偏最小二乘的分析方法及其医学应用

★ 朱志鹏 喻芳 曾青霞 杜建强

【摘 要】摘要：针对中医药数据进行量效关系分析时，往往量效关系呈现为非线性的特征，而偏最小二乘在建立量效关系模型时是线性关系模型。提出一种融合深度学习与偏最小二乘的分析预测方法，该方法利用深度学习的多层网络对特征空间进行非线性映射，将映射而成新特征用于偏最小二乘回归中，从而形成能适应非线性的量效关系模型。分别采用大承气汤、葛根芩连汤和UCI数据集的数据进行分析处理，实验结果表明，融合深度学习与偏最小二乘的分析预测方法能很好反映中医药数据的非线性特征。 【期刊名称】江西中医药大学学报 【年(卷),期】2017(029)003 【总页数】4

【关键词】深度学习；偏最小二乘；非线性；中医药信息

中医药治疗疾病，往往是中药的多成分对应病证的多靶点，因此采集的中医药数据存在多成分、多靶点和非线性等特点[1]。以药物的量效关系为例，化学药药效成分清楚，结构明确，对于单成分指标量效关系的概念、原理、方法和应用已形成较为完善的体系。中医方药复杂性和系统性主要体现在多成分、多靶点、多药效指标以及非线性特征等，决定了其量-效关系和组-效关系的数据呈现多自变量、多因变量和非线性的特征。如何从这些非线性数据中提取特征空间中非线性结构来更好地表达数据，成为一个需要进行深入思考的问题。 目前针对多自变量和多因变量的中医药数据使用最广泛的方法是偏最小二乘(PLS)。偏最小二乘(PLS)包括多元线性回归分析、典型相关分析和主成分分析