Mjerenje sličnosti sastojaka kineske medicine za identifikaciju hladno-vruće prirode

Za više informacija:emily.li@wecistanche.com

Guo-Hui Wei, Xian-Jun Fu, Zhen-Guo Wang

1Key Laboratory of theory of TCM, Ministarstvo obrazovanja Kine, Univerzitet tradicionalne kineske medicine Shandong, Jinan, Kina.

Highlights

U ovoj studiji smo potvrdili hipotezu daKineskilijekovisa sličnim sastavom tvari treba imati sličnu ljekovitu prirodu. Koristili smo hemijske otiske prstiju da analiziramo hemijske sastojke u kineskim lekovima. Izmjerili smo sličnost sastojaka pomoću metrike udaljenosti i dizajnirali šemu pronalaženja za identifikaciju hladno-vruće prirodeKineskilijekovi.

Cistanche je veoma dobra kineska medicina

Abstract

Cilj: Teorija prirodeKineskilijek(CM) je osnovna osnovna teorijaTradicionalnoKineskiLijek(TCM), u kojem je hladno-vruća priroda u fokusu istraživanja. Istraživanja su otkrila da su CM sastojci materijalna osnova za proizvodnju ljekovite prirode. Stoga se spekuliše da bi CM sa sličnim sastavom supstanci trebali imati sličnu ljekovitu prirodu. Savremeni rad proučava hladno-vruću medicinu CM sa tehnologijom hemijskog otiska prsta jer podaci o hemijskim otiscima CM mogu odražavati čitav sastav CM sastojaka.

Metode: Da bismo potvrdili gornju hipotezu, u ovom radu proučavamo kvantificiranje sličnosti CM sastojaka sa sličnošću otisaka prstiju i istražujemo odnos između sastava CM-a i hladno-vruće prirode. Prvo, koristimo tehnologiju ultraljubičastog (UV) spektra za analizu 61 CM, koji imaju jasnu hladno-vruću prirodu (uključujući 30'hladni'CM i 31'vrući' CM). Drugo, sa izgrađenom bazom podataka otisaka prstiju CM-ova. algoritam metričkog učenja na daljinu proučava se kako bi se izmjerila sličnost UV otisaka prstiju. Konačno, predložena je šema za pronalaženje kako bi se izgradio prediktivni identifikacijski model za identifikaciju hladno-vruće prirode CM-a.

Rezultati: Pomoću brojnih eksperimentalnih analiza, podaci ultraljubičastog spektra otapala petrolej etera mogu bolje predstaviti CM za razliku između hladne i vruće prirode. U poređenju sa postojećim klasičnim modelima, predložena šema identifikacije ima bolje prediktivne performanse.

Zaključak: Eksperimentalni rezultati potvrđuju naš zaključak da CM sa sličnim sastavom supstanci treba da imaju sličnu medicinsku prirodu. Pokazalo se da je predloženi model predviđanja efikasan i izvodljiv.

Ključne riječi: tradicionalna kineska medicina,KineskiLijeksastojci, Ultraljubičasti spektar, Merenje sličnosti, Hladno-vruća priroda

Pozadina

Kao jedan od ključnih elemenata tradicionalne kineske medicine (TCM), teorija prirode TKM-a privlači pažnju naučnika i istraživačkih institucija dugi niz godina. PrirodaKineskilijek(CM) sadrže četiri tipa tj. hladno, hladno, vruće i toplo, čija je hladna i topla priroda važan dio teorije prirode TCM [1,2]. "Liječenje sindroma vrućeg lijekom hladne prirode i liječenje sindroma hladnoće lijekom vruće prirode" ukazuje na to da hladnoća ili vrelo svojstvo medicine, teorija prirode je važna osnova za TKM tretman u regulisanju ravnoteže izmeđuYiniYangljudskog tijela, a primjena hladno-vruće medicinske prirode dovodi do djelotvornog liječenja u kliničkoj medicini TKM [3].

Brojni stručnjaci imaju različite poglede na TCM hladno-vruću prirodu. Jin i ostali.[4] predložio 'model matematičke analize od tri elementa za istraživanje biološkog karaktera TKM-a na osnovu prirode hladno-vruće medicine. Zhao et al. [5] istraživali su metodu hladnog/vruće ploče kako bi razlikovali hladno-vruću prirodu Mahuang i Maxingshigan dekocija. Wan et al.[6] proučavao je učinak TCM-a s različitim svojstvima na termoregulaciju i protein kanala za potenciranje prolaznog receptora osjetljivog na temperaturu pacova s ​​groznicom izazvanom kvascem. Liang et al.[7] analizirala hladna i vruća svojstva kineskog ljekovitog bilja molekularnom mrežom i metodama hemijskih fragmenata. Wang et al. [8] je identifikovao 59 CHM sa tipičnim hladnim/toplim svojstvima samoorganizovanom mapom. Fu et al. [9,10] istraživali su prisustvoantikancerogenaaktivnostprikazano hladno-vrućom prirodom tradicionalne kineske morske medicine sa filogenetskom analizom stabla i istraženo metodom Silico Mode-of-Action kako bi se objasnila hladna, vruća i neutralna priroda CM-a.

Generalno, diskriminacija hladno-vruće prirode CM-a sadrži dva dijela: reprezentaciju karakteristika i prirodnu klasifikaciju. Predstavljanje karakteristika koristi originalne efekte CM-a, tehnologije otiska prsta ili metabolomske metode za izdvajanje karakteristika CM-a. Prirodna klasifikacija treba da koristi klasične klasifikatore mašinskog učenja ili konstruisane klasifikatore da bi razlikovala hladno-vruću prirodu CM-ova. Originalni efekti kineske medicine su efektan karakterističan izraz. Xue istraživačka grupa [11-13] istražila je originalne karakteristike efikasnosti CM-a u "KineskiBiljniLijek(CHM)" i koristili su klasične klasifikatore (kao što su umjetne neuronske mreže) za klasifikaciju nepoznate prirode CM-a. Metabolomska metoda se također koristi za predstavljanje CM-ova. Nie et al. [14] proučavali su metabonomske karakteristike CM-a i konstruirali nasumični šumski model za razlikovanje nepoznate prirode CM. Hemijska tehnologija je važna metoda za analizu hladno-vruće prirode. Long i saradnici [15] analizirali su hemijske komponente 284 CM sa jasnom medicinskom prirodom i istražili kombinovani sistem za predviđanje hladno-vruća priroda drugih CM-a, Druge metode, kao što je spektroskopija nuklearne magnetne rezonance protona (1H-NMR), koriste se za istraživanje karakteristika CM-a List al. [16] proučava karakteristike CM-a sa 1H-NMR i primijenjene tehnike prepoznavanja obrazaca za analizu nepoznate prirode CM-ova.

Osim klasičnih klasifikatora, šema pronalaženja je jedna od popularnih i efikasnih šema klasifikacije, koja se široko primjenjuje u identifikaciji benignih i malignih mamografija i plućnih nodula [17-20]. U poređenju sa tradicionalnim klasifikatorima, šema pronalaženja može pružiti najsličnije slučajeve za analizu i referencu. Stoga mjera sličnosti igra važnu ulogu u šemi pronalaženja za klasifikaciju. Naša grupa je uradila mnogo istraživačkog rada na merenju sličnosti slika plućnih čvorova [20,21]. Kvantifikujemo sličnost slika plućnih nodula sa metrikom udaljenosti. Iako je mjerenje sličnosti široko proučavano u medicinskim slikama, rijetko se koristi u identifikaciji prirode CM.

Aktuelno istraživanje prirode medicine fokusiralo se na otkrivanje povezanosti prirode CM i sastava materijala unutar CM. Na primjer, tehnike kemijskog otiska prsta i CM diskriminirajući modeli se primjenjuju za analizu sastava CM materijala. Podaci o hemijskom otisku prstiju CM mogu odražavati cijeli sastav CM sastojaka. Bioaktivnost je određena sastavom materijala. a bioaktivnosti CM su srž identifikacije prirode medicine [2]. Dakle, sastav materijala indirektno određuje prirodu CM. Istraživanja su otkrila da su sastojci CM materijalna osnova za proizvodnju ljekovite prirode [10]. Stoga se spekuliše da bi CM sa sličnim sastavom supstanci trebali imati sličnu ljekovitu prirodu.

Da bismo potvrdili gore predloženu hipotezu, u ovom radu istražujemo odnos između sastojaka CM i hladno-vruće ljekovite prirode. Prvo, konstruišemo bazu podataka CM sastojaka koristeći tehnologiju ultraljubičastog (UV) spektra da bismo predstavili 61 CM, koji imaju jasnu hladno-vruću prirodu (uključujući 30 'hladnih' CM i 31 'vrući' CM). Drugo, proučavamo kvantificiranje sličnosti CM sastojaka sa metrikom udaljenosti. Mahalanobisova udaljenost je naučena za mjerenje sličnosti UV otisaka prstiju CM-a. Konačno, predlaže se šema pronalaženja za izgradnju prediktivnog identifikacionog modela za predviđanje hladno-vruće prirode CM-a.

Materijali i metode

TCM Dataset

U ovoj studiji analiziran je 61 reprezentativni CM, u kojem su 30 CM 'lijekovi protiv prehlade', a ostali su 'lijekovi za vruće'. Svih 61 CM je označeno u klasičnoj 'kineskoj Materia Medica' i 'Shen Nong's Herbal Classic'. Tabela l prikazuje 61 reprezentativni CM i njihovu prirodu (karakteristike u zagradama).

UV tehnologija otiska prsta koristi se za testiranje 61 CM. Glavni instrument je UV-3010 UV spektrofotometar (Hitachi, Japan). Naša grupa je snimila apsorbanciju od ukupno 61 CM u ultraljubičastoj talasnoj dužini od 190-400nm sa četiri različita rastvarača (hloroform, destilovana voda, apsolutni etanol, petrolej eter). Detaljnu metodu za dobijanje UV otiska prsta možete pogledati u rukopisu [25]. Kao 'vrući' lijek, sjemenke gorušice su označene u klasičnoj 'kineskoj Materia Medica' i 'Shen Nong's Herbal Classic'. Slika 1 prikazuje krivulju UV apsorpcije Jiezhi (Sjemenke gorušice) i GeGen (Puerariae Lobatae Radix) sa otapalom petrolej etera.

UV sličnost otiska prsta

U ovoj studiji istražujemo odnos između hladno-vruće prirode i materijalnog sastava CM. Da bismo potvrdili hipotezu, CM sa sličnim sastavom supstanci treba da imaju sličnu medicinsku prirodu, želimo kvantifikovati sličnost sastojaka CM i istražiti metodu za identifikaciju prirode CM. UV otisak prsta odražava sastav materijala CM-a. Stoga želimo otkriti hladno-vruću prirodu na osnovu UV otisaka prstiju. Ako su sastojci CM slični, možemo misliti da su njihova ljekovita svojstva slična. Dakle, CM sa sličnim UV otiscima treba da imaju istu medicinsku prirodu.

Mjera sličnosti definirana je kao semantička relevantnost, koja je korištena za mjerenje sličnosti slika plućnih nodula u našoj studiji [21]. Ako su dva CM lijeka protiv prehlade, oni su semantički slični. Mahalanobisova udaljenost se koristi za mjerenje sličnosti UV otisaka prstiju CM-a. Što je Mahalanobisova udaljenost manja, to je veća sličnost UV otisaka prstiju.

Procjena učinka

U ovom pododjeljku, kako bi se provjerila izvodljivost predložene šeme preuzimanja za identifikaciju hladno-vruće prirode, konstruirani su opsežni eksperimenti za procjenu učinka šeme preuzimanja. Upoređujemo performanse naše šeme sa performansama najsavremenijih modela klasifikacije, uključujući mašinu za ekstremno učenje (ELM)[24], veštačku neuronsku mrežu (ANN) i mašinu vektora podrške (SVM). Svi eksperimenti su evaluirani na osnovu postojećeg TCM skupa podataka. Aplikacija pomaže u testiranju nepoznate prirode CM-a pronalaženjem sličnih UV spektra CM-a sa jasnom hladno-vrućom prirodom. U ovoj studiji prvo smo uporedili performanse identifikacije prirode UV spektra sa različitim otapalima i odabrali otapalo koje odgovara optimalnom performansu identifikacije. Drugo, osmislili smo eksperimente za procjenu performansi predložene sheme, nazvane evaluacija stabilnosti. Treće, ilustrovali smo shemu pronalaženja primjerima. Konačno, nezavisni skup podataka se koristi za testiranje robusnosti predloženog algoritma.

U našim eksperimentima, evaluacija stabilnosti se koristi za analizu performansi predloženog modela predviđanja. Procjena stabilnosti se izračunava metodom izostavi jedan CM-out [20] u cijelom skupu podataka. Svaki put je jedan CM odabran kao upitni CM, a preostalih 60 CM kao referentna baza podataka. Budući da je svaki TCM odabran kao upit CM, ovaj proces je izveden 6 puta. U ovoj šemi pronalaženja, pronašli smo K'najsličnije i zatim dobili vjerovatnoću hladne prirode. Konačno je izračunata 61 vjerovatnoća. Sa promjenom praga vjerovatnoće "hladne prirode", generira se kriva radne karakteristike prijemnika (ROC). Područje ispod ROC krive (AUC) i tačnost predviđanja (ACC) se koriste za procjenu performansi naše šeme. Što je veća površina, to je model stabilniji, ACC vrijednost je vjerovatnoća ispravne klasifikacije hladno-vruće prirode CM-a. Formula ACC je sljedeća:

Za procjenu stabilnosti primijenjene su vrijednosti AUC i ACC.

Rezultati

Procjena učinka s različitim rastvaračima.

Hemijski otisci prstiju CM odražavaju materijalni sastav CM. UV spektri su jedan otisak prsta CM-a, koji se može primijeniti za razlikovanje hladno-vruće prirode CM-a. U ovoj studiji smo konstruisali eksperimente za kvantitativno analiziranje odnosa između sastava materijala i prirode CM pomoću ultraljubičaste spektroskopije.

U ovom radu analizirana je klasifikacija UV spektra sa različitim rastvaračima (destilirana voda, hloroform, petrolej eter, apsolutni etanol) kako bi se odabrali UV podaci pod rastvaračem za optimalno prepoznavanje. Za procjenu parametara naše šeme koristi se metoda izostavljanja-jedan-CM-out. Slika 2 prikazuje krivulje ACC vrijednosti za klasifikaciju prirode lijeka UV spektra sa različitim rastvaračima. ACC vrijednost se izračunava kao funkcija broja referentnih CM-ova (K) koji su pronađeni da bi se dobila sveobuhvatnija kriva za predviđanje performansi modela. Na slici 2, kriva ACC vrijednosti pod otapalom petrolej etra je bolja od one pod drugim rastvaračima, što znači da UV spektri otapala petrolej etra imaju najbolje diskriminirajuće performanse hladno-vruće prirode. Kada je K postavljen na 7, kriva ACC vrijednosti pod otapalom petrolej etra ima vrhunac. Performanse identifikacije dostižu maksimalnu vrijednost od 0.803. Iz krivulje ACC vrijednosti pod apsolutnim etanolom, UV otisak prsta s apsolutnim etanolom ima najniže performanse predviđanja. Identifikacija prirode CM sa destilovanom vodom i hloroformom je inferiornija u odnosu na petrolej eter, ali je bolja od one sa apsolutnim otapalom etanola. Prema slici, maksimalne ACC vrijednosti destilovane vode i hloroforma su 0,656. Stoga su ova dva rastvarača loša za predviđanje prirode medicine.

U ovoj studiji, efekat parametra p u npr. (4) otapalo pod petroleterom istražuje se kako bi se procijenilo predviđanje učinka hladno-vruće prirode. Vrijednost er p je postavljena unutar raspona

parametar【10-3,10*²,10',1,5,10,102,103】1. Slika 3A prikazuje krivu ACC vrijednosti sa različitim p. Može se zaključiti da kriva performansi ima male fluktuacije i da ACC vrijednost dostiže maksimum kada je parametar p postavljen na 5.

Broj svojstvenih vektora k u predloženom algoritmu za pronalaženje analizira se unutar raspona [50 100 150 200 210]. Sa slike 3B, veća vrijednost ACC može se postići sa povećanjem broja k. Maksimalna izvedba klasifikacije (ACC vrijednost) odgovara maksimalnom broju svojstvenih vektora k=210.

Model Performance Assessment

Da bi se demonstrirala izvodljivost i stabilnost naše predložene šeme pronalaženja za identifikaciju hladno-vruće prirode CM-ova, ova studija uspoređuje performanse klasifikacije naše šeme (šeme preuzimanja, označene kao "RS") s onima nekih klasičnih klasifikatora (tj. ANN, SVM, ELM) ili klasifikatori koji se koriste u identifikaciji prirode CM. Svi uporedni algoritmi koriste optimalne parametre iz skupa podataka. Prema rezultatima iz prethodnog odjeljka, podaci UV spektra pod otapalom petrolej etera koriste se za proučavanje predviđanja prirode hladnog zadržavanja. Tabela 2 prikazuje poređenje performansi procjene stabilnosti između RS i drugih algoritama. Pearsonov koeficijent korelacije (PCC) se koristi kao komparativna referenca za mjerenje sličnosti UV spektra. Prema rezultatima predviđanja hladno-vruće prirode, možemo zaključiti kako slijedi. Prvo, naša šema RS najbolje radi u identifikaciji hladno-vruće prirode. Posebno, RS i PCC imaju bolju tačnost identifikacije od drugih klasičnih algoritama za poređenje. Ovo ilustrira da kineski lijekovi sa sličnim ultraljubičastim spektrom imaju sličnu medicinsku prirodu. Drugo, ANN i ELM sa UV spektralnim podacima su loši u identifikaciji prirode medicine.

Treće, tačnost identifikacije SVM-a je bolja od one kod ANN-a i ELM-a. Međutim, to je lošije od naše šeme. Konačno, procjena stabilnosti naše šeme je najbolja.

Primjeri predviđanja

Metoda izostavljanja koristi se za dobivanje primjera predviđanja. Dva CM slučaja za pronalaženje koje je vratio RS navedena su u Tabeli 3. Upit Kineska medicina (prvi red) i njegovih gornjih k=7 preuzetih referentnih CM-ova prikazani su u tabeli. Preuzete referentne CM-ove izračunava RS i rangira sa monotono inkrementalnim Mahalanobisovim rastojanjem. Lijek za prehladu (DiFuZhi(Kochiae Fructus)) i lijek za vruće (BiBa(Piperis Longi Fructus)) služe kao primjeri za ilustraciju principa identifikacije hladno-vrućeg lijeka. U prvoj koloni, upitna medicina je Piperis Longi Fructus. Njegovi pronađeni referentni lijekovi su vruće prirode. Izračunata vjerovatnoća hladnoće je 0, što ukazuje da je upitni lijek možda vruće prirode. U drugoj koloni, upitna medicina je Kochiae Fructus. Dobijeni rezultati imaju šest prirodnih lijekova hladne prirode i jedan lijek vruće prirode. Vjerovatnoća njegove hladne prirode je 0.9464, što ukazuje da je vjerojatnije da je lijek za upit hladan po prirodi. Primjeri predviđanja pokazuju da slični UV otisci prstiju mogu karakterizirati istu medicinsku prirodu.

Ukupni učinak predviđanja.

U ovoj studiji vršimo holističku procjenu predložene metode RS. Tabela 4 prikazuje matricu konfuzije predviđanja za 61 CM. Ukupna tačnost predviđanja je 80,3 posto (49/61). Preciznost identifikacije hladne prirodne medicine je 86,7 posto (26/30), dok je tačnost predviđanja tople prirodne medicine 74,2 (23/31). Može se vidjeti da ova shema ima dobru stopu predviđanja za lijekove sa hladnoćom prirode. Opoziv, preciznost i F-skor 61 CM identifikacije su navedeni u Tabeli 5. Generalno, naša šema ima dobru stopu identifikacije.

Robusnost predloženog

metoda Nezavisni skup podataka se koristi za testiranje robusnosti predloženog algoritma. U ovom skupu podataka, molekularni deskriptori su izračunati da predstavljaju CM-ove, uključujući Molweight, H. Acceptors, H. Donors, Polar.Surface.Area, Rotatable.Bonds, Sp3.Atoms, Symmetric. atomi i amini. Detaljan proces je opisan u rukopisu [10]. U setu podataka nalazi se 534 vruća lijeka i 724 lijeka protiv prehlade. Tabela 6 prikazuje identifikacionu matricu konfuzije od 1258 CM (534 plus 724 lijeka). Ukupna tačnost identifikacije je 81,1 posto (1020/1258). Tačnost predviđanja prirodnih lijekova za prehladu je 83,0 posto (443/534), dok je tačnost identifikacije toplih prirodnih lijekova 79,7 posto (577/724). Eksperimentalni rezultati pokazuju da predložena metoda ima bolju robusnost. Generalno, naša šema ima dobru stopu predviđanja.

Diskusija

U ovoj studiji smo istražili izvodljivost klasifikacije CM prirode sa šemom pronalaženja na osnovu sličnosti podataka UV spektra. Rezultati eksperimenta su pokazali da je to efikasna metoda za identifikaciju nepoznate prirode CM izračunavanjem sličnosti UV spektra. U međuvremenu, eksperimentalni rezultati potvrđuju predloženu hipotezu da bi CM sa sličnim sastavom supstanci trebali imati sličnu ljekovitu prirodu.

Ukratko. prednosti našeg istraživanja su sljedeće. Prvo, da bi se realizovala identifikacija prirode CM, skup podataka od 61 referentnog CM UV spektra je sastavljen u kojem svaki CM ima jasno hladnu ili vruću prirodu. Stoga je efikasan i izvodljiv za određivanje prirode CM.

Drugo, hladno-vruća priroda igra ključnu ulogu u teoriji prirode TCM. U ovoj studiji istražujemo međuodnos između sastava materijala unutar CM i hladno-vruće prirode. Sastav materijala predstavljen je UV spektrima. Procjene eksperimenata su ilustrovale da postoji korelacija između sastava materijala i prirode hladno-vruće medicine, što se može primijeniti za klasifikaciju hladno-vruće prirode. Nadalje, pokazujemo da sastav materijala određuje hladno-vruću prirodu CM.

Treće, u svjetlu UV spektralnih karakteristika CM-a, istražujemo šemu pronalaženja za identifikaciju prirode CM-a. Metrika udaljenosti se proučava kako bi se izmjerila sličnost UV spektra. Rezultati eksperimenta pokazuju da naša shema radi najbolje. Potencijalno objašnjenje je da naša shema dovoljno istražuje odnos između sastava materijala i CM hladno-vruće prirode.

Četvrto, još jedna izvedba koja je temeljito demonstrirana u ovoj studiji je robusnost predložene šeme preuzimanja za buduće kliničke primjene. Za inteligentni diskriminirajući model, naš cilj je pomoći istraživačima u čitanju ultraljubičastih spektra i identifikaciji hladno-vruće prirode. Model nije izvodljiv ako je robusnost preniska za nezavisni TCM skup podataka. U eksperimentima smo pokazali da naš model ima visoku robusnost. Više CM podataka o otisku prsta će biti izvučeno kako bi se potvrdila robusnost našeg modela u budućnosti.

Međutim, naše istraživanje i dalje ima neka ograničenja. Prvo, ova studija je koristila samo UV spektre za predstavljanje CM. Druge tehnike otiska prsta nisu analizirane u ovoj studiji, CM su složene mješavine jedinjenja. Nemoguće je odraziti cijeli sastav CM spojeva samo jednom tehnikom otiska prsta. U budućnosti želimo da koristimo više otisaka prstiju da analiziramo hladno-vruću prirodu CM-a. Drugo, istražujemo sličnost UV spektra sa metrikom udaljenosti. Podaci o otisku prsta imaju karakteristike velike dimenzije i malog uzorka. Na osnovu takvih karakteristika, dizajn prognostičkog modela je fokus budućnosti. Treće, naša studija se fokusira na istraživanje šema pronalaženja za klasifikaciju hladno-vruće prirode. Karakteristike UV spektra nisu detaljno analizirane. Nakon toga, integrisaćemo efikasnije podatke o otiscima prstiju kako bismo poboljšali performanse klasifikacije prirode medicine.

Naša studija daje ne samo metodu za identifikaciju prirode, već i novu shemu za označavanje prirodeKineskilijekovi. Marker prirode je novi koncept, koji označava sastojkeKineskilijekoviusko povezan sa prirodom medicine. Uz našu šemu identifikacije prirode, želimo tražiti kineske lijekove sa sličnim sastojcima pod istim uvjetima ograničenja prirode. Takvih nekoliko kineskih lijekova ima iste sastojke, koji se mogu smatrati prirodnim markerima ovih nekolikoKineskilijekovi.

Zaključak

U ovoj studiji, predložena je shema pronalaženja za predviđanje prirode hladno-vruće medicine. Na osnovu karakteristika CM.ova šema ima bolje performanse klasifikacije od klasičnih klasifikatora. Učinkoviti eksperimenti pokazuju da su priroda hladno-vruće medicine i podaci o otisku prsta UV spektra relevantni.

Reference

1 Gao J, Chen C. Diskusija o naučnoj konotaciji četiri prirode kineske materia medica. Acta Univ. Tradit. Med. Sin Pharmacol Shanghai 2007, 21:16-18.

2. Ouyang B, Wang ZG, Wang P. Istraživačko razmišljanje i metoda modernog proučavanja teorije četiri svojstva kineske materia medica. J Peking Univ Tradit Chin Med 2006, 29: 592-594.

3. Wu LJ, Wang YY, Li YD, et al. Razumijevanje ZHENG-a u tradicionalnoj kineskoj medicini u kontekstu neuro-endokrine-imune mreže. IET Syst Biol 2007,1: 51-60.

4. Jin R, Zhang B, Liu XQ, et al. Studija bioloških performansi kineske materia medica sa hladnim ili toplim svojstvom na osnovu modela matematičke analize od tri elementa. J Chin Integr Med 2011, 9:715-724.

5. Zhao Y, Jia L, Wang J, et al. Hladni/vrući jastučići diferencirajući test razlika svojstava mahuang i maxingshigan dekocija. Pharm Biol 2016, 54(7):1298-302.

6. Wan HY, Kong XY, Li XM, et al. Utjecaj tradicionalnih kineskih lijekova s ​​različitim svojstvima na termoregulaciju i na temperaturno osjetljivi prolazni receptor potencijalnog kanala proteina pacova s ​​groznicom izazvanom kvascem. Kina J Chin Meter Med 2014, 39:3813-3818.

7. Liang F, Li L, Wang M, et al. Karakteristike ljekovitog bilja sa hladnim i toplim svojstvima iz kineske medicine zasnovane na molekularnoj mreži i kemijskim fragmentima. J Ethnopharmacol 2013, 148(3):770-779.

8. Wang M, Li L, Yu C, et al. Klasifikacija mješavina kineskih biljnih lijekova na temelju samoorganizirajuće karte (SOM). Mol Inform 2016, 35(3-4):109-115.

9. Fu X, Song X, Li X, et al. Filogenetska analiza stabla hladno-vruće prirode tradicionalne kineske morske medicine za moguće djelovanje protiv raka. Evid Based Complement Alternat Med 2017, 2017:1-10.

10. Fu X, Mervin LH, Li X, et al. Prema razumijevanju hladne, vruće i neutralne prirode kineskih lijekova korištenjem in silico analize načina djelovanja. J Chem Inf Model 2017, 57(3):468-483.

11. Li Y, Li X, Xue FZ, et al. Diskriminacija svojstava kineskih tradicionalnih lijekova na temelju umjetne neuronske mreže. J Shandong Univ (Zdravstvene nauke) 2011, 49:57-61.

12. Liu WH, Li Y, Ji YJ, et al. Djelomični najmanji kvadrati u diskriminaciji tradicionalnog kineskog biljnog lijeka. J. Shandong Univ (Zdravstvene nauke) 2012, 50:151-154.

13. Zhang XX, Li Y, Ji YJ, et al. Diskriminacija svojstava kineske tradicionalne medicine sa analizom glavnih komponenti-linearna diskriminantna analiza. J Shandong Univ (Zdravstvene nauke) 2012, 50:143-146.

14. Nie B, Hao ZL, Gui B, et al. Istraživanje metabolomske diskriminirajuće metode za hladno i toplo svojstvo tradicionalne kineske medicine zasnovano na nasumičnoj šumi. J Jiangxi Univ Traditi Chin Med 2015, 27:82-86.

15. Long W, Liu P, Xiang J, et al. Kombinovani sistem za predviđanje kineskih svojstava Materia Medica. Račun. Metode Programi Biomed. 2011, 101(3):253-264.

16. Li H, Xu Q, Zhang J, et al. Hladno-vruća priroda razlikuje tradicionalno kinesko ljekovito bilje diskriminantnom analizom 1H-NMR spektralnih podataka. 2017 Međunarodna konferencija o medicinskim naukama i zdravlju ljudi (MSHH 2017), 2017, 174-179.

17. Jiang M, Zhang S, Li H, et al. Kompjuterska dijagnoza mamografskih masa pomoću skalabilnog preuzimanja slike. IEEE Trans Biomed Eng 2015, 62(2):783-92.

18. Tsochatzidis L, Zagoris K, Arikidis N, et al. Kompjuterski potpomognuta dijagnoza mamografskih masa zasnovana na pristupu preuzimanja slike zasnovanom na nadziranom sadržaju. Pattern Recog 2017, 71:106-117.

19. Wei G, Ma H, Qian W, et al. Mjerenje sličnosti plućnih masa za pronalaženje medicinske slike korištenjem polunadzirane metrike udaljenosti zasnovane na kernelu. Med Phys 2016, 43(12):6259-6269.

20. Wei G, Ma H, Qian W, et al. Šema za pronalaženje slike zasnovana na sadržaju za klasifikaciju plućnih nodula. Curr Med Imaging Rev 2017, 13(2):210-216.

21. Liu Y, Rong J, Lily M, et al. Pojačavajući okvir za metričko učenje na daljinu koje čuva vizualnost i njegova primjena u pronalaženju medicinske slike. IEEE Trans Pattern Anal Mach Intell 2010, 32(1):30-44.

22. Weinberger KQ, Blitzer J, Saul LK. Metričko učenje na daljinu za klasifikaciju najbližih susjeda velike margine. J Mach Learn Res 2009, 10(1):207-244.

23. Tao D, Li X, Wu X, et al. Opšta tenzorska diskriminantna analiza i Gaborove karakteristike za prepoznavanje hoda. IEEE Trans. Pattern Anal Mach Intell 2007, 29(10):1700–1715.

24. Malar E, Kandaswamy A, Chakravarthy D, et al. Novi pristup za detekciju i klasifikaciju mamografskih mikrokalcifikacija pomoću talasne analize i mašine za ekstremno učenje. Comput Biol Med 2012, 42:898–905.

25. H. Li. Izgradnja sistema digitalnog predstavljanja zasnovanog na otiscima prstiju ultraljubičastog spektra suštinske osnove tradicionalne kineske medicine (TCM) sa hladno-toplinom prirodom. Jinan: Univerzitet tradicionalne kineske medicine Šandong 2011.