TY - Jour A2 - Hernández-pérez，JoséAlfredoAu - Zhan，Jun Au - Chen，Wen Au - Chen，Longsheng Au - Wang，Qiong Au - Han，Feifei Au - Cui，Yubao Py - 2020/05 /14 TI - 基于常规血液生物标志物的哮喘使用机器学习诊断SP - 8841002 VL - 2020 AB - 智能医学诊断在大数据时代变得普遍，尽管该技术仅在有限的情况下应用于哮喘。使用常规血液生物标志物来鉴定哮喘患者将使临床诊断更容易实现，并通过数据采矿技术提高关键哮喘变量的研究。我们使用来自健康个人的常规血统数据来构建Mahalanobis空间（MS）。然后，我们计算了来自355名哮喘患者的培训常规血液数据的Mahalanobis距离和1,480名健康个体，以确保MS的效率。正交阵列和信噪比用于优化血液生物标志物变量。接收器操作特征（ROC）曲线用于确定阈值。最终，我们根据阈值验证了182个个体的系统。在35例哮喘患者中，MTS正确分类为94.15％的患者。此外，97.20％的147名健康个体被正确分类。 The system isolated 7 routine blood biomarkers. Among these biomarkers, platelet distribution width, mean platelet volume, white blood cell count, eosinophil count, and lymphocyte ratio performed well in asthma diagnosis. In brief, MTS shows promise as an accurate method to identify asthma patients based on 7 vital blood biomarker variables and threshold determined by the ROC curve, thus offering the potential to simplify diagnostic complexity and optimize clinical efficiency. SN - 1687-5265 UR - https://doi.org/10.1155/2020/8841002 DO - 10.1155/2020/8841002 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -