基于PCA-ELM的病理数据研究与应用

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.