Измерение подобия ингредиентов китайской медицины для идентификации холодного и горячего

Чтобы получить больше информации:emily.li@wecistanche.com

Го-Хуэй Вэй, Сянь-Цзюнь Фу, Чжэнь-Го Ван

1Ключевая лаборатория теории традиционной китайской медицины, Министерство образования Китая, Шаньдунский университет традиционной китайской медицины, Цзинань, Китай.

Особенности

В данном исследовании мы проверили гипотезу о том, чтокитайский языклекарствапри сходном составе веществ должны иметь сходную лечебную природу. Мы использовали химические отпечатки пальцев для анализа химических ингредиентов в китайских лекарствах. Мы измерили сходство ингредиентов с помощью метрики расстояния и разработали схему поиска для определения холодного или горячего характера ингредиентов.китайский языклекарства.

Цистанхе - очень хорошее китайское лекарство.

Абстрактный

Цель: Теория природыкитайский языклекарственное средство(CM) является основной базовой теориейТрадиционныйкитайский языкЛекарственное средство(ТКМ), в которой в центре внимания исследования находится холод-горячая природа. Исследованиями установлено, что ингредиенты КМ являются материальной основой для производства лекарственных средств. Поэтому предполагается, что КМ со сходным составом веществ должны иметь сходную лечебную природу. Современная работа изучает медицину CM холодным и горячим способом с помощью технологии химического дактилоскопирования, потому что данные химического фингерпринта CM могут отражать весь состав ингредиентов CM.

Методы: чтобы проверить вышеизложенную гипотезу, в этой работе мы изучаем количественную оценку сходства ингредиентов КМ со сходством отпечатков пальцев и исследуем взаимосвязь между составом КМ и их холодно-горячей природой. Во-первых, мы используем технологию ультрафиолетового (УФ) спектра для анализа 61 КМ, которые имеют четко выраженную холодно-горячую природу (включая 30 «холодных» КМ и 31 «горячую» КМ). Во-вторых, с построенной базой данных отпечатков пальцев КМ. изучается алгоритм дистанционного метрического обучения для измерения сходства УФ-отпечатков пальцев. Наконец, предлагается схема поиска для построения прогностической модели идентификации для определения холодного или горячего характера КМ.

Результаты: С помощью многочисленных экспериментальных анализов данные ультрафиолетового спектра растворителя петролейного эфира могут лучше представлять CM, чтобы различать холодную и горячую природу. По сравнению с существующими классическими моделями предложенная схема идентификации обладает лучшими прогностическими характеристиками.

Вывод: экспериментальные результаты подтверждают наш вывод о том, что КМ с аналогичным составом веществ должны иметь одинаковую лечебную природу. Предложенная модель прогнозирования доказала свою эффективность и реализуемость.

Ключевые слова: традиционная китайская медицина,китайский языкЛекарственное средствоингредиенты, Ультрафиолетовый спектр, Измерение подобия, Холодно-горячая природа

Фон

Являясь одним из основных элементов традиционной китайской медицины (ТКМ), теория природы ТКМ уже много лет привлекает внимание ученых и исследовательских институтов. Природакитайский языклекарственное средство(СМ) содержат четыре типа, т.е. холодный, холодный, горячий и теплый, холодная и горячая природа которых является важной частью теории природы ТКМ [1,2]. «Лечение горячего синдрома с помощью холодной природной медицины и лечение холодного синдрома с помощью горячей природной медицины» Горячее свойство теории природы медицины является важной основой для лечения ТКМ в регулировании баланса междуИньа такжеЯнорганизма человека, а применение лекарств холодного-горячего характера приводит к эффективному лечению в клинической медицине ТКМ [3].

Многие специалисты придерживаются различных взглядов на природу холода и тепла ТКМ. Джин и др. [4] предложил «трехэлементную модель математического анализа для исследования биологического характера ТКМ в основе природы холодного-горячего лекарства». Чжао и др. [5] исследовали метод холодной/горячей пластины, чтобы дифференцировать холодную и горячую природу отваров Mahuang и Maxingshigan. Ван и др. [6] изучали влияние ТКМ с различными свойствами на терморегуляцию и транзиентную потенциацию термочувствительных рецепторов белка канала крыс с дрожжевой лихорадкой. Лян и др. [7] проанализировал холодные и горячие свойства китайских лекарственных трав с помощью методов молекулярной сети и химических фрагментов. Ван и др. [8] идентифицировали 59 CHM с типичными холодными/горячими свойствами с помощью самоорганизующейся карты. Фу и др. [9,10] исследовали наличиепротивораковыйМероприятияпоказана холодная-горячая природа традиционной китайской морской медицины с анализом филогенетического дерева и изучена в методе Silico Mode-of-Action для объяснения холодной, горячей и нейтральной природы CM.

Как правило, различение холодного и горячего характера КМ состоит из двух частей: представления признаков и естественной классификации. Представление признаков использует оригинальные эффекты CM, технологии отпечатков пальцев или метода метаболомики для извлечения характеристик CM. Классификация природы должна использовать классические классификаторы машинного обучения или сконструированные классификаторы, чтобы различать холодную и горячую природу CM. Первоначальные эффекты китайской медицины являются эффективным характерным выражением. Исследовательская группа Xue [11-13] изучила оригинальные характеристики эффективности CM в "китайский языкТравянойЛекарственное средство(CHM)» и использовали классические классификаторы (такие как искусственные нейронные сети) для классификации неизвестной природы КМ. Метод метаболомики также используется для представления КМ. Ни и др. [14] изучали метабономические особенности КМ и построили Модель случайного леса для различения неизвестной природы КМ. Химическая технология является важным методом анализа холодного и горячего характера. Лонг и др. [15] проанализировали химические компоненты 284 КМ с явной медицинской природой и исследовали комбинированную систему для прогнозирования холодная-горячая природа других КМ, Другие методы, такие как спектроскопия ядерного магнитного резонанса протонов (1H-ЯМР), используются для исследования особенностей КМ. Лист и др. [16] изучали характеристики КМ с помощью 1H-ЯМР и применил методы распознавания образов для анализа неизвестной природы КМ.

За исключением классических классификаторов, схема поиска является одной из популярных и эффективных схем классификации, которая широко применяется для выявления доброкачественных и злокачественных новообразований на маммографии и легочных узлах [17-20]. По сравнению с традиционными классификаторами схема поиска может предоставить наиболее похожие случаи для анализа и ссылки. Следовательно, мера подобия играет важную роль в схеме поиска для классификации. Наша группа провела большую исследовательскую работу по измерению сходства изображений легочных узлов [20,21]. Мы количественно оцениваем сходство изображений легочных узлов с показателями расстояния. Хотя измерение подобия широко изучалось на медицинских изображениях, оно редко используется для идентификации природы КМ.

Современные исследования природы медицины направлены на выявление связи природы КМ с вещественным составом внутри КМ. Например, методы химического снятия отпечатков пальцев и дискриминантные модели природы КМ применяются для анализа состава материала КМ. Данные о химических отпечатках пальцев СМ могут отражать весь состав ингредиентов СМ. Биоактивность определяется составом материала. а биоактивность КМ лежит в основе идентификации природы лекарств [2]. Таким образом, вещественный состав косвенно определяет природу КМ. Исследованиями установлено, что сырьем для производства лекарственных средств являются ингредиенты КМ [10]. Поэтому предполагается, что КМ со сходным составом веществ должны иметь сходную лечебную природу.

Для проверки гипотезы, предложенной выше, в данной работе мы исследуем взаимосвязь между ингредиентами КМ и лечебной природой холода-горячего. Во-первых, мы создаем базу данных ингредиентов CM, используя технологию ультрафиолетового (УФ) спектра, чтобы представить 61 CM, которые имеют явно холодную-горячую природу (включая 30 «холодных» CM и 31 «горячий» CM). Во-вторых, мы изучаем количественную оценку сходства ингредиентов CM с метрикой расстояния. Расстояние Махаланобиса научили измерять сходство УФ-отпечатков КМ. Наконец, предлагается схема поиска для построения прогностической модели идентификации для прогнозирования холодного или горячего характера КМ.

Материалы и методы

Набор данных ТКМ

В этом исследовании анализируется 61 репрезентативный CM, в котором 30 CM являются «лекарствами от простуды», а другие - «лекарствами для горячих». Все 61 CM были отмечены в классической «Китайской Материи Медике» и «Классической Травяной Классике Шэнь Нонга». В таблице 1 показан 61 репрезентативный CM и их природа (характеристики в скобках).

Технология УФ-отпечатков пальцев используется для тестирования 61 CM. Основным прибором является УФ-3010 УФ-спектрофотометр (Hitachi, Япония). Наша группа зафиксировала поглощение в общей сложности 61 см в ультрафиолетовой области с длиной волны 190-400 нм с четырьмя различными растворителями (хлороформ, дистиллированная вода, абсолютный этанол, петролейный эфир). Подробный метод получения УФ-отпечатка можно найти в рукописи [25]. Как «горячее» лекарство семена горчицы были отмечены в классической «Китайской Материи Медике» и «Классическом Травяном Классике Шен Нуна». На рисунке 1 показана кривая УФ-поглощения Jiezhi (семена горчицы) и GeGen (Puerariae Lobatae Radix) с растворителем петролейным эфиром.

Сходство УФ-отпечатков пальцев

В этом исследовании мы исследуем взаимосвязь между холодно-горячей природой и вещественным составом КМ. Для проверки гипотезы, КМ со сходным составом веществ должны иметь сходную лечебную природу, мы хотим количественно оценить сходство ингредиентов КМ и изучить метод определения природы КМ. УФ-отпечаток отражает состав материала КМ. Поэтому мы хотим выявить природу холодного-горячего на основе УФ-отпечатков пальцев. Если ингредиенты КМ схожи, можно предположить, что их лечебные свойства аналогичны. Следовательно, КМ со сходными УФ-отпечатками должны иметь одинаковую лечебную природу.

Мера сходства определяется как семантическая релевантность, которая использовалась для измерения сходства изображений узлов в легких в нашем исследовании [21]. Если два CM являются лекарствами от простуды, они семантически похожи. Расстояние Махаланобиса используется для измерения сходства УФ-отпечатков КМ. Чем меньше расстояние Махаланобиса, тем выше сходство УФ-отпечатков пальцев.

Оценка эффективности

В этом подразделе, чтобы проверить осуществимость предлагаемой схемы поиска для идентификации холодного и горячего характера, проводятся обширные эксперименты для оценки производительности схемы поиска. Мы сравниваем производительность нашей схемы с производительностью современных моделей классификации, включая машину экстремального обучения (ELM) [24], искусственную нейронную сеть (ANN) и машину опорных векторов (SVM). Все оценки экспериментов основаны на существующем наборе данных TCM. Приложение помогает проверить неизвестную природу КМ, извлекая аналогичные УФ-спектры КМ с четкой холодно-горячей природой. В этом исследовании мы сначала сравнили характеристики идентификации природы УФ-спектров с различными растворителями и выбрали растворитель, соответствующий оптимальным характеристикам идентификации. Во-вторых, мы разработали эксперименты для оценки производительности предложенной схемы, называемые оценкой стабильности. В-третьих, мы проиллюстрировали схему поиска примерами. Наконец, независимый набор данных используется для проверки надежности предложенного алгоритма.

В наших экспериментах оценка стабильности используется для анализа производительности предлагаемой модели прогнозирования. Оценка стабильности рассчитывается методом исключения одного CM [20] во всем наборе данных. Каждый раз один CM выбирался в качестве запрашивающего CM, а остальные 60 CM — в качестве эталонной базы данных. Поскольку каждый TCM был выбран в качестве запрашивающего CM, этот процесс был выполнен 6 раз. В этой схеме поиска мы извлекли K'наиболее похожих, а затем получили вероятность холодного характера. Наконец, была рассчитана 61 вероятность. При изменении порога вероятности «холодной природы» создается кривая рабочих характеристик приемника (ROC). Площадь под кривой ROC (AUC) и точность прогнозирования (ACC) используются для оценки производительности нашей схемы. Чем больше площадь, тем устойчивее модель, значение АКК – это вероятность правильной классификации холодного-горячего характера КМ. Формула АСС выглядит следующим образом:

Для оценки стабильности применяли значения AUC и ACC.

Полученные результаты

Оценка производительности с различными растворителями.

Химические отпечатки КМ отражают вещественный состав КМ. УФ-спектры - это один из отпечатков КМ, который можно применять для различения холодного и горячего характера КМ. В этом исследовании мы строим эксперименты для количественного анализа связи между составом материала и природой КМ с помощью ультрафиолетовой спектроскопии.

В этой работе была проанализирована эффективность классификации УФ-спектров с различными растворителями (дистиллированная вода, хлороформ, петролейный эфир, абсолютный этанол) для выбора УФ-данных в растворителе для оптимальной эффективности распознавания. Метод исключения одного CM используется для оценки параметров нашей схемы. На рис. 2 представлены кривые значений АКК для классификации УФ-спектров с различными растворителями по принадлежности к лекарственным средствам. Значение ACC вычисляется как функция количества извлеченных CM, на которые ссылаются, (K), чтобы получить более полную кривую для прогнозирования производительности модели. На рисунке 2 кривая значения ACC для растворителя петролейного эфира лучше, чем для других растворителей, что означает, что УФ-спектры растворителя петролейного эфира имеют наилучшие характеристики различения холодного и горячего характера. Когда К установлено равным 7, кривая значения АСС в растворителе петролейный эфир имеет пик. Производительность идентификации достигает максимального значения 0,803. Из кривой значения ACC в абсолютном этаноле УФ-отпечаток пальца с абсолютным этанолом имеет самую низкую прогностическую эффективность. Идентификация природы УМ с дистиллированной водой и хлороформом уступает таковой с петролейным эфиром, но превосходит таковую с растворителем абсолютным этанолом. Согласно рисунку, максимальные значения ACC для дистиллированной воды и хлороформа равны 0,656. Следовательно, эти два растворителя плохо подходят для предсказания природы лекарства.

В этом исследовании влияние параметра p в Eg. (4) в растворителе петролейного эфира исследуется, чтобы оценить эффективность прогнозирования холодного-горячего характера. Значение er p устанавливается в диапазоне

параметр【10-3,10*²,10',1,5,10,102,103】1. На рис. 3А показана кривая значений ACC с разными p. Можно сделать вывод, что кривая производительности имеет небольшие колебания, а значение ACC достигает максимума, когда параметр p установлен равным 5.

Количество собственных векторов k в предлагаемом алгоритме поиска анализируется в диапазоне [50 100 150 200 210]. Из рисунка 3B видно, что более высокое значение ACC может быть достигнуто с увеличением числа k. Максимальная производительность классификации (значение ACC) соответствует максимальному количеству собственных векторов k=210.

Оценка производительности модели

Чтобы продемонстрировать осуществимость и стабильность предложенной нами схемы поиска для определения холодного и горячего характера КМ, в этом исследовании сравниваются классификационные характеристики нашей схемы (схема поиска, обозначенная как «RS») с некоторыми классическими классификаторами (т. е. ANN, SVM, ELM) или классификаторы, используемые при идентификации природы КМ. Все сравнительные алгоритмы используют оптимальные параметры из набора данных. Согласно результатам предыдущего раздела, данные УФ-спектров в растворителе петролейный эфир используются для изучения прогноза характера хладостойкости. В таблице 2 показано сравнение производительности оценки стабильности между RS и другими алгоритмами. Коэффициент корреляции Пирсона (PCC) используется в качестве сравнительного эталона для измерения сходства УФ-спектров. По результатам прогнозирования холодного-горячего характера можно сделать следующий вывод. Во-первых, наша схема RS лучше всего работает при идентификации холодного-горячего характера. В частности, RS и PCC имеют лучшую точность идентификации, чем другие классические алгоритмы сравнения. Это свидетельствует о том, что китайские лекарства с похожим ультрафиолетовым спектром имеют схожую лечебную природу. Во-вторых, ИНС и ЭЛМ с УФ-спектральными данными плохо идентифицируют природу лекарств.

В-третьих, точность идентификации SVM лучше, чем у ANN и ELM. Однако она беднее нашей схемы. Наконец, оценка стабильности нашей схемы является лучшей.

Примеры прогнозов

Метод исключения одного используется для получения примеров предсказания. Два поисковых случая CM, возвращенные RS, перечислены в таблице 3. Запрос «Китайская медицина» (первая строка) и его первые k =7 извлеченных эталонных CM показаны в таблице. Извлеченные эталонные КМ вычисляются с помощью RS и ранжируются с монотонно увеличивающимся расстоянием Махаланобиса. Лекарство от холода (DiFuZhi(Kochiae Fructus)) и горячее лекарство (BiBa(Piperis Longi Fructus)) служат примерами, иллюстрирующими принцип идентификации холодного-горячего лекарства. В первом столбце лекарство запроса — Piperis Longi Fructus. Его найденные эталонные лекарства - все горячие натуры. Вычисленная вероятность холодного происхождения равна 0, что указывает на то, что запрашиваемое лекарство может быть горячим. Во втором столбце лекарство запроса — Kochiae Fructus. Полученные результаты содержат шесть природных лекарств от простуды и одно горячее природное лекарство. Вероятность его холодного происхождения составляет 0,9464, что указывает на то, что лекарство запроса, скорее всего, будет холодным по своей природе. Примеры предсказаний показывают, что одинаковые УФ-отпечатки пальцев могут характеризовать одну и ту же медицинскую природу.

Общая эффективность прогнозирования.

В этом исследовании мы проводим целостную оценку предлагаемого метода РС. В таблице 4 показана матрица ошибок прогнозирования для 61 CM. Общая точность предсказания составляет 80,3 процента (49/61). Точность идентификации холодного природного лекарства составляет 86,7 процента (26/30), а точность предсказания горячего природного лекарства составляет 74,2 (23/31). Видно, что эта схема имеет хорошую предсказуемость для лекарств простудного характера. Отзыв, точность и F-оценка идентификации 61 CM перечислены в таблице 5. Как правило, наша схема имеет хорошую скорость идентификации.

Надежность предлагаемого

метод Независимый набор данных используется для проверки надежности предложенного алгоритма. В этом наборе данных рассчитываются молекулярные дескрипторы для представления КМ, включая молекулярную массу, H.Acceptors, H.Donors, Polar.Surface.Area, Rotatable.Bonds, Sp3.Atoms, Symmetric. атомы и амины. Подробный процесс описан в рукописи [10]. В наборе данных 534 лекарства от горячих и 724 лекарства от простуды. В таблице 6 показана матрица путаницы при идентификации 1258 CM (534 плюс 724 лекарства). Общая точность идентификации составляет 81,1 процента (1020/1258). Точность предсказания лекарств холодного происхождения составляет 83,0 процента (443/534), а точность определения лекарств горячего происхождения - 79,7 процента (577/724). Экспериментальные результаты показывают, что предложенный метод обладает большей надежностью. Как правило, наша схема имеет хорошую скорость предсказания.

Обсуждение

В этом исследовании мы исследовали возможность классификации природы КМ с помощью схемы поиска на основе сходства данных УФ-спектра. Результаты эксперимента показали, что это эффективный метод идентификации неизвестной природы КМ путем расчета подобия УФ-спектра. Между тем результаты экспериментов подтверждают выдвинутую гипотезу о сходной лекарственной природе КМ со сходным составом веществ.

В итоге. Преимущества нашего исследования заключаются в следующем. Во-первых, чтобы реализовать идентификацию природы КМ, собирается набор данных из 61 эталонного УФ-спектра КМ, в котором каждая КМ имеет явно холодную или горячую природу. Таким образом, он эффективен и осуществим для определения природы КМ.

Во-вторых, холодная и горячая природа играет решающую роль в теории природы традиционной китайской медицины. В этом исследовании мы исследуем взаимосвязь между вещественным составом внутри КМ и холодно-горячей природой. Состав материала представлен УФ-спектрами. Экспериментальные оценки показали, что существует корреляция между составом материала и природой холодного-горячего лекарства, что может быть применено для классификации природы холодного-горячего. Кроме того, мы показываем, что вещественный состав определяет холодно-горячую природу КМ.

В-третьих, в свете УФ-спектральных характеристик КМ мы исследуем схему поиска для определения природы КМ. Метрика расстояния изучается для измерения сходства УФ-спектров. Результаты эксперимента показывают, что наша схема работает лучше всего. Потенциальное объяснение состоит в том, что наша схема в достаточной мере исследует взаимосвязь между вещественным составом и холодным-горячим характером КМ.

В-четвертых, еще одна характеристика, которая была тщательно продемонстрирована в этом исследовании, — это надежность предложенной схемы поиска для будущих клинических приложений. Для интеллектуальной дискриминантной модели наша цель — помочь исследователям в считывании ультрафиолетовых спектров и определении природы холодного и горячего. Модель невозможна, если надежность слишком низка для независимого набора данных TCM. Мы продемонстрировали, что наша модель имеет высокую надежность в экспериментах. Будет извлечено больше данных об отпечатках пальцев CM, чтобы подтвердить надежность нашей модели в будущем.

Тем не менее, наше исследование все еще имеет некоторые ограничения. Во-первых, в этом исследовании для представления КМ использовались только УФ-спектры. Другие методы отпечатков пальцев в этом исследовании не анализируются. КМ представляют собой сложные смеси соединений. Отразить весь состав соединений КМ только одним дактилоскопическим методом невозможно. В будущем мы хотим использовать несколько отпечатков пальцев для анализа холодного и горячего характера КМ. Во-вторых, мы исследуем подобие УФ-спектров с метрикой расстояния. Данные отпечатков пальцев имеют характеристики большого размера и небольшой выборки. Основываясь на таких характеристиках, дизайн модели прогнозирования находится в центре внимания будущего. В-третьих, наше исследование сосредоточено на изучении схем поиска для классификации холодной и горячей природы. Особенности УФ-спектра не были тщательно проанализированы. Впоследствии мы будем интегрировать более эффективные данные об отпечатках пальцев, чтобы повысить эффективность классификации лекарственных средств.

Наше исследование дает не только метод идентификации природы, но и новую схему маркера природы.китайский языклекарства. Маркер природы - это новая концепция, указывающая на ингредиентыкитайский языклекарстватесно связанные с медициной натуры. С нашей схемой идентификации природы мы хотим искать китайские лекарства с аналогичными ингредиентами в тех же условиях ограничения природы. Такие несколько китайских лекарств имеют одни и те же ингредиенты, что можно рассматривать как маркеры природы этих нескольких лекарств.китайский языклекарства.

Вывод

В этом исследовании предлагается схема поиска для прогнозирования природы холодного-горячего лекарства. Основываясь на характеристиках CM, эта схема имеет лучшую эффективность классификации, чем классические классификаторы. Эффективные эксперименты показывают, что природа холодного-горячего лекарства и данные УФ-спектра отпечатков пальцев имеют значение.

использованная литература

1 Гао Дж., Чен С. Обсуждение научной коннотации четырех природ китайской materia medica. Акта унив. традиц. Мед. Sin Pharmacol Shanghai 2007, 21:16-18.

2. Оуян Б., Ван З.Г., Ван П. Исследовательское мышление и метод современного изучения теории четырех свойств китайской materia medica. J Beijing Univ Tradit Chin Med 2006, 29: 592-594.

3. Ву Л.Дж., Ван Ю.Ю., Ли Ю.Д. и др. Понимание ЧЖЭН в традиционной китайской медицине в контексте нейро-эндокринно-иммунной сети. ИЭТ Сист Биол 2007,1: 51-60.

4. Джин Р., Чжан Б., Лю XQ и др. Изучение биологической активности китайской materia medica с холодным или горячим свойством на основе трехэлементной модели математического анализа. J Chin Integr Med 2011, 9: 715-724.

5. Чжао И, Цзя Л, Ван Дж и др. Анализ различий свойств отваров махуанг и максиншиган с помощью холодной и горячей подушечек. Фарм Биол 2016, 54(7):1298-302.

6. Wan HY, Kong XY, Li XM и др. Влияние традиционных китайских лекарственных средств с различными свойствами на терморегуляцию и термочувствительный переходный рецепторный потенциал белка канала крыс с дрожжевой лихорадкой. China J Chin Meter Med 2014, 39: 3813-3818.

7. Лян Ф., Ли Л., Ван М. и др. Молекулярная сеть и характеристики на основе химических фрагментов лекарственных трав с холодными и горячими свойствами из китайской медицины. J Ethnopharmacol 2013, 148(3):770-779.

8. Ван М., Ли Л., Ю. С. и др. Классификация смесей китайских фитопрепаратов на основе самоорганизующейся карты (СОМ). Мол Информ 2016, 35(3-4):109-115.

9. Fu X, Song X, Li X и др. Филогенетический древовидный анализ холодно-горячей природы традиционной китайской морской медицины на предмет возможной противораковой активности. Комплемент на основе Evid Alternat Med 2017, 2017: 1-10.

10. Fu X, Mervin LH, Li X, et al. К пониманию холодного, горячего и нейтрального характера китайских лекарств с использованием анализа механизма действия in silico. J Chem Inf Model 2017, 57(3):468-483.

11. Li Y, Li X, Xue FZ и др. Дискриминация свойств китайских традиционных лекарств на основе искусственной нейронной сети. J Шаньдунский университет (медицинские науки) 2011, 49: 57-61.

12. Liu WH, Li Y, Ji YJ и др. Частичный метод наименьших квадратов в различении собственности традиционной китайской травяной медицины. Дж. Шаньдунский университет (медицинские науки) 2012, 50: 151-154.

13. Zhang XX, Li Y, Ji YJ и др. Дискриминация свойств китайской традиционной медицины методом главных компонент — линейным дискриминантным анализом. J Шаньдунский университет (медицинские науки) 2012, 50: 143-146.

14. Ни Б., Хао З.Л., Гуй Б. и др. Исследование метаболомного дискриминантного метода холодного и горячего свойств традиционной китайской медицины на основе случайного леса. J Jiangxi Univ Traditi Chin Med 2015, 27: 82-86.

15. Лонг В., Лю П., Сян Дж. и др. Комбинированная система для предсказания свойств китайской Материи медики. вычисл. Методы Программы Биомед. 2011, 101(3):253-264.

16. Ли Х., Сюй К., Чжан Дж. и др. Различают холодную и горячую природу традиционных китайских лекарственных трав дискриминантным анализом спектральных данных 1H-ЯМР. Международная конференция по медицинской науке и здоровью человека 2017 г. (MSHH 2017), 2017 г., 174-179.

17. Цзян М., Чжан С., Ли Х. и др. Компьютерная диагностика маммографических образований с использованием масштабируемого поиска изображений. IEEE Trans Biomed Eng 2015, 62(2):783-92.

18. Tsochatzidis L, Zagoris K, Arikidis N, et al. Компьютерная диагностика маммографических образований на основе контролируемого поиска изображений на основе контента. Pattern Recog 2017, 71:106-117.

19. Вэй Г., Ма Х., Цянь В. и др. Измерение подобия масс легких для поиска медицинских изображений с использованием полуконтролируемой метрики расстояния на основе ядра. Медицинская физика 2016, 43(12):6259-6269.

20. Вэй Г., Ма Х., Цянь В. и др. Схема поиска изображений на основе содержимого для классификации узлов в легких. Curr Med Imaging Rev 2017, 13(2):210-216.

21. Лю Ю., Ронг Дж., Лили М. и др. Повышающая структура для дистанционного обучения показателей с сохранением визуальности и ее применение для поиска медицинских изображений. IEEE Trans Pattern Anal Mach Intell 2010, 32(1):30-44.

22. Вайнбергер К.К., Блитцер Дж., Сол Л.К. Дистанционное метрическое обучение для классификации ближайших соседей с большим отрывом. J Mach Learn Res 2009, 10(1):207-244.

23. Тао Д., Ли С., Ву С. и др. Общий тензорный дискриминантный анализ и функции Габора для распознавания походки. IEEE транс. Pattern Anal Mach Intell 2007, 29 (10): 1700–1715.

24. Малар Э., Кандасвами А., Чакраварти Д. и др. Новый подход к обнаружению и классификации маммографических микрокальцинатов с использованием вейвлет-анализа и экстремальной обучающей машины. Comput Biol Med 2012, 42: 898–905.

25. Х. Ли. Построение цифровой репрезентативной системы на основе ультрафиолетовых отпечатков субстанциональной основы традиционной китайской медицины (ТКМ) холодо-тепловой природы. Цзинань: Шаньдунский университет традиционной китайской медицины, 2011 г.