基于深度森林算法的慢性胃炎中医证候分类

针对中医问诊复杂性和非线性的特点,采用深度森林算法(gcForest)构建慢性胃炎中医问诊证候分类模型。利用gcForest分析慢性胃炎问诊数据,建立证候分类模型,并与DBN和DBM两种深度学习算法以及ML-KNN、BSVM、ECC、RankSVM、LIFT这5种多标记学习算法构建的模型进行比较。实验结果表明,该模型在多标记评价指标和单个证型的分类准确率上都优于其他算法,能有效地解决慢性胃炎中医问诊证候分类问题,通过该算法建立的模型分类效果良好,可以为慢性胃炎证候量化诊断研究提供参考。     

半开放式挖掘模型组挖掘绝经综合征的中医证治规则

克服目前中医证候规律研究中普遍存在的技术单一和临床专家对挖掘结果评估权不足的问题。在国家＂十五＂课题研究所取得的成果数据库基础上,采用设计的封装多种挖掘算法、能给用户提供算法参数值与约束条件修改权的半开放式挖掘模型组,进行绝经综合征的中医症状与中医证候关系规则的挖掘研究。以此挖掘出与临床结论基本一致的关系规则,使其能够为广大临床医生提供证治指导服务。     

运用"双层频权剪叉算法"确定证候的诊断贡献度

盗汗、心痛、脉紧、舌淡等为证的外候,心、肺、气虚、血瘀等为证的要素.根据证素,辨别证素,组成证名,是中医辨证的基本规律.在频率统计基础上,运用"双层频权剪叉算法",提取出证候辨别证素的贡献度,为解决中医辨证研究中证候诊断权值这个关键问题,找到了一种简便、准确的新算法.     

综合证素分析和"方名-药名"相似度的方剂主药发现算法

组方规律的研究对于挖掘中医诊治的基本原理,实现中医现代化具有重要意义.本文针对现有算法在发现方剂主药方面存在的不足,提出了将证素与"方名-药名"相似性分析相结合的主药发现算法3PEA(Joint Primary medicine Extraction Algorithm),该算法通过对名医医案临床数据中证素与药物之间的...     

潜在语义分析在中医证候分类中的应用

中医证候和症状描述错综复杂,如何较好地对病患所属证候进行鉴别诊断,一直是临床医疗工作者的首要目标.把潜在语义分析(latent semantic analysis,LSA)技术与中医知识特点(即证型的临床表现与心、肝等脏腑各系类证的临床表现有相同描述集)相结合进行分类的方法应用到中医证候的诊断识别中,是一个较好的尝试.实验结果表明,该方法取得了良好的效果.     

基于极值随机森林的慢性胃炎中医证候分类

大多数机器学习算法能得到较好的分类效果,但模型却无法解释;而随机森林等模型有良好的可解释性,却无法处理中医数据中兼证的情况。本文利用极值随机森林算法对慢性胃炎中医数据进行证候分类研究,其中决策树的叶节点能输出多个标签,通过加权机制综合分量来处理兼证问题。与已有多标记学习算法和C4.5、CART等基于决策树的算法进行比较,实验结果表明,极值随机森林算法无论在6个证型的分类准确率上,还是在多标记评价指标上都具有更好的效果,而且模型中得到的规则基本符合中医理论。     

朴素贝叶斯方法在中医证候分类识别中的应用研究

中医证候和症状描述错综复杂,如何较好地对病患所属证候进行鉴别诊断,一直是临床医疗工作者的首要目标,把数据挖掘技术的朴素贝叶斯分类方法应用到中医证候的诊断识别中,是一个较好的尝试.为了提高分类识别的效率,在分类特征的选择上,使用了遗传算法对原有的特征进行了优化.在使用朴素贝叶斯分类方法对中医证候进行分类识别并用遗传算法改进时,经历了以下过程:首先合理抽象鉴别诊断过程并建立数学模型;其次,提出了使用数据挖掘技术中的朴素贝叶斯分类方法对模型求解;第三,考虑到特征数量较大,运用了遗传算法进行特征优化;最后,使用医学上常用的ROC曲线评价方法对改进前后的分类识别的效率进行分析比较.     

基于属性加权朴素贝叶斯的冠心病辨证模型

在原有中医药冠心病临床治疗数据采集系统的基础上,使用中医证型的辨证相关因素,提出属性加权朴素贝叶斯算法,并应用到冠心病中医证型的分类模型之中.实验结果显示,对于冠心病4种证型的分类,运用属性加权朴素贝叶斯分类算法都略高于朴素贝叶斯分类算法.实验结果表明属性加权朴素贝叶斯分类算法在中医冠心病临床诊断中具有良好的分类性能.     

早期糖尿病视网膜神经病变的中医证候特征

目的:探讨早期糖尿病视网膜神经病变的中医证候特征及其与视觉电生理改变的关系。方法:对75例确诊为早期糖尿病患者的中医证候特征以及视觉诱发电位P100波和视网膜电图b波的潜伏期和振幅进行分析。结果:糖尿病早期未出现血管病变时的中医证型以阴虚热盛证和湿热困脾证为主。阴虚热盛证表现为PVEP的P100波潜伏期延长和FERG的b波振幅下降,与正常组比较差异有显著性(p0.05)。湿热困脾证患者PVEP的P100波和FERG的b波的潜伏期和振幅均发生改变,与正常组比较均有显著性差异(p0.05)。结论:糖尿病早期未出现血管病变时可表现出特殊的中医证型,与视觉电生理的改变存在相关性,可以为临床上早期诊断、早期治疗糖尿病视网膜神经病变提供线索和理论依据。     

养阴益气活血汤对糖尿病患者肾功能指标及中医证候的影响

探讨糖尿病患者使用养阴益气活血汤治疗对其肾功能指标及中医证候的影响。采用回顾性分析法,选取我院2015年9月至2017年9月诊治的120例糖尿病患者,根据治疗方法将其分为对照组(单一实施常规治疗)和观察组(常规治疗联合养阴益气活血汤),各60例,对比两组在治疗12周后的肾功能指标水平变化情况及中医证候积分变化情况。治疗后,观察组肾功能相关指标水平均低于对照组,中医证候积分低于对照组,差异均有统计学意义(P0.05)。糖尿病患者在常规西药治疗基础上联合养阴益气活血汤治疗效果确切,患者肾功能得到显著改善,各临床症状得到更好更快的缓解,且未见不良反应发生,治疗安全可靠。     

中医证候的多元统计分析及方法研究

从“高脂血症及动脉粥样硬化痰瘀证候的蛋白质组学研究”的数据出发,研究影响中医证候的各主要因素。对11种可能的标志蛋白质（群）数据进行分析,以统计聚类为主导思想,给出变量聚类和样本数据聚类综合应用的方法,并结合医学角度对变量聚类结果的分析,指导组内和组间两种样本聚类讨论;同时,通过假设检验,从统计理论上对所得分类予以支持。最后得到标志蛋白质群{结合珠蛋白前体,α-胰蛋白酶抑制剂轻链,脂肪细胞脂质结合蛋白异构体3,补体C4}或{纤维蛋白原γ链,α-胰蛋白酶抑制剂轻链,未确定名称的蛋白(ID1485)}。考虑可能是区分高脂血症及动脉粥样硬化痰证和瘀证的标志蛋白质群,从而给出蛋白质水平上对痰证和瘀证判决方法的建议。     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

430例高血压患者维医异常体液分型的量化诊断入选项专家咨询研究

 为建立高血压维医异常体液分型量化诊断标准,以非疾病诊断临床相关信息为依据,对诊断明确的430例高血压患者进行了量化诊断入选项专家咨询研究。入选的证候要素进行多分类Logistic回归分析、共线性诊断及主成分分析,使用主成分改进的多分类Logistic回归分析方法确立各证候要素对证候的贡献度,根据OR值分高血压各异常体液主症、次症。研究结果显示,高血压异常黑胆质型主症为多梦、噩梦,心神不宁,脉象细、硬、沉,尿色发青,舌质青紫;次症为大便干燥,舌苔灰黑色,口味苦涩,面色偏黑,口唇暗红,肢体酸痛,盗汗。异常血液质型高血压主症为结膜稍红,舌尖红,脉象粗、短、有力,面色发红;次症为尿色黄赤,皮肤较热,舌苔光滑,出汗不多,口味微苦,皮肤细嫩,目光少神。异常黏液质型高血压主症为脉象沉、弱,口淡无味,出汗较多,便秘,肢体沉重;次症为疲乏,舌苔白腻,面色暗淡,睡眠较多,面色发白,边缘齿痕,口黏,皮肤较湿,口唇淡白。异常胆液质型高血压主症为皮肤较热,情绪紧张,脉象细、浮、硬,失眠、易醒,舌苔黄色,面色萎黄;次症为舌体瘦长,口味甘苦,结膜偏黄,尿色偏黄,尿每次量少。对量化诊断入选项专家咨询所得到的临床信息进行统计分析,认为研究结果与临床实际比较符合,可靠性高。由此得出结论：高血压异常体液证候的量化诊断可为高血压临床辨证提供客观依据。     

基于属性偏序表示原理的经方方证研究

方证研究是中医领域研究的热点,但方证之间数据量大,复杂度高,传统的数据挖掘方法面对海量的中医数据显得力不从心.随着大数据时代的到来,大数据的理念和技术为中医知识的充分研究带来机遇.本文基于形式概念分析的属性偏序表示原理,运用属性偏序结构图揭示方证的特征症状,对挖掘中医经典的科学内涵、促进学术创新有一定的借鉴价值.     

全病域中医专家系统的研究

本文根据系统论、控制论的基本原则,建立了多种层次结构推理模型及模型选择网络,提出多级分层优化推理原则,从而较好地解决了全病域中医专家系统所出现的症状组合爆炸问题.在处方过程中,运用相关处理技术,解决了多重处方多重药物并存的问题.经临床试验,证明本系统完全符合中医专家的辨证思维模式.专家系统的诊治结果与中医专家的思维符合率达96%.     

基于位图矩阵和双支持度的中药配伍挖掘技术

用数据挖掘技术研究了中药方剂配伍的规律．引入了关注频繁项概念，提出并实现了基于位图矩阵和双支持度技术的BM-DB-Apriori算法来寻找药对药组．位图矩阵技术使得在找频繁k-项集时无需对数据库扫描，双支持度确保频繁项集中不包含那些因太频繁而失去意义的项集．以脾胃方剂库为对象分别使用BM-DB-Apriori和Apriofi两种算法进行实验，实验表明，BM-DB-Apriori算法能够更快速、更准确地挖掘出药对和药组。     

构造 TCM 好码的动态规划算法

提出了一种构造ＴＣＭ好码的动态规划算法（ＤＰ）．ＤＰ算法在建立了ＴＣＭ好码规则、编码器及信号网格图间的对应关系的基础上,采用动态规划算法进行寻优,从而获得ＴＣＭ好码．与常规ＴＣＭ好码构造算法［４,５］相比,本算法在精度、计算复杂度和灵活性上均有所改进．     

180例冠心病维医异常体液分型的量化诊断入选项专家咨询研究

 为了建立冠心病异常体液分型诊断标准，以非诊断疾病临床相关信息为依据，对诊断明确的180例冠心病患者进行了量化诊断入选项专家咨询研究。入选的证候要素进行多分类Logistic回归分析，共线性诊断及主成分分析；使用主成分改进的多分类Logistic回归分析方法确立各证候要素对证候的贡献度，据OR值分冠心病各异常体液主症、次症。研究结果显示，异常黑胆质型冠心病的主症为心神不宁，口唇青紫，舌体中等大小、舌苔灰黑色，皮肤较凉，尿色发青；次症为舌质青紫，尿每次量少，多梦、噩梦。异常血液质型冠心病的主症为面色发红，结膜稍红，口不干，口味微苦，脉象粗、有力，大便干结；次症为睡眠尚少，出汗不多，尿色黄赤。异常粘液质型冠心病的主症为少气懒言，口唇淡白，口黏，口淡无味，出汗较多，肢体麻木；次症为面色苍白，舌苔白腻、边缘齿痕，脉象弱、沉，睡眠较多，尿量较多。异常胆液质型冠心病的主症为面色暗淡，目光无神、结膜偏黄，舌苔黄腻，皮肤较热，脉象细、硬；次症为心急易怒，面色发黄，口味甘苦，皮肤粗糙，尿色偏黄。经过对量化诊断入选项专家咨询所得到的临床信息的统计分析，认为研究结果与临床实际比较符合，可靠性高。由此得出结论：将量化诊断入选项专家咨询研究应用于维医病证异常体液分型诊断的标准化、量化、科学化研究中，可以获得具有代表性和普适性的临床病证信息，故可为临床冠心病异常体液分型诊断提供客观依据。     

180例哮喘病维医异常体液分型的量化诊断入选项专家咨询研究

 为了建立支气管哮喘维医异常体液分型诊断标准,以非疾病诊断临床相关信息为依据,对诊断明确的180例支气管哮喘急性发作期患者进行了量化诊断入选项专家咨询研究。入选的证候要素进行多分类Logistic回归分析、共线性诊断及主成分分析;使用主成分改进的多分类Logistic回归分析方法确立各证候要素对证候的贡献度,根据OR值分支气管哮喘各异常体液主症、次症。结果显示,哮喘异常黑胆质型主症为小便发青,舌质青紫,皮肤较凉,脉象细、硬;次症为面色晦暗,口味苦涩。哮喘异常血液质型主症为面色发红,结膜稍红,舌体短、胖,皮肤较热;次症为大便不干,尿色黄赤,痰黏色黄,脉象底粗上细、有力。哮喘异常黏液质型主症为口黏,舌苔白色厚腻,小便清长,痰黏色白,大便干结;次症为口淡无味,结膜发白。哮喘异常胆液质型主症为面色发黄,结膜发黄,皮肤热,小便偏黄,脉象细、浮;次症为舌体瘦、薄,口味甘苦,大便干燥。经过对量化诊断入选项专家咨询所得到的临床信息的统计分析,认为支气管哮喘异常体液分型的诊断要点与临床异常体液分型实际情况基本一致,可靠性高。由此得出结论,支气管哮喘异常体液分型诊断标准的建立为开展维医异常体液病证诊断规范的研究奠定了一定的基础。     

基于策略模式的中医药数据智能挖掘平台设计与应用

针对目前大多数中医药数据挖掘研究中使用单一且基础的算法而出现的问题,设计并实现一种通过策略模式智能优选中医药数据挖掘方法的平台(TCM data strategy model analysis platform, TCMDP)。根据策略模式的思想,集成以下4个数据挖掘模块,统计学分析模块可对药物、药物种类、四气五味归经和药物功效进行统计学分析;关联规则挖掘模块可以分析处方中的药物关联性;聚类分析模块可获取药物组合得出聚类新方,通过分析结果来探讨肺癌处方的配伍规律;证型分类模块以电子病历的中医症状和四诊信息作为输入,将相关证型作为输出,构建证型分类模型。综上实现了基于策略模式的中医药数据智能挖掘平台,并运用该平台对中医临床治疗肺癌的中药处方进行用药规律和证型分类研究。结果表明：以痰瘀互结证肺癌病例为例,关联规则挖掘模块中WD-Get Rule算法的运行时间最少仅为0.038 s。聚类分析模块中CMC-DD算法分析时间略长但精确率高达87%。肺癌证型分类分析模块中PSO-ELM运行时间短为88.98 s,且模型平均精确率达88.44%,具有一定的临床参考价值。而本平台所采用的改进算法均优于...