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.     

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。     

中枢性眩晕患者中医证型分布规律研究

本文目的是研究中枢性眩晕患者中医证型分布规律。采用横断面研究方法,收集诊断为眩晕患者的病历资料98份,采用描述性统计方法进行统计分析。结论是中枢性眩晕患者中医症候以头晕、目眩、咽干、恶心、纳呆、舌暗红出现频率最高,中医证型以痰湿中阻证最为常见。中枢性眩晕患者病因以血管源性最为常见,中医证型以痰湿中阻证最多,而肿瘤导致的眩晕以瘀血阻窍型为主,说明中枢性眩晕病因分型与中医证型分布间存在一定联系。     

中医辨证分型治疗小儿厌食证600例临床观察

自1986年我科开展小儿厌食专病门诊以来,对千余例厌食证患儿进行治疗,其中绝大部分是采用中医辨证分型治疗,严格遵守辨证施治原则,进行选方用药,取得较显著的疗效,现经筛选其中600例厌食证进行分析. 1临床资料 1.1诊断标准以食欲不振、甚或拒食为主要临床表现.病程短则3个月至半年,长则达数年之久,与水各少进或因患其他疾病而引起食欲减退者,应加以区别.     

AECOPD中医辨证分型决策树模型

以临床急性加重期慢性阻塞性肺疾病的中医辨证分型诊断数据为基础,数据挖掘方法应用与中医经验分析及传承.共收集原始AECOPD病案447例,采用C4.5算法建立了AECOPD辨证分型决策树模型,为该病的中医证候学研究提供有价值的参考依据.     

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.     

基于形式概念分析的中医辩证可视化方法

计算机辅助中医辩证研究是一个热点,但是目前尚缺乏一种标准的数学语言用于描述辩证的体系架构。本文提出了一种基于形式概念分析的可视化方法,这种方法将证和证素定义为对象与属性并将它们的概念和层次关系数学化,最后利用概念格将其可视化。最后通过一个实例初步说明了将形式概念分析应用于计算机辅助中医辨证体系研究是可行的。     

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。     

基于一致性预测器的中医证素组合诊断模型

构建中医证素组合智能诊断模型需要特殊的域预测分类器而非传统的点预测分类器.引入一致性预测器(conformal predictor,CP),以算法随机性水平值为证素的重要性度量,以算法风险水平为阈值进行域预测输出,以中医慢性疲劳样本集为研究对象,随机森林(random forest,RF)等传统机器学习算法被嵌入到CP框架中计算样本奇异值.实验结果表明,CP-RF模型不仅拟合率比其他域预测分类器高,还对阈值具有很好的鲁棒性,克服了阈值对预测域的波动性,解决了中医多证素组合诊断关键的技术难题之一,同时CP-RF模型的预测域错误率能够被算法风险水平阈值所校准,表明其阈值具有明确的统计意义和可解释性,能够被中医医生所接受.