数据挖掘在中医若干问题研究中的应用

论文摘要

中医是我国的国粹，是中华民族的和全人类知识宝库的重要组成部分。经过数千年的不断发展，积累了大量的典籍，数据。当前，我国对中医学的现代化，信息化，数字化建设非常重视。相继建成了一大批中医药数据库。随着我国中医药数据库建设的快速发展和完善。如何更好的利用这些数据，成为当前研究的热点。中医学在数千年的发展过程中，形成了自己独特的“辩证论治”理念。但是长期以来计算机对中医信息分析处理仍处于浅层次的、经验性的知识运用层面，很难对诊断和治疗过程给出合理的解释。由于中医研究疾病的辨证治疗，研究每个患者的个性特征，这就造成了中医研究比西医研究更为复杂、体系更为庞大；并且，数千味药材及其配伍是西医所不能比拟的。因此，在临床数据上表现为大量性、复杂性、不规范性、模糊性等特点。如何来分析中医数据、寻求中医规则，形成类似西医的演绎推理体系，是当前中医研究的一个难点。数据挖掘的引入为中医规律研究提供了一种方法。已有资料证明，医学数据挖掘必将在疾病的诊断和治疗、医学科研与教学以及医院的管理等方面发挥不可估量的巨大作用。本论文以中医中风病个体诊疗为背景，主要借助中风病个体诊疗管理信息系统(MIS)的数据库中记录的患者信息资料，使用数据挖掘技术抽取中医对中风病的诊断和治疗的若干规律、方法等知识进行抽取，以期为不久的将来建立可行的中医学演绎知识体系作一些微薄的工作。本文以中医中风病诊疗为研究对象，主要研究以下三个问题：(1)中西医的相关性研究。主要讨论NIHSS量表(美国国立卫生院卒中量表，是国际公认的评判中风程度的标准之一)和中风病证候量表(1994年由国家中医药管理局全国中医脑病急症科研协作组制定的《中风病辨证诊断标准》所规定的中医中风病诊断标准)间的关系。(2)证候演化规律研究。主要讨论在中风病几个关键时点上的中风病证候的演化特征为治疗效果预测提供依据。(3)证候与治法关联规则研究。主要讨论中风病各种证候与治法间的相关性问题，为针对证候选择适合的治法提供参考方案。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 问题提出和分析
• 1.3 研究环境和数据说明
• 1.4 论文结构安排
• 第二章 数据挖掘在医学中的应用
• 2.1 数据挖掘相关知识
• 2.1.1 数据挖掘的相关定义
• 2.1.2 数据挖掘方法和数据库传统分析方法区别
• 2.1.3 数据挖掘研究内容和本质
• 2.1.4 数据挖掘中的知识类型
• 2.1.5 数据挖掘的过程
• 2.2 数据挖掘方法和工具
• 2.2.1 数据挖掘方法
• 2.2.2 数据挖掘工具
• 2.3 数字挖掘在医学中的应用
• 2.3.1 医学数据具有的特点
• 2.3.2 医学数据挖掘的过程
• 2.3.3 医学数据挖掘的关键技术
• 2.4 数据挖掘在中医药领域的应用现状
• 2.5 本章小结
• 第三章 中西医量表相关性研究
• 3.1 中西医量表间线性关系分析
• 3.1.1 线形假设合理性检验
• 3.1.2 回归分析
• 3.1.3 线性关系分析结论
• 3.2 中西医量表间非线性关系分析
• 3.2.1 LVQ简介
• 3.2.2 LVQ网络学习规则
• 3.2.3 LVQ在中西医量表分类对应关系分析中的应用
• 3.2.3.1 基本思路
• 3.2.3.2 LVQ网络实例结构确定
• 3.2.3.3 训练方法的选择
• 3.2.3.4 修改后的 LVQ
• 3.2.3.5 实验结果
• 3.3 本章小结
• 第四章 K-MEANS算法和决策树在证候规律研究中的应用
• 4.1 基于k-means聚类算法的证候成立标准
• 4.1.1 K-means算法简介
• 4.1.2 K-means算法
• 4.1.3 试验结果
• 4.2 基于决策树思想的证候转换树模型
• 4.2.1 决策树简介
• 4.2.1.1 决策树概念
• 4.2.1.2 决策树基本算法概述
• 4.2.2 证候转换树设计和应用
• 4.2.2.1 证候转换树与决策树关系分析
• 4.2.2.2 证候转换树构造和算法设计
• 4.2.2.3 证候组合演化规律研究
• 4.3 本章小结
• 第五章 关联算法在证侯与治法关系研究中的应用
• 5.1 关联规则简介
• 5.1.1 什么是关联规则
• 5.1.2 Apriori算法
• 5.1.3 FP-growth算法
• 5.1.4 FP-growth的改进算法-KEFP-growth算法
• 5.1.5 关联规则的生成
• 5.1.6 相关性分析
• 5.2 证候与治法的关联规则挖掘
• 5.2.1 准备及过程
• 5.2.2 挖掘预处理及其结果分析
• 5.2.3 数据二值法挖据结果
• 5.2.4 数据三值法挖掘结果
• 5.2.5 相关性综合分析和医学解释
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 所做工作总结
• 6.2 工作展望
• 参考文献
• 附录
• 附录一: 中医中风病证候诊疗数据实例片段
• 附录二: LVQ网络的 MATLAB代码
• 附录三: K-means算法的核心代码
• 附录四: 中医量表的 K-means算法聚类结果
• 附录五: Apriori算法及其相关过程描述
• 附录六: FP-growth算法部分源代码
• 致谢
• 发表文章