基于贝叶斯网络的中医医案数据挖掘

论文摘要

中医作为中华民族的瑰宝,距今已经有几千年的发展历史。各代医家在长期的临床实践中积累了大量的经验,对这些经验的总结不但能丰富中医的理论体系,还能对中医的现代化起到巨大的促进作用。因此,对中医各种资料的总结、挖掘和利用是我国一项非常重要的任务。然而,传统的方法通过口传身受、手工整理难以做到系统化、客观化。因此,有必要用计算机技术对中医药资料进行挖掘利用,整理归纳中医药资料隐含的规律。贝叶斯网络作为一种被广泛成功应用的数据挖掘技术,其在医疗行业也有很成功的应用。本文以慢性胃炎临床诊断病例以及近现代名老中医“内生五邪”医案为原始数据,针对贝叶斯网络应用到这些数据中碰到的问题,本文提出了数据预处理和分组降维等解决方法,具体工作如下:（1）分析探讨了中医医案的特点,对慢性胃炎病例和“内生五邪”医案做规范化处理,针对中医医案难以量化的特点,提出症状分解的方法,为中医数据处理提供了一条解决思路。（2）分析了慢性胃炎病例数据的症状维高,数据分布稀疏的特点,探讨了主成分分析法在此类数据的降维效果。针对慢性胃炎病例数据的特点,提出并详细描述了层次聚类和主成分分析法相结合的分组降维方法。最后分析了该分组降维方法对贝叶斯网络学习能力的提升以及存在的问题。（3）描述了“内生五邪”医案的数据缺失问题,详细介绍了缺失数据的定义以及对贝叶斯网络学习的影响。提出了一种基于模拟退火和BC算法的改进的SEM算法（E-SEM）。最后把E-SEM算法应用到“内生五邪”医案的“五邪”识别并对算法性能做了分析。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 数据挖掘技术在中医药领域的发展现状和存在的问题
• 1.2.1 数据挖掘技术在中医药领域的应用
• 1.2.2 中医药领域的各种数据挖掘方法
• 1.2.3 存在的问题
• 1.3 论文研究内容及创新点
• 1.3.1 医案信息的预处理
• 1.3.2 基于分组降维策略的慢性胃炎证型分类
• 1.3.3 “内生五邪”医案的缺失数据处理
• 1.4 论文组织安排
• 第二章 贝叶斯网络的基本理论
• 2.1 引言
• 2.2 贝叶斯网络的构成
• 2.2.1 相关概念和公式
• 2.2.2 贝叶斯网络概述
• 2.2.3 一个实例
• 2.3 贝叶斯网络的特点与应用
• 2.3.1 贝叶斯网络的特点
• 2.3.2 贝叶斯网络的应用
• 2.4 贝叶斯网络的推理机制
• 2.5 贝叶斯网络的学习算法
• 2.5.1 结构学习
• 2.5.1.1 基于依赖分析的结构学习算法
• 2.5.1.2 基于评分搜索的结构学习算法
• 2.5.1.3 数据不完整的结构学习算法
• 2.5.2 参数学习
• 第三章 中医医案的采集和预处理
• 3.1 引言
• 3.2 原始数据采集与预处理
• 3.2.1 慢性胃炎病例的采集与预处理
• 3.2.2 “内生五邪”医案的采集与预处理
• 第四章 基于分组降维策略的慢性胃炎证型分类
• 4.1 引言
• 4.2 病例数据的特点及存在问题
• 4.3 症状的分组降维以及贝叶斯网络的学习
• 4.3.1 症状聚类
• 4.3.2 症状的主成分分析
• 4.3.3 贝叶斯网络的建立与训练
• 4.4 实验结果与分析
• 4.4.1 与试验有关的一些问题
• 4.4.2 未做降维处理病例的贝叶斯网络学习和分类
• 4.4.3 降维处理后病例的贝叶斯网络学习和分类
• 4.4.4 不同参数设置的降维及分类
• 4.5 小结
• 第五章 不完整数据下的贝叶斯学习及应用
• 5.1 引言
• 5.2 缺失数据的定义
• 5.3 在不完整数据下学习贝叶斯网络时存在的问题
• 5.4 缺失数据处理方法
• 5.5 改进的SEM算法及其在“内生五邪”医案中应用
• 5.5.1 SEM算法存在的问题以及改进算法
• 5.5.2 关于E-SEM算法实现的一些问题
• 5.5.3 实验结果与分析
• 5.6 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文