冠心病中医证候数据库系统的构建及其BP神经网络模型的研究

论文摘要

背景复杂性科学被誉为21世纪的科学,这种注重事物的复杂性、整体性和非线性的科学研究方法,为中医证候研究提供了全新的视角。中医证候体系是一个非线性的复杂巨系统,将基于复杂性科学的人工神经网络技术引入中医证候研究领域将有可能实现证候研究的突破。冠心病是当前严重危害人类健康的多发病。目前,如何应用人工神经网络对冠心病中医证候资料进行大规模的数据挖掘并建立证候模型,在国内尚未见成熟报道。目的以临床流行病学调查所得资料构建冠心病中医证候数据库系统,以此为基础采用人工神经网络技术建立并应用冠心病中医证候的神经网络模型,探讨中医证候研究的方法学,为当前证候研究提供一种新的思路。方法通过对冠心病病历档案的回顾性调研,分析提取冠心病常见症征,制定规范的临床调查表,以此为基础开展冠心病临床流行病学调查,并应用Oracle10j和Vc++6.0建立冠心病中医证候数据库系统；在此基础上,运用逐步试验法完成冠心病中医证候BP神经网络模型设计,并通过反复比较五种BP算法的优劣,选择共轭梯度算法作为最优算法,应用MATLAB6.5实现了冠心病中医证候的BP神经网络模型,并将其应用于冠心病证候的诊断,对模型的诊断效果进行了回顾性检验和前瞻性检验。结果成功地开发了冠心病中医证候数据库系统,并且运用MATLAB6.5建立了基于共轭梯度算法的冠心病中医证候BP神经网络模型,将该模型应用于冠心病证候的判别,结果显示：（1）对已采集纳入病例的回顾性检验提示：对于496个检测样本,诊断正确的共计449例,判断准确率达90.5%。准确率的高低与学习样本的多少呈正相关,诊断准确率依次是心阳亏虚证（93.0%）、痰阻心脉证（92.6%）、心血瘀阻证（91.8%）、心气亏虚证（91.0%）、心阴亏虚证（88.7%）、气滞心脉证（88.6%）,寒滞心脉证判别准确率最低,只有37.5%。（2）对新采集病例的前瞻性检验显示：在81个样本中正确识别74例,识别率达91.36%。说明该模型能够较好地获取证候的内在规则。结论基于人工神经网络的冠心病中医证候模型能够较好地获取证候的内在规则,将人工神经网络技术应用中医证候研究具有可行性,该方法在冠心病中医证候研究的成功尝试为深入开展心病证候规范化及其证候实质研究提供了一种新的思路。

论文目录

• 中文摘要
• ABSTRACT
• 前言
• 第一部分 研究背景——从复杂性科学视角探索证候研究新思路
• 第一节 中医学的百年困惑与思考
• 1 百年困惑——中医学发展的艰难历程
• 2 理性思考——两种医学体系的不同
• 2.1 哲学背景——还原论与系统论的冲突
• 2.2 思路反思——"以西解中"思路的局限
• 第二节 切换视角——从复杂性科学视角认识中医证候体系
• 1 何谓复杂性科学
• 2 中医学是复杂性科学
• 3 中医证候体系是非线性的复杂巨系统
• 3.1 证候的复杂性内涵与特征
• 3.2 从复杂性科学角度寻求中医证候研究方法论的创新
• 第三节 思路探索——基于人工神经网络的证候研究设想
• 1 人工神经网络方法简介
• 1.1 什么是人工神经网络
• 1.2 人工神经网络的原理
• 1.3 人工神经网络的特点
• 1.4 人工神经网络发展简史
• 2 基于人工神经网络的证候研究设想
• 2.1 人工神经网络用于中医证候研究的可行性
• 2.2 人工神经网络在证候研究中的应用现状
• 第二部分 基于临床流行病学调查的冠心病中医证候数据库系统的构建
• 第一节 冠心病中医证候临床流行病学调查
• 1 研究目的与技术路线
• 2 诊断标准
• 2.1 冠心病诊断标准
• 2.2 冠心病中医辨证分型诊断标准
• 2.3 健康人判断标准
• 2.4 冠心病危险因素判断标准
• 2.5 纳入标准
• 2.6 排除标准
• 3 研究方法
• 3.1 冠心病中医证候临床回顾性调研
• 3.2 冠心病中医证候现场调查
• 3.3 调研数据的录入
• 4 结果
• 5 讨论
• 第二节 基于临床流行病学调查的冠心病中医证候数据库系统的构建
• 1 软件开发工具的选择
• 1.1 Oracle 10j——后台数据库工具的选择
• 1.2 Vc++6.0——前端开发工具的选择
• 2 数据库的设计
• 2.1 资料来源
• 2.2 数据库的设计
• 2.3 数据库界面设计及实现
• 3 数据库主要功能和特点
• 4 数据库的应用
• 5 讨论
• 第三部分 基于MATLAB的冠心病中医证候BP神经网络模型的研究
• 第一节 冠心病中医证候BP神经网络模型设计
• 1 BP神经网络简介
• 2 冠心病中医证候BP神经网络模型的设计
• 2.1 网络层数的确定
• 2.2 神经元节点数的确定
• 2.3 网络学习参数的设定
• 3 讨论
• 第二节 基于MATLAB的冠心病中医证候BP神经网络实现
• 1 BP神经网络工具箱函数简介
• 2 BP神经网络结构的优化
• 2.1 标准BP算法的局限性
• 2.2 MATLAB神经网络工具箱几种BP算法的比较
• 2.3 几种BP算法不同训练效果的比较
• 3 基于MATLAB的冠心病中医证候BP神经网络实现
• 3.1 数据选取
• 3.2 症状赋值
• 3.3 基于MATLAB的BP神经网络建模过程
• 4 建模过程中的关键技术——Vc++调用MATLAB神经网络工具箱
• 4.1 Vc++与MATLAB混合编程的必要性
• 4.2 Vc++调用MATLAB神经网络工具箱的方法
• 第三节 冠心病中医证候BP神经网络模型的应用
• 1 对已采集纳入病例的回顾性检验
• 1.1 资料情况
• 1.2 检验结果
• 2 新采集病例的前瞻性检验
• 2.1 新病例的采集
• 2.2 检验结果
• 3 典型个案举例
• 4 讨论
• 全文总结
• 1 本课题的特色和创新点
• 2 本课题的研究展望
• 致谢
• 参考文献
• 附录一:综述
• 附录二:攻读博士学位期间主要研究成果及发表的论文
• 附录三:冠心病中医证候临床调查表
• 附录四:编制的主要程序