基于决策树和人工神经网络的小儿肺炎痰热闭肺证诊断模型研究＊

目的 基于决策树和人工神经网络方法，建立小儿肺炎痰热闭肺证诊断模型。方法 以大样本、多中心小儿肺炎痰热闭肺证病例作为数据源，运用CRT、CHAID、QUEST、C5.0决策树和多层感知器（MLP）、径向基函数（RBF）的神经网络方法建立小儿肺炎痰热闭肺证诊断模型，并结合中医理论分析模型的诊断规则。结果 采用CRT、CHAID、QUEST、C5.0算法决策树建立的小儿肺炎痰热闭肺证的诊断模型，准确率为83.1%、91.0%、89.5%、93.2%。其中采用C5.0算法的决策树模型优于前3种。采用MLP、RBF算法的神经网络方法建立小儿肺炎痰热闭肺证诊断模型，准确率为92.1%和90.8%，其中采用MLP的神经网络更优于采用RBF算法的神经网络。结论 运用决策树和神经网络方法，可以建立小儿肺炎痰热闭肺证诊断模型。其中痰多粘稠、痰色黄、脉滑、咳嗽、指纹紫滞为诊断中的决定要素。“痰”、“热”为痰热闭肺证的证候病机。本研究为小儿肺炎临床辨证论治提供客观依据，有力促进中医标准化进程。     

基于多种算法对冠心病不稳定型心绞痛肾虚血瘀证诊断模型的研究＊

目的 基于多种算法构建冠心病不稳定型心绞痛（Unstable angina，UA）肾虚血瘀证诊断模型。方法 采用横断面调查的方法，收集199名UA患者的基本资料、四诊信息及临床常规检测指标并进行综合分析。在t检验、非参数检验及Χ²分析的基础上，进一步采用BP神经网络、RBF神经网络、C5.0决策树、C&RT决策树、CHAID决策树、随机森林、逐步Logistic回归和贝叶斯网络8种算法构建UA肾虚血瘀证诊断模型，并比较不同模型的准确度。结果 以BP神经网络形成的UA肾虚血瘀证诊断模型较其它算法性能更优，训练集的准确率、灵敏度和特异度分别为：96.33%、96.39%和96.15%，ROC曲线下面积为0.993；测试集的准确率、灵敏度和特异度分别为94.44%、98.39%和85.71%，ROC曲线下面积为0.967。年龄、腰膝酸软、夜尿多、胖大舌、GRACE评分、收缩压、口唇紫暗、齿松、失眠、健忘等在模型中共贡献度较大，可较好地反应UA肾虚血瘀证的临床特征。结论 与其它算法相比，基于BP神经网络构建的UA肾虚血瘀证诊断模型效果最佳，可行性较好。     

基于决策树及神经网络的高血压病阴阳两虚证诊断模型的研究

目的:基于决策树及神经网络的方法,建立高血压病阴阳两虚证的诊断模型。方法:从古今医案及临床病例中收集高血压病病例,对所收集资料中患者的中医四诊信息进行归一化处理,并建立证候要素数据库,运用CHAID、CRT、QUEST及C5.0决策树算法和神经网络的方法提取高血压病阴阳两虚证的诊断规律,建立诊断模型。结果:采用CHAID、CRT、QUEST及C5.0决策树算法建立高血压病阴阳两虚证诊断模型,准确率分别为93.1%、91.5%、91.5%、96.03%,其中C5.0算法的诊断模型更优于其他3种;采用多层感知器(MLP,Multilayer Perceptron)、径向基函数(RBF,Radical Basis Function)建立高血压病阴阳两虚证诊断模型,前者训练样本正确百分比为95.9%,测试样本正确百分比为93.9%;后者训练样本正确百分比为99.2%,测试样本正确百分比为96.3%,径向基函数神经网络的诊断模型更优于多层感知器神经网络。结论:通过联合应用决策树及神经网络两种方法可见,腰膝酸软在高血压病阴阳两虚证的临床诊断中起决定性作用,同时结合中医四诊信息,可形成比较符合高血压病阴阳两虚证的诊断判别模型模式,为规范高血压病阴阳两虚证诊断标准提供依据。     

小细胞肺癌中医智能辨证探索性研究

目的 提取小细胞肺癌中医证素,初步探索建立小细胞肺癌中医智能辨证模型。方法 采用SPSS 23.0进行因子分析,采用SPSS Modeler 18.0建立MLP神经网络智能辨证模型。结果 ①共收集到43个症状条目,KMO检验统计量为0.648,Bartlett的球形度检验近似卡方值为2332.572（P<0.05）。因子分析提取到7个公因子,结合临床经验总结出相应的证素,总结为7个核心单证,分别为肺血瘀、肺阴虚、心阴虚、胃阴虚,肺气虚、脾气虚、肾阳虚。②建立的小细胞肺癌智能辨证模型训练集正确率为92.63%,测试集正确率为62.79%。结论 因子分析可较为准确地提取小细胞肺癌中医证素,在此基础上通过神经网络算法建立的智能辨证模型能够提升小细胞肺癌中医辨证效率和精度。     

中医人工智能辨证研究现状与发展＊

目的 总结中医人工智能辨证领域的研究历史与现状、应用状况、所面临的挑战，为中医辨证智能发展提供帮助。方法 检索中国知网（China National Knowledge Infrastructure，CNKI）总库1980年-2020年人工智能与中医辨证相关文献，筛选出301篇，以时间为线索，从专家系统、机器学习、深度学习和知识图谱，对中医辨证算法研究进行分类；以地域为线索，结合文献计量学可视化分析，梳理出中医辨证人工智能地域发展态势。结果 通过三个阶段中医辨证算法的比较，机器学习的神经网络、决策树和贝叶斯等算法模型辨证准确率均值在90%以上，适用于中医辨证，未来深度学习与知识图谱在中医辨证方面极具潜力。结论 中医辨证信息化迅猛发展并处于持续深入的状态，但中医文本数据的处理和结构化工作滞后，缺乏评价系统来评判人工智能算法在辨证上的效果，需予以重视。     

上海社区老年人代谢综合征患者的中医体质分析＊

目的 了解上海社区老年人代谢综合征（MS）的危险因素及中医体质分布情况，为预防MS及其并发症的发生提供数据参考。方法 采用九种体质问卷，对社区1158例MS患者进行中医体质及危险因素分析。结果 女性人群中高血脂病史和骨质疏松症病史所占比例高于男性。MS各组成成分中，女性腰围、高密度脂蛋白以及甘油三酯的比例明显高于男性，并且有显著性差异。2463例老年人中MS患者1158例（47.02%），MS患者主要体质为痰湿质587例（50.69%），其次为平和质262例（22.63%），次之为阴虚质106（9.15%）。通过logistics回归矫正生活方式，既往史以及腰围、血压、血糖和血脂等MS高危因素后，发现痰湿质人群MS的患病率是平和质人群的1.6倍。结论 痰湿质是MS人群的独立危险因素，通过饮食和运动干预来纠正或改善痰湿质，降低MS的患病率，提高老年人的生活质量。     

基于红外光谱结合机器学习方法的牛膝不同炮制品及炮制程度的判别分析

目的 采用红外光谱技术结合机器学习算法建立牛膝Achyranthes bidentata炮制品类别与炮制程度的定性判别模型。方法 采集不同炮制品与不同炮制程度牛膝的中红外光谱（mid infrared spectroscopy，MIRS），运用BP神经网络（back propagation neural network，BPNN）、遗传算法优化BP神经网络（GA-BP）、随机森林（random forest，RF）、径向基神经网络（radial basis function network，RBFN）、卷积神经网络（convolutional neural networks，CNN）等机器学习算法建立牛膝炮制品类别与炮制程度的定性判别模型；采集不同炮制品与不同炮制程度牛膝的近红外光谱（near infrared spectroscopy，NIRS），使用TQ Analyst软件中的判别分析法建立牛膝炮制品类别与炮制程度的定性分析模型。结果 机器学习算法模型结果显示CNN判别模型较优秀，BPNN、RF及RBFN性能相近，GA-BP模型性能相对较差。3个NIRS定性模型结果显示验证集准确率均为100%，可准确预测炮制品类别与炮制程度。结论 通过红外光谱技术建立的定性分析模型可作为牛膝炮制品类别与炮制程度的鉴别手段。同时提供了快速、无损的检测手段及可靠的数据分析方法，为中药材炮制品类别与炮制程度精准识别提供新的方法参考。     

基于稳定同位素技术的竹节参产地识别研究

目的 利用稳定同位素质谱测定6个产区的竹节参Panax Japonicus中碳、氮、氢、氧4种同位素比率。方法 采用基于机器学习分类器的线性判别法（LD）,高斯核支持向量机（SVM）和基于神经网络工具箱的模式识别反向传播学习算法（BPN）对竹节参的产地进行判别。结果 结果表明,稳定同位素碳（d¹³C）具有明显的地域特征,可有效地区分竹节参产地;LD法和BPN法均能区分6个产地的竹节参,判定准确率均达100%。结论 基于稳定同位素技术并结合LD和BPN法能有效进行竹节参的产地溯源。     

基于舌脉象数据的决策树算法的非小细胞肺癌证候分类方法＊

目的 探究基于客观舌脉象数据的C5.0决策树算法的非小细胞肺癌典型证候分类方法的可行性，获取证候相关的客观舌脉象特征组合。方法 以337例非小细胞肺癌患者的气虚证与阴虚证客观化舌象数据及脉象数据为研究对象，采用特征属性筛选及C5.0决策树算法数据挖掘方法，构建基于客观舌脉象数据的非小细胞肺癌气虚证与阴虚证的证候分类模型。结果 基于脉象数据的模型分类准确率高于舌象数据，且基于单纯舌象数据或脉象数据的证候分类模型分类准确率低于基于舌脉联合的数据分类模型，舌脉联合数据的分类模型树深为5，从中筛选出了气虚证与阴虚证分类相关的7项重要属性及7条分类规则，模型分类准确率为80.37%。结论 现代化舌脉象数据可以为非小细胞肺癌证候分类提供新视角，基于特征选择与C5.0决策树算法的非小细胞肺癌证候分类方法是可行的。     

急性心肌梗死患者心血管危险因素分布情况的研究

〔摘 要〕 目的：探究急性心肌梗死（AMI）患者心血管危险因素分布情况。 方法：选取三明市第一医院 2017 年 2 月至 2020 年 2 月收治的 1350 例急性心肌梗死患者。收集患者的资料，进行问卷调查，分析急性心肌梗死患者，不同年龄、性别 的心血管危险因素分布情况。 结果：男性的肥腻饮食、早发心血管病家族史、合并血脂代谢异常、吸烟、平均体质量指数， 明显比女性高，差异具有统计学意义（P ＜ 0.05）；女性的平均年龄、缺乏运动、合并糖尿病、合并高血压，明显比男性高， 差异具有统计学意义（P ＜ 0.05）。≤ 55 岁的患者，肥腻饮食、早发心血管病家族史、合并血脂代谢异常、吸烟、平均体 质量指数、男性比例，比＞ 55 岁患者更高，差异具有统计学意义（P ＜ 0.05）。＞ 55 岁患者在缺乏运动、糖尿病方面、 合并高血压，比≤ 55 岁患者更高，差异具有统计学意义（P ＜ 0.05）。患者中，无任何可干预危险因素的患者有 8.22 %。 结论：不同年龄、性别的急性心肌梗死患者，心血管危险因素差异明显，部分心血管危险因素可以控制，大约 80 % 的患者 有不良生活方式，超过一半的患者有高血压、超重 / 肥胖、吸烟史，大部分患者的心血管危险因素可干预。     

预测高血压病患者合并慢性肾脏病风险的列线图模型构建

[目的] 分析高血压病患者中慢性肾脏病发生的相关风险因素,依次构建预测高血压病患者合并慢性肾脏病的列线图模型。[方法] 依托天津市基层医疗卫生信息管理系统,采用整群抽样方法,选取天津市北辰区2018年1月1日—2019年12月31日常驻居民健康体检资料,符合高血压病诊断、资料保存完整的4784例高血压病患者为研究对象,其中男2193例（44.67%）,平均年龄（66.38±10.10）岁;女2591例（55.33%）,平均年龄（67.52±8.80）岁。采用单因素分析及多因素Logistic回归分析方法筛选高血压病患者合并慢性肾脏病的风险因素并建立列线图模型。[结果] 单因素分析结果显示,年龄、性别、白细胞计数、中性粒细胞百分比、淋巴细胞百分比、空腹血糖、糖化血红蛋白、血肌酐、血尿素氮、三酰甘油、吸烟情况、饮食偏好、运动、高血压病程、糖调节受损、2型糖尿病、冠心病、陈旧性心肌梗死、新发房颤、脂肪肝、高尿酸血症、高血压病家族史、中医体质23个因素上存在统计学差异（P<0.05）,是高血压病患者合并慢性肾脏病的可疑风险因素;多因素Logistic分析显示,年龄、空腹血糖、血尿素氮、冠心病、新发房颤、高尿酸血症、高血压家族史、高血压病程、中医体质是高血压病患者合并慢性肾脏病的独立风险因素。利用以上9个风险预测指标构建了列线图模型,其一致性指数（C-index）为0.742,诊断灵敏度、特异性、准确度分别为63.18%、72.54%、84.26%,校正曲线显示模型预测效果与实际患病概率基本相同,临床决策曲线分析也显示列线图模型临床效能较好,尤其当阈值概率为0.14~0.63时,列线图模型可为患者带来临床净收益。[结论] 本研究依据高血压病患者合并慢性肾脏病发生的相关风险因素构建了列线图模型,经相关指标证实列线图模型具有较好的预测能力和临床效能,能准确、有效地预测高血压患者慢性肾脏病的发生风险,从而协助临床医师筛选高风险患者,制定针对性的干预措施,降低高血压病患者慢性肾脏病的发生率。     

基于因子分析的高血压病证候要素研究

[目的]研究不同危险程度的高血压病患者中医症状、舌脉象及证候要素分布。[方法]收集129例单纯高血压病与296例高血压病合并血脂异常和(或)糖尿病患者的四诊信息,保留出现率≥5%的四诊信息,采用因子分析提取公因子,由2名神经内科主任医师对公因子辨证,作为高血压病的证候要素。[结果]经因子分析发现22个公因子,分别是火、痰、瘀、风、气、血、阴、阳虚,单纯高血压病以气虚(16.28%)、火(15.50%)、瘀血(15.50%)为主要证候要素,高血压病合并糖尿病和(或)血脂异常以火(18.92%)、痰(17.23%)、瘀血(14.19%)为主。[结论]高血压病证素不外乎虚实两端,高血压病由相对低危到中高危,始终以火与瘀血为主。     

基于深度神经网络的原发性肝癌证型诊断分类预测模型＊

目的 基于深度神经网络建立原发性肝癌证型诊断分类的预测模型，并用其对原发性肝癌的病历数据进行证型诊断分类，再利用关联规则验证诊断分类预测结果的准确度。方法 从江西省中医院收集2014年1月-2019年6月临床诊断为“原发性肝癌”（首次就诊）的1176例电子病历，随机抽取976例病历作为训练集、200例作为测试集，根据模糊数学理论对训练集中的中医症状、体征和四诊信息等证型相关因子进行量化处理，再利用深度神经网络挖掘临床数据和证型之间的非线性关系，建立诊断分类预测模型，然后利用该模型对测试集进行证型诊断分类预测，并利用关联规则验证结果的准确性。结果 利用深度神经网络证型诊断分类预测模型，对测试集的证型预测准确率介于82.86%-92.76%，其中湿热蕴结证92.76%，肝郁脾虚证90.58%，气滞血瘀证87.41%，正虚瘀结证82.86%，肝气郁结88.09%，肝肾阴虚证91.28%，痰瘀互结证83.15%，脾虚湿困证90.24%；关联规则验证数据集的符合率介于75%-100%。结论 该模型较于其他预测分类模型，其数据处理更精细，结果更准确，更适用于中医证型分类的预测。该模型不仅为临床治疗原发性肝癌供了诊疗依据，更为中医辨证论治规律的研究提供了有益的借鉴。     

基于决策树的亚健康状态判定及其与中医体质分类相关性研究

目的:基于决策树模型,进行亚健康状态判定,并研究与中医体质分类的相关性。方法:对中国中医科学院广安门医院体检人员进行健康状态辨识与影响因素的调查,并经两名具有副主任医师以上职称的中医师判断:515例体检人群中,剔除疾病状态人群后,剩余健康9例(1.74%),可疑亚健康87例(9.07%),亚健康状态419(80.89%);采用SPSS 17.0决策树CART算法,对筛选后的影响因素进行决策树分析,归纳出模型的诊断规则,并采用10层交叉验证模型的识别正确率和体质归类。结果:经单因素分析提取有统计学意义的影响因素共66个,将其放入决策树模型,从中挑选出18个相关因素,25条诊断规则。10层交叉验证模型识别正确率为89.02%。结论:决策树模型能够较好的反应和识别亚健康状态,且决策树模型中医体质分型与亚健康状态偏颇体质人群符合率为59.46%,平和质人群则只有40.54%,因此偏颇体质可能是影响亚健康状态的基础因素,从而为疾病的体质预防提供一定的依据,也为临床研究亚健康及辅助诊断亚健康提供思路。     

基于LASSO回归构建针刺治疗缺血性卒中预后模型

[目的]建立和评估接受针刺治疗缺血性卒中患者预后改善的临床模型。[方法]选取2021年2月—2022年4月就诊于天津中医药大学第一附属医院针灸科住院部的患者,结合患者人口统计学资料、既往病史、入院情况及治疗因素,基于LASSO回归筛选预测因素构建Logistic回归模型,采用列线图对模型进行可视化呈现。[结果]本研究以年龄、高血压病病史、接受康复治疗的情况及发病3个月内针刺次数建立模型预测患者发病3个月改良Rankin量表改善状况。采用Bootstrap法对模型进行内部验证,模型ROC曲线下面积为0.747,Hosmer-Lemeshow拟合优度检验P值为0.52,DOC临床决策曲线的阈值率为29%~88%,说明模型具有较好的区分度、校准性及临床获益度。[结论]基于LASSO回归构建针刺治疗缺血性卒中预后模型具有较好的临床应用价值。     

Application of an extreme learning machine network with particle swarm optimization in syndrome classification of primary liver cancer

ObjectiveBy optimizing the extreme learning machine network with particle swarm optimization, we established a syndrome classification and prediction model for primary liver cancer (PLC), classified and predicted the syndrome diagnosis of medical record data for PLC and compared and analyzed the prediction results with different algorithms and the clinical diagnosis results. This paper provides modern technical support for clinical diagnosis and treatment, and improves the objectivity, accuracy and rigor of the classification of traditional Chinese medicine (TCM) syndromes.MethodsFrom three top-level TCM hospitals in Nanchang, 10,602 electronic medical records from patients with PLC were collected, dating from January 2009 to May 2020. We removed the electronic medical records of 542 cases of syndromes and adopted the cross-validation method in the remaining 10,060 electronic medical records, which were randomly divided into a training set and a test set. Based on fuzzy mathematics theory, we quantified the syndrome-related factors of TCM symptoms and signs, and information from the TCM four diagnostic methods. Next, using an extreme learning machine network with particle swarm optimization, we constructed a neural network syndrome classification and prediction model that used “TCM symptoms + signs + tongue diagnosis information + pulse diagnosis information” as input, and PLC syndrome as output. This approach was used to mine the nonlinear relationship between clinical data in electronic medical records and different syndrome types. The accuracy rate of classification was used to compare this model to other machine learning classification models.ResultsThe classification accuracy rate of the model developed here was 86.26%. The classification accuracy rates of models using support vector machine and Bayesian networks were 82.79% and 85.84%, respectively. The classification accuracy rates of the models for all syndromes in this paper were between 82.15% and 93.82%.ConclusionCompared with the case of data processed using traditional binary inputs, the experiment shows that the medical record data processed by fuzzy mathematics was more accurate, and closer to clinical findings. In addition, the model developed here was more refined, more accurate, and quicker than other classification models. This model provides reliable diagnosis for clinical treatment of PLC and a method to study of the rules of syndrome differentiation and treatment in TCM.     

基于因子分析的高血压患者中医证候探讨

[目的]探讨高血压患者的中医常见证型、证候要素及复合证型的分布情况。[方法]采用问卷调查的形式,搜集不同地区的高血压患者,经数据清洗后得到787例有效问卷,经统计患者的症状出现频次,将53个全身症状和舌象、脉象的四诊信息进行因子分析,得出高血压患者的证候要素、病位、舌脉等信息。结合两者的情况进行复合证型的判断,总结出患者的实际证型分布及常见复合证型的特征。[结果]四诊信息出现频次大于50%的有18个。因子分析提取16个公因子后,分析高血压患者证候要素,病性包括:火热、痰湿、瘀血等。病位以肝为主,涉及肾、心、脾胃等脏腑。中医证型主要以肝阳上亢证、肝肾阴虚证、气虚血瘀证等为主。复合证型多为虚实夹杂,兼夹痰浊、瘀血等。[结论]高血压患者以阴虚阳亢证、气虚血瘀证、肝火上炎证为主,与肝肾有密切关系。