基于Apriori算法的“证-症-方-药”关联模型的研究与设计

论文旨在发现中医诊治中的多维关联关系.介绍了关联规则算法的基本原理,并将关联规则发现算法引入中医诊治关系数据挖掘中.结合Apriori算法设计了中医治疗中“证-症-方-药”之间关联关系的挖掘模型.设计的模型能从海量数据中挖掘出专家治疗疾病的宝贵经验,为临床诊治和科学研究提供依据.     

利用效用度挖掘核心药物及配伍规律

中药方剂（traditional Chinese medicine formula,TCMF）是中医治疗的一种主要手段。然而一首方剂往往包含多种草药,这其中只有几种草药对治疗特定的病症起重要作用。因此,找出方剂中的核心药物和其配伍规律对研究中药方剂有非常重要的意义。针对该问题,提出了一种基于效用度（effect degree,ED）的核心药物及配伍规律发现方法。该方法包含三个主要步骤,分别是基于药物效用度的核心药物发现算法、基于带药对效用度的点式互信息（pointwise mutual information with herb pair ED,PMIED）的药物组网算法、基于重叠社团的高效药物配伍规律发现算法。通过实验,发现了肺痿方剂的42种核心药物和30种药物配伍,经分析和中医专家确认,42种核心药物对肺痿确有良好疗效,30组药物配伍中有26组符合药物配伍关系且对肺痿有良好疗效。     

一种基于带权无向图的中医方剂频繁项集挖掘算法

根据中医方剂数据的特点,将频繁项集发现算法应用到中医方剂的研究中,挖掘治疗消渴病胃火炽盛症型的方剂中不同药对之间的关联规则以及核心药物组合,提出一种基于带权的无向频繁项集图的挖掘算法。该算法可以快速挖掘频繁k-items(k≥3),并随之快速回溯频繁项集所对应的方剂,从而完成了中医方剂数据特点的快速数据挖掘。通过实验表明,该算法避免产生大量候选项集,提高了中医方剂数据挖掘效率,对完成中医消渴病方剂信息的用药规律分析具有重要意义。     

高效中药关联规则发现算法研究及应用

将关联规则发现算法引入到中药配方数据库的数据挖掘中,以求发现方剂中单方之间的关联规则及中药中的药对药组,可以为中药中新药的研制提供重要依据。由于常用的关联规则发现算法：Apriori算法存在多次扫描数据库的缺陷,提出了一种基于矩阵的关联规则发现算法：Apriori_Matrix算法,该算法优化了Apriori算法中集合连接过程多次比较所花费的时间,可极大地提高关联规则挖掘的效率。针对中药数据库中单方的种类有限、配伍规则各不相同、同一种病症对应多种方剂的情况,改进算法有助于缩短新药研制的周期。     

关联规则研究及在中风诊治中的应用分析

为了更好地促进国粹中医药的研究发展,文中研究了关联规则及实现该技术的代表算法Apriori和FP-growth。收集了临床出现的各种中风症状,整理了历代医家在诊治中风过程中使用的方剂、药物,采用基于Apriori算法的关联规则技术对其挖掘,萃取出有利于医学研究的知识。通过挖掘得到的药物高频项集及药物之间的依赖关系,发现了一些治疗效果较好的药和药对;通过症状与药物之间的依赖关系,发现了治疗高频症状的核心药物;这将对中风的诊断和治疗提供有力的支持。     

基于文本挖掘技术的高血压用药规律研究

大数据时代的来临日益凸显数据挖掘技术的价值。文本挖掘作为数据挖掘的研究分支,对非结构化数据的知识发现有重要意义。高血压患病人群广,发病率高,治疗药物种类繁杂,寻找其中的用药规律,是临床医学的一个重要方向。基于文本挖掘技术,从在线医疗网站获取医患互动论坛数据,进行文本预处理,基于TF-IDF算法发现高血压常用中西药、非药物治疗、并发症用药特点等,结合关联规则算法挖掘"症-药"关系,有益于高血压的临床判断及用药研究。另外,验证了在线医疗网站医患互动数据用于疾病研究的可用性和效果。     

面向复杂网络的中药方剂配伍规律挖掘算法

针对传统方剂配伍规律分析方法的不足,提出一种面向复杂网络的新型中药(traditional Chinese medicine,TCM)方剂配伍规律挖掘算法。根据中药方剂特性并结合点式互信息构建TCM网络模型,结合TCM网络的小世界特性提出TCM网络的局部适应度模型,分析TCM网络的特性并挖掘TCM网络中配伍关系紧密、相似度较大的药物群。以4 000余首经典方剂作为实验对象,验证了所提方法具有较好的有效性,与经典LFM(local fitness measure)算法对比,平均模块度值提高了0.05,为中药方剂的配伍规律进行探索及新药研发提供了新思路。     

基于Petri网的中医脏腑与肺经五腧穴的建模

中医针灸疗法副作用少,对未病及疑难杂症有独到疗效,可以说是西医所望尘莫及的.研究通过Petri Net控制理论探索中医针灸学中的"效能"和"症"的对应关系来勾连肺经与五脏六腑,建立融合了传统阴阳五行说的Petri Net"脏腑-肺经"模型.在阐明人体经络机制的基础上对其功效作出量化定义,并力求确立仿真的新途径.通过对模型的静态结构与动态行为的分析,验证肺经五腧穴的运行机制为研究目的.研究以定量方法解释中医传统治疗方案,加之崭新的构思,为临床选穴与发现新的治疗位提供参考,试图找到更加坚实的科学依据.     

基于贝叶斯方法的中医“症-证”分析

中医“症-证”分析在中医诊断学和中医证候分析中非常重要。该文以数据挖掘技术为手段对选取的古方进行“症-证”研究,对古方的主治症状进行规范,挖掘“症-证”之间的关系,从而判定方剂的主治证、兼治证。为了挖掘中医“症-证”之间的关系,提出了基于KNN的挖掘算法和基于贝叶斯的挖掘算法。对比实验证明,基于贝叶斯方法正确率达到65.76%,高于KNN的62.50%。     

双向关联规则挖掘及其相关性分析

分析了关联规则挖掘存在的3个问题：①不能有效地发现低支持度高置信度的有趣规则;②不能确定“相互依赖”的规则,如中药方剂中的药对药组;③找到的规则并不一定是有趣的,甚至是错误的。鉴于此,提出了双向关联规则挖掘,并对其进行了相关性分析。最后,将新方法用于中药方荆配伍规律的研究中,发现了大量具有重要意义的药对药组,证明新方法能很好地解决上述问题。     

面向语义检索的中医理论知识库构建方法的研究

知识资源的建设在语言信息处理中具有重要作用,中医基础理论知识库建设是进行中医文献处理和语义计算的基础工作。该文在分析中医基础理论术语特点的基础上,借鉴HowNet的构建思想,提出一种基于KDML的中医基础理论知识库构建方法。包括知识库构建过程中的义原选择方法及关系获取方法。     

基于Hadoop的中医哮喘用药组合关联分析

针对传统平台运行Apriori算法来挖掘中医病案中用药组合规律时,存在着占用内存空间大、计算效率低和PB级数据无法处理等问题,提出基于Hadoop的中医哮喘用药组合关联分析方法。采用Mapreduce分布式计算框架和HBase分布式数据库优化Apriori算法性能：一方面使用Mapreduce计算框架并行处理数据,借助HBase高速读写数据的特性,加速频繁项集的产生;另一方面摒弃传统算法中的自连接产生候选项集方式,对每个节点上的数据,使用循环和递归相结合的方式产生候选集,提高候选集产生的效率。实验结果证明,借助基于Hadoop的中医哮喘用药组合关联分析方法挖掘中医药组合规律,效率更高,能更有效地指导临床实践。     

基于中医网络的中心性算法研究

中医概念之间的关系极为复杂,采用传统的基于简单数据集的数据挖掘方法显得力不从心.考虑到中医数据的特点,提出了一种基于图结构的挖掘方法,将中医对象之间的复杂关系和潜在的信息提取出来.首先,通过自然语言处理从医案中抽取出的中医概念与中医本体知识库匹配得到中医的知识网络.然后将该中医网络抽象成数学表达方式--图,利用图论的算法来处理.最后,采用中心性算法来分析中医网络,找出在中医诊断网络中具有重要作用的症状.     

一种新的关联规则挖掘算法研究 *

:通过分析数据关联的特点和已有的关联规则挖掘算法 ,在定量描述的准确性和算法高效性方面作了进一步研究 ,提出了更准确的支持度和置信度定量描述方法和关联关系强弱的定量描述方法。同时 ,改进了 FP-growth挖掘算法 ,并应用于中医舌诊临床病例数据库挖掘实验中 ,可成功准确地提取中医舌诊诊断规则。测试结果表明该算法速度快、准确度高。     

TCM clinic records data mining approaches based on weighted-LDA and multi-relationship LDA model

As an important part of traditional medicine, TCM (Traditional Chinese Medicine) has unique and distinct clinical effects in the aspect of disease diagnosis and treatment. Thousands of years of TCM treatment has accumulated abundant clinical data and medical literatures, including valued TCM theories and clinical practice rules. Researchers have conducted various methods such as clustering analysis, association rules and regression analysis to study TCM theory. However, none of them could reflect well the semantic complexity of TCM and systemic characteristics of TCM treatment. This paper conducted a research on the inherent rules of TCM clinic records with a topic model. On the basis of LDA model, weighted mechanism was adopted for each feature word to improve the distinguishing ability and interpretability between the topics. Meanwhile, the modeled topic is taken as the feature for the classification of SVM (Support Vector Machine) to improve the classification accuracy. The topic number of LDA topic model is confirmed by the KL distance and similarity between the topics. After analyzing the relationship between topic model and TCM differentiation and treatment, MULTI-RELATIONSHIP Topics LDA MODEL was proposed on the basis of LDA model and Author-topic model to automatically extract the topic structures between the four parties and explore the relationship of the multiple parties with clinical significance. In the meantime, relevancy between the parties and the feature word weighted mechanism are used to improve the MULTI-RELATIONSHIP Topics LDA MODEL and the classification accuracy of the topics. The experiments showed that analysis of clinical data with topic model can extract TCM treatment rules and provide a novel theoretical method for TCM clinical research.     

中医方剂与图集的转换方法

中药复方数据挖掘研究是将我国丰富的中药信息资源和现代最新信息技术相结合的重要内容,它意味着基于中医理论,利用知识发现技术,对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究。图作为一种经典的数据结构,被广泛用于复杂数据结构分析与建模。文章探讨了图建模技术并实现了中医方剂与图集的转换。     

AdaBoost算法在中医舌诊图像分区识别中的研究

舌诊是中医传统诊断的一个重要方式.本文以模式识别、图像处理和中医舌诊理论为研究基础,结合中医诊断规则,提出舌象的分区训练识别方法,并采用一种新的基于集成学习的AdaBoost算法,构建出一套完整的、符合中医诊断体系规范的舌象分类识别算法.通过实验验证,该方法对中医舌诊分类识别是有效的.     

融合降噪自编码器与BPSO的特征组合方法及其中医应用

离散二进制粒子群算法（BPSO）在各种离散优化问题中有着诸多优势,但其很容易由于非线性的问题陷入局部最优解,无法得到最佳特征子集。而降噪自编码器可通过多层非线性网络进行映射与重构,对中医药数据有良好的处理效果。因此提出了一种融合降噪自编码器与BPSO的特征组合方法,该方法主要是利用降噪自编码器对特征进行非线性映射形成超完备基,然后在超完备基中通过BPSO进行搜索,从而得到最佳特征子集。分别采用临床糖尿病数据集和UCI数据集进行分析处理,实验结果表明,融合降噪自编码器与BPSO的特征组合方法对中医药临床实验数据有较好的适应性。     

中医药数据预处理方法的设计与实现

中药作为一种天然药物,它由我国传统使用的植物、动物和矿物药及其成药组成,由于中药文化的地区差异使得中药中的不确定性较高,因此将关联规则发现算法应用于原始中药专利数据库发现规则,存在一定的难度。阐述了一套规范原始中医药数据的处理方法,改进了数据质量,使得数据挖掘技术可以在预处理后的中药方剂数据库中成功地发现中药单方之间的配伍规律,为研制中药新药提供决策信息。