排序方式: 共有116条查询结果,搜索用时 15 毫秒
1.
目的 丁书文教授创新性地提出了心系疾病热毒学说,运用益气活血解毒法治疗房颤疗效显著。本研究以丁教授多年的处方数据为基础,探讨丁教授益气活血解毒法治疗房颤的用药规律。方法 收集来自山东中医药大学附属医院门诊系统的丁书文教授处方数据,筛选出治疗房颤的372个处方,采用关联规则、点式互信息、复杂网络等数据挖掘方法对丁教授的药物配伍和处方进行分析。结果 本研究利用复杂网络分析方法获得了丁教授治疗房颤的核心处方,提示益气活血解毒法是其主要治则治法;利用处方相似性和社团分析方法,获得15组类方,其中3种类方与丁教授总结的三大治法高度符合;为探寻丁教授清热解毒配伍特点,结合关联规则和点式互信息算法,获得了10个丁教授清热解毒配伍药对。结论 数据挖掘技术提供了名医处方数据分析与提炼的可行方法,对丁教授经验的传承和临床应用提供直接可靠的依据。 相似文献
2.
目的 收集并整理林慧娟教授多年诊治心系疾病临床处方资料,对林教授辨证诊治心系疾病的常用中药配伍规律进行深入分析与研究,总结其在治疗心系疾病方面的临床经验,为挖掘和继承名老中医学术经验提供借鉴与参考。方法 收集林慧娟教授于2011年1月-2019年6月在山东中医药大学附属医院门诊系统中的处方数据,筛选后保留10942个处方数据。采用频数分析、点式互信息、关联规则等数据挖掘分析方法对林教授临床处方数据资料进行药物配伍分析。总结林慧娟教授在诊治心系疾病的用药规律。结果 林教授在诊治心系疾病中,以高血压病、冠心病及心律失常患者较多,发现林教授共使用中药397味,并对中药频次进行排序,获得17对主要配伍药对,与林教授临床诊治心系疾病的经验高度吻合。结论 点式互信息、关联规则等数据挖掘分析方法可分析林慧娟教授治疗心系疾病得学术经验,为名中医传承研究提供服务。 相似文献
4.
目的:命名实体识别在自然语言处理中是最基本的任务之一,本文通过应用深度表示的方法实现临床上的现病史数据的自动标识。方法:本文随机选取了10 426条现病史句子作为主要的文本研究对象,分别用词嵌入(word2vec)和网络结构特征(node2vec)两种构建向量的方法生成不同的词向量特征,再在基于条件随机场(Conditional Random Field,CRF)和结构化支持向量机(Structured Support Vector Machines,SSVM)的方法上进行十重交叉验证,计算并比较基于深度表示的症状表型命名实体抽取的性能。结果:传统的CRF算法的三个评价指标(准确率,召回率,F 值)为(0.888 9,0.786 9,0.834 8);基于WENER方法下的CRF和SSVM的评价指标为(0.975 0,0.984 9,0.979 8)和(0.992 8,0.988 9,0.990 8);在GENER方法下基于词的CRF和SSVM算法的三个评价指标为(0.972 8,0.976 8,0.975 2)和(0.983 3,0.974 5,0.978 8);GENER方法下基于字的CRF和SSVM算法的评价指标为(0.927 8,0.862 8,0.887 9)和(0.943 7,0.946 8,0.941 3)。结论:深度表示的命名实体抽取算法性能要比传统的非深度表示的命名实体标识算法性能好。另外,通过比较深度表示的两种算法的性能后发现,无论是基于word2vec生成的词向量还是基于node2vec生成的词向量,SSVM模型算法性能均优于CRF算法的性能。 相似文献
5.
6.
7.
<正>肝脾不调证是由肝脾两脏功能失调形成的,以肝失疏泄、脾失健运为核心病机的临床常见证候,是临床常见证型。调和肝脾是名老中医的常用治法,一般多以逍遥散为主方。但由于本证兼证复杂,病机转化多端,临床用药加减变化十分灵活。笔者拟通过名老中医肝脾不调医案,应用关联规则等方法对其针对肝脾不调证的用药规律进行分析。1资料1.1病例纳入标准纳入标准以名中医本人对证候的判断为主;同时参照《中 相似文献
8.
9.
为保证基于临床科研一体化技术平台的中风等疾病中医药临床诊疗研究的数据完整准确、高度结构化和利于分析,首先对于不同医院的电子病历进行模板审核、数据录入、合并解析。其次经过ETL转换、合并、抽取等过程,实现对各家医院的数据整合,保证数据完整、准确,及时导入细节数据仓库。通过人工和工具筛查并修改数据,最终取得高质量的可用于数据挖掘的数据,为实现临床科研一体化的理念目标服务。 相似文献
10.