脾虚证诊断信息数据挖掘的初步探讨论文

《脾虚证诊断信息数据挖掘的初步探讨论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、脾虚证诊断信息数据挖掘的初步探讨论文【摘要】中医辨证时所要运用的证候信息复杂繁多，而数据挖掘能从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识。将数据挖掘技术运用于脾虚证的诊断研究当中，计算1564例病人证候及证候组对脾虚证诊断的贡献率，在此基础上，根据参数建立一个自变量证候(x)和应变量证(y)的数学模型，为今后辨证的现代化、计量化、智能化提供了方法。【关键词】脾虚证;数据挖掘;中医现代化1理论基础随着Inter的产生和应用.freel个互

2、相排斥的证型D1，D2，…，Dm中作出鉴别，各证型的事前概率分别为P(D1)，P(D2)，…，P(Dm)，则医生在辨证前对病人证型的不肯定大小，就是信息源的熵：H(X)=-mi=1P(Di)logP(Di)(1)辨证过程中信息源的熵就是在辨证前对病人所属中医证型的不肯定性的大小,每获知一个证候表现，对病人证型的不肯定性即熵就减少。每一个证候所带的信息量是不同的，证候所带的信息量越大，该证候的辨证价值就越大，每个证候对辨证的贡献率就不同。辨证时获得的n个互斥的证候s1，s2，…，sn，医生在获知病人证候表现sj

3、的情况下，推断病人证型的不肯定性，便有H(X)降为H(X

4、sj)：H(X

5、sj)=-mi=1P(Di/sj)logP(Di/sj)(2)于是证候sj带给医生的信息量为：T(X,sj)=H(X)-H(X

6、sj)(3)假定s1，s2，…，sn出现的概率分别为P(s1)，P(s2)，…，P(sn)，那么平均说来，获得证候S，可使病人证型的熵有H(X)降为H(X

7、S)：H(X

8、S)=nj=1P(sj)H(X

9、sj)(4)而证候S带给医生的平均信息量为：T(X,S)=H(X)-H(X

10、S)(5)这样，我们可以求出各个

11、证候对证型的贡献率为：λi=T(X,S)H(X)(6)在计算了每一个证的证候的诊断贡献率λi后，找出当中诊断贡献率最大的证候作为原始生成元，然后分别求出其他证候与此生成元的条件概率即P(sj

12、si)i=N(sj∩si)N(si)，在这里的条件概率就是共同出现证候sj和si的病例数与出现证候si的病例数的比值。如果两个证候共同出现的概率大，则它们共同的信息贡献率就不会大，不妨剔除条件概率大于0.5的证候，其余证候按诊断贡献率的大小排列，每次选出一个证候与原始生成元作为证候组，按照计算单个证候对证的诊断贡献率的方法

13、计算出此时证候组对证的诊断贡献率。3结果依据上述公式(1)～(6)式求出各证候或证候组对脾虚证的诊断贡献率λi,见表1,2。4结果我们计算了脾虚证各个证候和证候组的诊断贡献率，如S21食欲减退对脾虚证的诊断贡献率最大(22.74%),绝大多数证候的诊断贡献率小于10%，说明中医在辨证中如果只有单个证候几乎没有可能作出对证型的诊断，也即没有西医所说的金标准。中医的辨证需要一定证候的组合才能作出正确的证型诊断。作为原始生成元的S21食欲减退和S19食后腹胀喜按所组成的证候组对于脾虚证的诊断贡献率最大(75%)，并不

14、是两者诊断贡献率相加之和，证候组的诊断贡献率不是单个证候的简单相加，说明中医证候内部存在复杂关系，相互影响和作用的。表1各个证候对脾虚证的诊断贡献率表2证候组对脾虚证的诊断贡献率中医辨证是一个复杂的过程，由于辨证过程中要运用的信息复杂繁多，同时中医许多证候信息的表达本身就具有不确定性和模糊性的特点,证候信息所体现出的客观不完整和描述疾病的主观不确切,形成了中医证候信息的复杂性。辨证是中医学中最富有特色的科学精华，而中医辨证标准的研究，对于发展中医理论及提高临床诊治水平，具有极其重要的意义。数据挖掘是从大量的、不

15、完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。将数据挖掘技术运用于脾虚证的诊断研究当中，在此基础上，根据参数建立一个自变量证候(x)和应变量-证(y)的数学模型，为今后辨证的现代化、计量化、智能化提供了方法。【