欢迎来到天天文库
浏览记录
ID:31778718
大小:68.33 KB
页数:14页
时间:2019-01-18
《基于数据挖掘名老中医经验传承探究述评》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于数据挖掘名老中医经验传承探究述评[摘要]数据挖掘又称数据库知识发现,是从海量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。近年来,数据挖掘在中医药研究领域的应用日益广泛,特别是在名老中医经验传承领域发挥着重要作用。该文对关联规则、贝叶斯网络、神经网络、决策树、复杂系统炳方法等数据挖掘方法在名老中医经验传承研究中的应用进行总结,并对常用研究方法的优势和不足进行剖析,指出将数据挖掘方法进行集成而开发相应的软件,是其重要的研究方向。[关键词]数据挖掘;名老中医;经验传承名老中医是中医药学术发展的杰出代表,是联系传统和实现中医发展的灵魂,名老中医经验的总结和传承不仅能丰富中医学
2、的理论体系,还能为中医药学术进步产生巨大的推动作用,也是培养造就新一代名中医的重要途径之一。因此,总结名老中医的临床经验、用药规律和学术思想,对中医药的薪火相传具有重要的理论意义和应用价值,也是中医药创新发展的源泉。数据挖掘(datamining,DM)又称数据库知识发现(knowledgediscoverindatabase,KDD),是指从数据库的大量数据中揭示出隐含的、未知的并有潜在价值的信息的非平凡过程。采用数据挖掘技术对名老中医学术思想和临证经验进行研究,可以全面解析其中的规律,分析名老中医个体化诊疗信息特征,提炼出临证经验中蕴藏的新理论、新方法、新知识,实现名医经验的有效总结与
3、传承。自从基于信息和数据技术的名老中医临床诊疗经验研究思路提出以来,利用多种数据挖掘技术对病案进行分析的研究报道与日俱增,在名老中医经验传承领域发挥着重要作用[1-3]o本文中,笔者结合多年从事数据挖掘研究的经验与体会,并借鉴国内同行的相关研究成果,对数据挖掘在名老中医经验传承研究中的应用进行论述,希冀为数据挖掘方法在名老中医经验传承领域的进一步深入应用提供参考。1名老中医经验传承研究中数据挖掘方法的应用1.1关联规则关联规则(associationrules)是从大量的数据中挖掘发现项集之间有意义的关联,并寻找给定的数据集中项之间的有趣联系的一种算法。常用的关联规则算法包括Apriori
4、算法、FP-树频集算法等[4-6]o吴荣等采用关联规则算法对名老中医治疗冠心病的用药规律进行数据挖掘。结果显示,治疗冠心病处方中最常用的中药是丹参、瓜萎、川苇,最常用的方剂是瓜萎薙白类方、活血通脉剂及生脉散[7]。刘晓怡等釆用关联规则方法对李佃贵教授辨治慢性萎缩性胃炎医案进行数据挖掘,得出李佃贵教授诊治慢性萎缩性胃炎最常用的药物是茵陈、黄连[8]。田琳等采用关联规则算法对名老中医诊疗眩晕病辨证思维模式进行数据挖掘,得出眩晕病的证候多为风阳上扰、肝肾阴虚、痰浊上蒙、肝肾阴虚、气血两虚等,病因病机多为虚、风、痰、瘀等,发病与肝、肾、脾三脏关系密切[9-10]o笔者采用关联规则方法对国医大师颜正
5、华教授治疗胃舵痛用药规律进行数据挖掘,得出颜正华教授在治疗胃脫痛过程中常用药物为陈皮、佛手、香附、白芍、鍛瓦楞子、赤芍、当归、丹参等,使用频率前3位的药对是佛手、陈皮,陈皮、香附,佛手、香附[11-12]o作为在名老中医处方规律研究中使用最广泛的数据挖掘算法,关联规则具有明显的优点,如它可以产生清晰有用的结果,支持间接数据挖掘,可以处理变长的数据等。但是,关联规则也有其不足,如计算量增长相当严重,难以决定正确的数据,容易忽略稀有的数据等。1.2贝叶斯网络的应用贝叶斯网络(Bayesiannetwork)是一种以贝叶斯公式为基础的概率网络,是一个有向无环图,由代表变量结点及连接这些结点的有向
6、边构成。贝叶斯网络可以将具体问题中复杂的变量关系在一个网络结构表示,通过网络模型反映问题领域中变量的依赖关系[13]o吴荣等利用贝叶斯网络技术对名老中医治疗冠心病辨证规律进行数据挖掘,提取出名老中医诊疗冠心病、心绞痛的8个证候要素[14]。须义贞等采用贝叶斯网络和方剂智能分析软件对沈仲理教授诊疗子宫肌瘤医案进行数据挖掘,得出沈仲理教授诊疗子宫肌瘤善用活血化瘀、清热软坚法,常用治疗药物包括三棱、莪术、丹参、半枝莲、蚤休等[15]o贝叶斯网络具有分类、聚类、因果分析等功能,面对大规模数据有其独特的优势,具体包括:①学习机制高效灵活,可发现潜在的有用的模式或者联系,实现对数据实例的分类、聚类、预
7、测;②语义清晰,易于理解和接受,具有良好的预测能力;③有效避免对数据的过度拟合;④贝叶斯网络可将先验知识、样本,主观、客观有机结合起来,更加全面反映数据对象内在的联系和本质[16-17]o1.3神经网络的应用人工神经网络(artificialneuralnetwork,ANN)是由大量处理单位(即神经元,neurons)广泛连接而成的网络,是人工建立的以有项图为拓扑结构的动态系统,通过对连续或断续的输入作状态响应而进行信
此文档下载收益归作者所有