分形(fractal)这个词最初由曼德尔布罗特(BBMandelbrot)提出，它来源于拉丁语“fractus”，含义是“不规则”和“破碎”。分形的概念真正解决了“海岸线长度的问题”步入了科学的殿堂。分形具有自相似性和无标度性两个特点。它既可以是几何图形，也可以是由“功能”或“信息”架起的数理模型。 按照分形理论，分形体系内任何一个相对独立的部分，在一定程度上都是整体的再现和缩影。最初的分形，是指局部与整体在形态和结构上的自相似性，进一步将自相似性的概念进行扩充和充实，把信息、功能和时间上的相似性也包括在自相似之中，这就是广义分形。 中医的特点是整体观念，非常重视局部与整体的关系。如舌象是人体的病理过程在舌局部的反映，人的各个脏腑也能在耳这个局部找到对应的部位。这些都与现代分形学的理念不谋而合。中医学一个非常重要的特点是辨证论治，在辨证的过程中，医者通过获得的证候来辨出证型。理论上，如果所得到的证候足够多，而且对辨某证的依据完全充分，那么这些证候与证型便是100％相似，实际上证候与证的相似程度在0和1之间，不可能等于1，只能极限等于1。在这样一个通过证候来辨别证型的过程，是一个获取信息的过程，各个证候与证型之间具有一定程度自相似性，证候组合与证之间也具有自相似性。所以中医辨证具有分形的特征。 历代医家对中风的病因病机及辨证的认识，可谓是仁者见仁，智者见智。这也许是我们至今尚不能规范和统一中风辨证的根本原因。人们普遍认为中风按病因病机分类可以分为风证、火热证、痰证、血瘀证、气虚证和阴虚阳亢证。 本文根据中医辨证的信息分形特征，利用信息评价方法筛选出中风各证型中包含的证候，并计算证候及证候组对各证型的诊断贡献率，依据这个参数建立中风辨证过程的数学模型，这样在平时的临床辨证中就可以抓住辨证过程中的主要信息(证候)，尽量避免没有诊断价值的证候的干扰，大大提高了辨证效率。为今后中医辨证信息化、计量化和智能化提供一条思路。进一步的，以这些证候组的信息作为参数，可以建立计算机智能辨证系统，使辨证的客观性得到很大提高。 设中医辨证对某一证完全确定为1，完全否定为0。每一证是由n个证候组成，每一个证候都对辨证提供了信息，量化起来就是信息量，用信息贡献率λ(0≤λ≤1)来表示，证候与证的关系，也是局部与整体的关系，可以纳入信息分形的范畴。证候的信息贡献率反映了局部与整体，也就是证候与证的相似程度。我们利用分形理论来研究中医的辨证，找到各个证所包含的最具诊断价值的证候组，从而避免没有价值的证候信息，提高辨证的效率和准确性。 本研究所选病例来自2004年-2005年中山大学附属第二医院神经内科和中医科住院中医诊断为中风的病人。 中医诊断标准参照国家中医药管理局脑病急症科研组《中风病辨证诊断标准(试行)》。 建立调查表并获取证以及证候信息后，进行数学计算。因为：辨证是一个信息过程，病人是信息源(X)，医生是信息的接受者(Y)，设辨证是在m个互相排斥的证型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)=-m∑i=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的情况下，推断病人证型的不肯定性，便有H(X)降为H(X|sj)： H(X|sj)=-m∑i=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|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|S)：H(X|S)=n∑j=1P(sj)H(X|sj)(4)而证候S带给医生的平均信息量为：T(X，S)=H(X)-H(X|S)(5)这样，我们可以求出各个证候对证型的贡献率为：λi=T(X,S)/T(X)(6)在计算了每一个证的证候的信息贡献率λi后，找出当中信息贡献率最大的证候作为原始生成元。生成元就是构成整体的相对独立的部分，生成元可以通过一定的规则或内部关系构成整体。我们以原始生成元为基础扩展，不断地加入新的信息(证候)，形成信息组。以其找到这样的一个证候组合，包含的证候个数少，提供的信息量大。也就是说，该证候组合能够与整体也就是证在信息分形方面最大程度地相似。在各个证型中，分别令诊断信息贡献率最大的那个证候为原始生成元，然后分别求出其他证候与此生成元的条件概率即P(sj|si)=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，筛选出一个证候与原始生成元作为证候组，再以此为生成元，按照上述方法加入新的证候，如此循环，直止不能再有新的证候加入，此时的证候组便是对该证型最具诊断价值的证候组，按照计算单个证候对证的信息贡献率的方法计算出此时证候组对证的信息贡献率。 得出的结果是：对辨证风证起主要作用的几个证候是：言语蹇涩、起病急、感觉麻木、肢体拘急，同时具备这四个证候，那么诊断风证的概率为：91.831％。其中各个证候对风证的诊断贡献率分别为：8.204％、5.489％、5.041％、3.917％。 对辨证火热证起主要作用的几个证候是：舌红、发热、脉数、口渴，同时具备这四个证候，那么诊断火热证的概率为：82.049％。其中各个证候对火热证的诊断贡献率分别为：6.594％、5.089％、4.665％、4.495％。 对辨证血瘀证起主要作用的几个证候是：舌有瘀点、心悸、脉涩或结代、面色晦暗，同时具备这四个证候，那么诊断血瘀证的概率为：69.846％。其中各个证候对血瘀证的诊断贡献率分别为：9.619％、6.216％、5.441％、5.382％。 对辨证痰证起主要作用的几个证候是：鼻鼾、头身困重、脉滑或濡、舌苔厚，同时具备这四个证候，那么诊断痰证的概率为：75.092％。其中各个证候对痰证的诊断贡献率分别为：8.906％、7.287％、6.618％、1.310％。 对辨证气虚证起主要作用的几个证候是：精神萎靡、舌淡、自汗、小便清长、舌有齿痕、舌胖大，同时具备这六个证候，那么诊断气虚证的概率为：69.045％。其中各个证候对气虚证的诊断贡献率分别为：16.218％、8.314％、6.328％、5.735％、5.283％、5.007％。 对辨证阴虚阳亢证起主要作用的几个证候是：舌干、耳鸣、脉细、盗汗，同时具备这四个证候，那么诊断阴虚阳亢证的概率为：80.031％。其中各个证候对阴虚阳亢证的诊断贡献率分别为：18.310％、13.290％、12.953％、5.031％。