论文部分内容阅读
中医是中国古人同疾病抗争的经验和理论知识的承载体,经过长期医疗实践才逐步形成并发展为理论体系的。然而,在传统中医的诊疗过程中,由于学术观点、经验在地域、时间、医家个体等方面的差异,以及医疗对象较大的个体差异,医案书写往往带有较多的模糊与不规范性。而在计算机对中医病例的辅助分析中,医案的不规范性往往是数据挖掘的障碍。由此可见,医案症状的规范有利于扫除计算机辅助研究分析的障碍,更好的研究和分析医案。核心方是治疗某种疾病的基本方,在实际诊疗中,中医师会根据患者实际病情,在核心方的基础上加减化裁而得到处方。另外,治疗同一疾病,不同医家治疗方药往往也有相通之处,在大量的名老中医医案中,对不同医家治疗同一疾病核心方的提取,有利于实习医生迅速掌握相同类型病症的治疗,缩短培训的周期。本文针对中医医案不规范和寻找组方规律的问题,通过对萤火虫算法的改进,并将改进的算法用到模糊聚类中,用来规范医案和提取核心方,具体研究成果如下:(1)萤火虫算法是比较新的智能算法虽然已经得了广泛的应用,但仍存在收敛精度不高,后期收敛速度慢,易陷于局部最优的缺陷,本文针对这些缺陷,提出了一种结合吸引度和个体距离的新的选择机制。新的选择机制在收敛的精度和避免过早的陷于局部最优方面得到了明显的改善,提高了算法的性能。(2)在模糊C-均值聚类算法中引入NFA算法,利用萤火虫算法的全局寻优能力强的特性,提出了NFAFCM算法。该算法有效地克服了FCM算法对初始值敏感、容易陷入局部最优的缺陷,同时也进一步增强了萤火虫算法的局部搜索能力。(3)基于改进的萤火虫算法的聚类算法的自动文摘模型是对基本的算法加以转换,把要提取的对象由数据库中的理论点转换为文摘模型中的向量,一个向量表示文档中的一句话。然后将医案向量化,最终通过对不规范医案的整理得到规范的医案。(4)将基于改进的萤火虫算法的聚类算法应用到处理中医药方中,对相同病症的药方采用NFAFCM算法进行聚类,然后得到关于这类病症的核心方。核心方的提取为中药方的学习提供了参考,对年轻中医医生的学习有一定的参考价值。