论文部分内容阅读
中医作为中华文化的瑰宝,从古籍中挖掘宝贵的中医诊治经验和诊疗特色,以结合到现代的治疗手段中,可更好地传承中医文化和弘扬中医思想。中医对于慢病、疑难杂症的治疗效果颇佳,对于治疗失眠也有着非常丰富的经验。它以其温和的治疗方法和较低副作用的中药而备受失眠患者的青睐。利用数据挖掘等先进技术对中医诊治失眠及其用药规律进行学习与归纳,有助于总结中医在治疗失眠上独特的诊疗思想和方法。进而促进现代中医临床诊治的水平,推动中医知识和诊治思想的发展。目前,对于失眠用药规律的挖掘多集中在失眠方剂配伍规律的研究上,对于证型和药物之间的关系挖掘研究较少。本研究对于归纳整理的失眠方剂数据和医案数据,根据不同的算法需要进行个性化的处理。根据中医数据特点以及挖掘过程中会存在的问题,对个别算法进行优化改进。以改进的Apriori算法和Relim算法挖掘失眠处方的配伍关系,以k-medoids聚类和凝聚层次聚类对药物属性特征进行挖掘,以贝叶斯网络挖掘不同证型对应的药物关系,以及同一证型下药物之间的关系,以此发现对应证型的潜在药物配伍规律。首先,对药物的使用频率、药物归经频率和其功效频率进行统计分析,从整体上推导中医治疗失眠的方向和用药的特点。其次,针对复杂的中医方剂数据,根据数据特点对Apriori算法进行改进。以减少重复扫描数据库,减少大量候选项集的生成,减轻算法的运行负担为目的,对原算法的剪枝步骤进行改进。将改进的Apriori算法与Relim算法用于失眠方剂数据的挖掘,以发现其中药物的配伍关系,并对两种算法从多个角度比较它们的性能。结果表明两种关联规则算法都有效地挖掘出了失眠核心药对、药组;改进后的Apriori算法较原算法在时间利用率和空间利用率上有很大的提高,与Relim算法的工作效率相比无明显差异。接着,对于经过独热编码后变得稀疏的药物属性数据先进行PCA降维操作,然后通过肘方法对降维后的数据进行计算得出k-medoids聚类需提前确定的最佳聚类数,再对药物属性进行k-medoids聚类和凝聚层次聚类分析,以挖掘药物属性间的潜在关系和可能的药物新组合,结果表明,两种聚类都将性味归经有极大相似度的药物聚在一起,并产生了新的药物组合。最后,对于研究证型与药物之间隐藏的不确定的关系,采用贝叶斯网络进行挖掘并分析。结果表明,贝叶斯网络能有效筛选出不同证型下对应使用的核心药物,还可以通过药物间的条件概率进一步挖掘药物间的潜在配伍规律。侧面体现了中医辨证论治的特色诊疗方法,为中医的传承和进一步发展提供支持。