论文部分内容阅读
慢性肾小球肾炎是临床上常见的一种慢性肾脏病,该病以蛋白尿、血尿、高血压、水肿为基本临床表现,中医方剂治疗慢性肾小球肾炎在临床上已得到广泛应用。根据病患情况制定个性化中药方剂是中医诊疗过程中的重要步骤,本文通过数据挖掘手段发现适合病患的加减成方,开展了辅助医生医疗决策的工作。本文从中医组方流程入手,针对组方中配伍决策与评估推荐两个关键问题进行探索与实验,逐个建模并进行集成,构建中医组方辅助决策系统原型。本文工作具体如下:1.中医组方配伍决策包括中医症状-证候关系挖掘、中医症状-药物对应关系发现与中医成方判定三个问题。针对中医症状-证候关系挖掘问题,引入基于闭频繁项集的关联规则挖掘算法开展症状-证候关系发现工作,达到中医辨证决策目标,同时确定证候对应经典方。针对中医症状-药物对应关系发现问题,引入基于疗效改进适应度函数的遗传算法与统计症状药物共现的卡方检验方法分别对症状-药物关系进行挖掘,达到对经典方加减药物目标,前者平均运行时间12.35秒,后者平均运行时间3.11秒。针对中医成方判定问题,依据发现的症状-药物关系确定加减药物,使用加权投票策略的KNN算法与对不均衡数据进行预处理的SVM算法分别对生成的成方进行判别分类,达到判断成方是否满足配伍规律目标,前者F1测度值为49.9%,后者F1测度值为71.3%。2.基于中医组方配伍决策的评价推荐包括中医成方评价与中医成方修正反馈两个问题。针对中医成方评价问题,依据生成的成方,使用基于方剂功效与属性的评价指标开展推荐成方的工作,其中方剂功效由正则化BP神经网络确定,方剂属性由关联规则确定,并使用加权投票方式确定方剂评价。针对中医成方修正反馈问题,依据用户修正结果,引入梯度上升策略开展了对症状-证候-药物路径权值进行反馈调节工作。3.中医组方辅助决策原型的设计与实现使用C#语言与WPF视觉库完成原型开发与可视化,该原型包括加减方生成与推荐模块,完成中医组方辅助决策功能,同时实现组方评价推荐功能。