论文部分内容阅读
研究目的:课题以膝骨关节炎这一针灸优势病种为基础,通过获取膝骨关节炎患者临床、文献研究的诊疗及针灸选穴数据构造其知识库并进行量化编码,在“46位症状量化码”的基础上,进行证候要素的优化,运用机器学习技术及关联规则算法构建针灸治疗膝骨关节炎的“症状-证型-穴位”智能辨证选穴算法模型,为针灸治疗膝骨关节炎数字化、智能化诊疗的实现提供一种计算机处理辨证选穴的方法。研究方法:1.对93例临床膝骨关节炎患者进行望、闻、问、切四诊信息及针刺穴位采集,基于“因、位、性、势”46位症状量化码,对患者临床四诊症状信息以及穴位数据进行量化编码,进行证候要素优化,得出KOA疾病证候要素,结合46位症状量化码和证素辨证体系对证候要素进行量化调优,运用机器学习技术进行症状-证型辨证算法模型的研究;2.对纳入的207篇针灸治疗KOA临床研究的文献进行证型、经络、穴位整理分类,结合临床采集整理的证型、经络、穴位建立证型-穴位对应数据库,运用Apriori关联规则算法挖掘证型-穴位的频繁项集,总结证型与穴位选择的内在关联规律,给出KOA证型-组穴推荐的优化方案;3.由症状-证型辨证算法模型辨证计算得到证型,结合证型-穴位Apriori算法关联规则规律分析,最终研究得出针灸治疗膝骨关节炎“症状-证型-穴位”的智能辨证选穴的算法模型。研究结果:1.本研究在“46位症状量化码”的基础上结合“证素辨证体系”基本确立了膝骨关节炎疾病24位证候要素（KOA-24位证候要素）:病位证候要素:心、膀胱、胆、脾、肾、筋骨、肝、大肠、胃、精室;病性证候要素:风、阴亏、热、阳虚、燥、精耗、寒、血瘀、湿、气虚、积聚、津亏、气滞、络阻;2.将临床患者四诊资料症状数据量化编码,根据症状-证候要素权值量化表,设定:该证型所有病人的症状归于某一证候要素的权值总和/（该证型症状数）=该证候要素初始权值,从而确定:该证型所有证候要素预设权值=该证候要素初始权值iP（ki）（28）?XSi???i??XR y???其中Sxi为Mx对Ni的权重;Rxy为证型Ky所属症状Mx的频次。经机器学习及运算后并对权值多次调优,获得了各证型的“证候要素”的预设权值,得出膝骨关节炎症状-证型辨证算法模型。3.根据Apriori算法关联分析结合循经取穴和经络辨证理论,最终得出KOA症状-证型-穴位智能组穴推荐方案:寒湿痹阻证推荐组穴为:内膝眼、梁丘、外膝眼、阳陵泉、足三里;肝肾亏虚证推荐组穴为:足三里、阴陵泉、阴谷、曲泉;湿热痹阻证推荐组穴为:内膝眼、阴陵泉、鹤顶、足三里;气滞血瘀证推荐组穴为:内膝眼、阴陵泉、阿是穴、曲泉;气血虚弱证推荐组穴为:足三里、外膝眼、梁丘、内膝眼、血海;研究结论:本研究通过对93例KOA患者临床四诊信息及穴位数据的采集,采用因子分析结合主成分分析法提取症状公因子,在“46位症状量化码”和“证素辨证体系”的基础上,结合膝骨关节炎疾病的病因病机理论,得出以下结论:1、KOA-24位证候要素:病位证候要素:心、膀胱、胆、脾、肾、筋骨、肝、大肠、胃、精室;病性证候要素:风、阴亏、热、阳虚、燥、精耗、寒、血瘀、湿、气虚、积聚、津亏、气滞、络阻;对症状-证候要素权值进行多次调优,经过证型计算,得出症状-证型辨证算法模型。2、运用Apriori关联规则算法挖掘证型与穴位之间的关联关系,给出膝骨关节炎证型-穴位的优化组穴方案的推荐,完成了膝骨关节炎“症状-证型-穴位”的智能辨证选穴算法模型的研究。3、膝骨关节炎智能辨证选穴算法模型初步构建,后期还需更大的数据量进行验证和更深入的研究予以完善。