数据挖掘技术在中医证候研究中的应用述评

本文通过对近年中医证候研究中运用数据挖掘技术情况的分析,试图展示中医证候研究中各种数据挖掘技术的优势及不足。在分析关联规则、集对分析、粗糙集理论、聚类分析、人工神经网络等方法后,笔者认为对于中医证候这样多维复杂且模糊不确定的巨量数据,各种单一的研究方法都有其局限性;数种方法的组合可能会更好地诠释中医证候的特点,挖掘出更加有意义的信息。     

论证候基因组研究中的海量数据生物信息问题

在新世纪科学、人类基因组、生物信息学大背景下,中医证候基因组的研究已起步,在运用基因芯片等新技术中,产生了海量数据,如仅仅一个肾阳虚家系的基因表达谱芯片和证候症状已有近40万个原始数据,用初步的信息融合观考虑也会有61种计算的角度。生物信息学的发展,将会为我们证候基因组研究不断提供数学方法;功能基因组的进步,开始为中医证候研究奠定了一个新的平台。前面的探索告诉我们证候基因组研究虽是艰巨,但仍是可行的,其中复杂问题,海量数据,也是可以逐步解决的。     

论证候基因组研究中的海量数据生物信息问题

在新世纪科学、人类基因组、生物信息学大背景下，中医证候基因组的研究已起步，在运用基因芯片等新技术中，产生了海量数据，如仅仅一个肾阳虚家系的基因表达谱芯片和证候症状已有近40万个原始数据，用初步的信息融合观考虑也会有61种计算的角度。生物信息学的发展，将会为我们证候基因组研究不断提供数学方法；功能基因组的进步，开始为中医证候研究奠定了一个新的平台。前面的探索告诉我们证候基因组研究虽是艰巨，但仍是可行的，其中复杂问题，海量数据，也是可以逐步解决的。     

人工神经网络在中医证候研究中的应用现状与趋势

证候研究的主要目的就是通过对证候特征的分析,揭示证候分类和四诊信息之间的规律,从而找出辨证的规律。如何解决中医证候的客观性问题,是目前中医发展面临的最大困境。随着学科间的互相交叉融合,数据挖掘技术被引入中医证候研究,人工神经网络就是其中的一种。文章总结了人工神经网络在中医证候诊断中的应用情况,分析了其研究现状、存在的问题及今后发展的趋势。     

复杂性科学意义下的中医证候研究的方法学探讨

中医学与西医学是两种截然不同的医学体系，两者之间缺少共同的理论纽带进行联系，因此中医证候研究若一成不变地照搬西医学的研究结构及其思维方式，则势必难以发掘中医学的特色与精华，故而调整研究思路是必要的。应该重视中医整体观，从复杂性科学角度认识中医，并在此层面上引入适当的研究复杂系统的研究方法。建议采用人工神经网络技术对大样本证候信息进行分析，抽提出这些信息蕴含的内在规律，从中抽取出确定与可能的规则（证候辨证依据）。     

中医证候客观化研究进展

文章着手于中医证候客观化研究现状,从四诊信息采集、证候群特异性生物学基础研究、中医证候模型的建立以及证候辨证方法客观化4个方面进行阐述,提出四诊信息客观化是中医证候客观化的前提;系统生物学和生物信息分析技术的快速发展为证候生物学物质基础的探索提供了可行条件;方证结合和建立证候动物模型是证候研究的重要突破口;复杂系统理论为辨证客观化提供新方法。证候客观化研究应当从中医整体性出发,多学科交叉共同参与。     

多元统计分析方法在中医证候研究中的应用

多元统计分析方法是探讨高维数据内在规律的一种综合数理统计学方法。中医证候不仅是一个高维高阶、非线性的复杂系统，同时还是一个处于不断变化的动态系统，因此借助多元统计分析方法对中医证候特点、本质等核心问题进行研究是目前中医证候研究的一个重要方向，本文就中医证候研究中常用的多元统计分析方法进行了综述。     

中医证候研究统计方法学

目的:中医证候数据有其独特的复杂性,对中医证候的研究也一直是中医现代研究中的重点,探讨近年来中医证候学研究中的常用统计分析方法。方法:通过对近年来中医证候统计方法的论述与举例,探讨回归分析、主成分分析、因子分析、关联分析、决策树分析、聚类分析、结构方程、人工神经网络等多种统计分析方法各自的特点。结果:统计分析可以作为中医证候学研究的一项重要工具。结论:结合中医证候数据特点运用不同的统计分析方法有助于中医证候的科学化、标准化。     

肝脏辨证常见证型辨证论治文献的关联规则数据挖掘研究

由于中医证候辨证论治系统具有非线性、多维多阶性、复杂巨系统性等特征,采用传统的线性方法进行证候学研究,很难真正地进行证候的规范化研究、亦很难得到临床的普遍认可与采纳。而数据挖掘具有可以处理模糊性和非线性数据等优势和特点,可以更为有效地应对中医证候判断的经验性、非确定性和模糊性等问题,包括关联规则挖掘等数据挖掘技术的应用可为中医证候学研究提供新的方法学平台。     

中医辨证的双层频权剪叉算法

中医辨证是非线性的复杂巨系统，证素辨证研究应该建立在数据挖掘的理念上，以证素为信息分析的核心，运用复杂系统分析办法，探索从证候确认证素的有效方法。     

人工神经网络模型在中药复方研究中的应用进展

人工神经网络模型是一种智能信息处理系统,具有强大的非线性拟合能力和自学习的特点,与中药复方的研究思路,中医的基本理论和诊疗思维不谋而合。人工神经网络模型有助于推动中药复方现代化研究的进程,为中药复方进一步深入研究提供了强大的技术支撑,并有助于系统的揭示中药复方的科学内涵。文章主要阐述了人工神经网络模型在中药复方的药性、药效物质基础、作用机制、配伍规律研究中的应用,利用人工神经网络模型的全新技术手段,结合现有的中医药资源,建立相关数据库,加强中药信息化建设,从而有效推动中药复方研究,从以往孤立的研究模式向理论和技术系统化的现代化研究模式转变,具有良好的实用价值和应用前景。     

模糊神经网络控制的医疗诊断系统研究

医疗诊断系统是一个复杂系统 ,用一般的模糊控制方法进行设计效果并不令人满意。提出基于神经网络的模糊控制算法综合了两者的优点 ,仿真与初步试验表明 ,它对参数的改变有较强的鲁棒性 ,为医疗诊断过程提供了一种新途径     

基于中医证候与危险分层关系的高脂血症神经网络预警模型研究

目的：探讨基于高脂血症中医证候与危险分层的神经网络预警模型。方法：在Matlab R2010a环境下,以高脂血症中医证候为输入,高脂血症危险分层为输出,建立反向传播（BP）神经网络预警模型。随机选取286例作为神经网络学习训练样本,剩余的30例作为测试样本。为了提高模型精度,建模前先对输入自变量进行降维处理。结果：降维前后的结果对比显示,经过降维处理后的神经网络预测准确率有所提高,平均误差为10%左右,说明建立的神经网络模型能够较好地预测高脂血症的风险等级。结论：研究结果表明,所建立的模型能够较好地提取中医证候与高脂血症危险分层的内在关系,将神经网络技术用于高脂血症中医证候与危险分层的研究是可行的。     

计算机管理信息系统在中药毒理学评价GLP建设中的应用

运用网络对药物非临床药理研究、毒理实验研究进行实验数据采集和信息管理,围绕以中药毒理实验项目管理为中心的需求,建立中药安全性评价GLP管理与数据信息化软件系统,为中药非临床安全性评价研究提供全面的信息管理系统。项目词络化管理能够确保研究负责人在第一时间掌握研究工作的进展,检查各项实验记录,随时纠正研究方案,通过计算机管理实验研究数据,保证实验研究过程数据的真实可靠、完整全面、不易消除、可追溯性和多重关联性,使得统计分析工作更加方便、快捷。     

化学计量学在中药组效关系研究中的应用进展

化学计量学是一门新兴的化学分支学科,被广泛应用于分析化学的各个领域。它运用数学、统计学、计算机科学以及其他相关学科的理论和方法,优化化学量测过程,通过解析化学测量数据,最大限度地获取有关物质系统的化学信息及其他信息。近年来,中药研究受到了人们的广泛关注。在中药研究中,如何阐释多样的化学组分与其药效之间的关系一直是一个重点难题,严重制约了中药现代化发展。化学计量学将多变量的分析方法引入化学研究,为中药组效关系研究提供了有效的研究工具。该文就近年来化学计量学方法在中药组效关系研究中的应用及进展展开综述,详细介绍了回归分析、相关分析、主成分分析等多元统计分析方法以及BP神经网络、径向基网络、支持向量机等人工神经网络的应用,包括基本原理、 研究内容以及优缺点,最后,简要分析了其存在的问题并对其未来的发展进行展望。     

基于MATLAB的冠心病中医证候BP神经网络实现

目的:探讨人工神经网络技术在中医证候领域的应用。方法:在冠心病临床流行病学调查的基础上,采用MATLAB神经网络工具箱,构建冠心病中医证候人工神经网络模型。并运用回顾性检验及前瞻性检验的方法,客观的检测该模型的性能。结果:对已采集的496例的回顾性检验显示,该模型的诊断准确率达90.5%,且具体证型判别的准确率与样本例数呈正相关。对新采集的132例的前瞻性检验显示,模型的诊断准确率达91.36%。结论:人工神经网络能较好的获取证候的内在规则,其应用于中医证候的规范化研究具有良好的前景。     

基于神经网络技术分析的慢性心力衰竭血瘀证诊断模型研究

目的:应用多元数据统计和神经网络挖掘方法构建慢性心力衰竭(Chronic Heart Failure,CHF)患者血瘀证基于多系统理化指标信息的诊断模型,探索与慢性心力衰竭患者血瘀证相关的理化指标信息的组合模式及其生物学意义。方法:选取2010年3月至2011年8月四川省成都市中西医结合医院和浙江省杭州市中医院收治的CHF患者100例,分为观察组(血瘀证患者组)和对照组(非血瘀证患者组),其中观察组37例,对照组57例。观察组为进行临床流行病学调查,收集患者四诊信息和生物样本进行多系统理化指标的检测分析。在分析差异指标基础上,综合应用回归方法及神经网络数据挖掘方法进行数据模型建设,从而形成慢性心力衰竭血瘀证患者的多系统理化指标诊断模型。结果:本研究共纳入100例心力衰竭患者,其中血瘀证患者占37%。应用上述方法筛选出有统计学意义的多系统理化指标信息20项,按照条目的显著性顺序依次进入神经网络数据挖掘模型,显示筛选指标的建模准确率为75.4%,测试样本的准确率达到82.4%。结论:神经网络数据挖掘方法可以用于临床理化指标信息数据进行CHF患者血瘀证的建模分析,与血瘀者密切相关的多系统理化指标信息也为进一步了解心力衰竭血瘀证的病理生理机制提供了参考依据。     

基于多种信息处理方法的大肠癌中医证候模型构建

目的:基于多种信息处理方法构建大肠癌常见中医复合证候模型。方法:通过流行病学调查方法收集大肠癌患者病例资料1132例,运用聚类分析、BP神经网络、SVM支持向量机和随机森林法对大肠癌患者病例信息进行建模。结果:在BP神经网络、支持向量机和随机森林3种方法构建的大肠癌证候模型中,随机森林效果最好,对各证型的识别率分别为:脾虚气滞(65.1%)、脾肾阳虚(83.3%)、肾精亏虚(92.3%)、湿热蕴结(97.7%)、气血两虚(96.3%)。结论:成功构建大肠癌常见中医复合证候模型,随机森林方法对证型的判断准确率最高,应用随机森林建模法可为中医证候规范化研究提供新的思路和方法。     

中药上市后证候临床再评价四诊信息量表研制的探讨

中药上市后证候再评价是最能够体现中药特色,也是最容易被忽略的临床再评价内容.这种认识和重视程度的不足,直接表现在有关证候评价及上市后再评价临床方案设计方法探讨缺如,不利于提高中药有效性和安全性.因此,必须就证候再评价的临床试验方法、统计分析方法,尤其是中医四诊信息采集量表的研制进行重点阐述,以提升证候再评价在中药上市后临床再评价中的地位.     

基于人工神经网络的半夏泻心汤及类方配比的研究

目的:探讨反向传播(BP)人工神经网络在半夏泻心汤、生姜泻心汤、甘草泻心汤配比中的应用。方法:应用均匀设计对药味及剂量进行分组,测定不同组别对正常大鼠胃酸的影响。鉴于复方配比具有复杂性及大量非线性关系的特性,该研究应用MATLAB6 5进行编程,选用BP人工神经网络建立模型。结果:应用BP人工神经网络所建模型可以很好地拟合学习过的样本及未学习过的样本。结论:BP人工神经网络可以很好地拟合复方配比中复杂的非线性关系,可以应用于复方配比的研究。