肾虚证动物模型研究进展

肾虚证动物模型一直是中医证候研究的重点,提供与人类疾病类似的肾虚证动物模型,有助于深入研究肾虚证本质及其治疗。近年来建立了不少肾虚证动物模型,然而不同的肾虚证模型特点也不尽相同。对临床常见肾虚证型,从肾阳虚、肾阴虚、肾精不足、肾气虚方面进行概述,并对其存在的不足进行思考,以期为肾虚证动物模型的构建及其证候生物学机制研究提供新思路。     

依托学科竞赛的医药信息人才创新能力和工程素质培养研究

阐述依托学科竞赛的课程群建设与应用、创新创业能力训练和工程实践能力培养具体措施,从参赛人数、获奖成果、衍生成果几方面介绍实施成效,指出其有助于培养学生的创新思维和工程素质,提升实践能力。     

基于Hadoop的中医药数据管理策略研究

目的为解决传统方法采集、存储和处理海量中医药数据的低效问题,探索数据管理的新策略。方法根据中医药数据的典型特征,设计基于Hadoop的分层管理架构,对串行数据挖掘算法进行MapReduce化改进;部署单节点服务器和分布式集群,采用8组不同规模的数据集,进行数据采集实验和串并行算法实验。结果数据传输时间在非分布式环境下通常超过3000 s,增幅较大,而在分布式集群下一般不超过300 s,增幅平缓;当数据规模超过一定范围后,与伪分布式和完全分布式下的并行算法比较,非分布式下串行算法的运行耗时急剧增加。结论与传统单节点系统相比,基于Hadoop的中医药数据管理平台采集、存储及处理海量数据的效率明显提高,尤其适用于大规模非结构化或半结构化的中医药数据。     

病历形态的转变:从模板化到网格化

当前病历的主流形态是电子病历(EMR)模板式形态。分析模板病历的问题,提出从人工智能(AI)思路与技术视角,对比阐述一种新的病历形态,即网格病历形态;并以同步临床决策支持(CDS)为条件,论述建构网格病历的基本方法、基本形态、基本操作和主要优势,展示其解决临床问题的多种能力。     

基于重叠社区的“方-药”网络经方配伍规律分析

针对传统数据挖掘技术难以揭示海量方剂配伍复杂性的问题,借鉴复杂网络思想构建"方-药"网络并基于重叠社区分析其组方配伍规律。首先将方剂内包含的药物抽象为节点、药间关系抽象为边、药物共现频次表示为边的权重,构建"方-药"网络模型,引入"药物影响力"的概念识别网络中的重要药物节点;其次提出一种基于重叠社区的"方-药"网络划分方法进行社区发现;最后分析划分后社区中蕴含的组方配伍规律。在基于《伤寒论》112首方剂构建的模型中,药物影响力大的药物符合张仲景"寒温并用、辛甘苦同行"的用药原则,结合FCM(fuzzyC-means)算法可发现隐藏在《伤寒论》整体模型中的常用药组;在基于《伤寒论》少阴病证构建的模型中,药物影响力大的药物符合少阴病证"温经扶阳、利水渗湿"的用药特点,并得到了分类明显的药物配伍社团。"方-药"网络模型中蕴含着高质量的重叠社区结构,分析社区中蕴含的内在规律可为方剂组方配伍及用药规律的探究提供新的依据。     

基于数据挖掘的缺血性中风中医处方用药规律研究

目的 基于数据挖掘技术分析研究《中风病良方大全》治疗缺血性中风用药规律.方法 遴选《中风病良方大全》治疗缺血性中风处方,对数据进行规范化处理,构建缺血性中风处方数据库;并借助Python数据分析对用药频次、药性频次分布、药物功效类别的频次及分布进行统计,应用Apriori关联规则算法等进行数据挖掘,构建高频药对药组关联...     

基于数据挖掘的冠心病辨证用药规律研究

目的基于数据挖掘技术研究分析冠心病辨证用药规律。方法首先搜集整理名家医案处方,对数据进行规范化处理,构建冠心病处方数据库;再借助统计学软件IBM SPSS Statistics 20.0对药物频次、病位证素频次及病性证素频次的分布进行统计;最后应用Apriori关联规则算法等进行数据挖掘,分析潜藏的用药配伍规律。结果对遴选出的145首处方进行分析,涉及216味常用中药、8个病位证素和12个病性证素;挖掘出用药频次大于平均频次的药物46味,使用频次前5位的中药分别为丹参、甘草、栝楼、半夏、川芎,病位证素以心、肾、脾、肝为主,病性证素以血瘀、气虚、痰、阳虚、气滞、阴虚为主;当满足最小支持度为15%且最小置信度为70%时,关联规则分析结果显示共得到药对关联规则15条,3味药组关联规则26条,其中置信度前3位的药对规则分别为薤白→栝楼、五味子→麦冬、郁金→丹参,置信度前3位的3味药组关联规则分别为薤白+半夏→栝楼、丹参+薤白→栝楼、薤白+甘草→栝楼。结论中医治疗冠心病辨证用药主以活血化瘀、行气导滞、补气益气、涤痰行气为法,与其主要病性证素血瘀、气虚等相符,药物大多归心经,与其主要病位证素相一致。基于数据挖掘技术分析冠心病组方用药规律,对于临床用药指导与应用具有重要价值。     

基于多层前馈神经网络的中药药性量化研究

目的为解决中药药性描述的抽象、模糊导致难以准确把握其本质特性的问题,提出一种基于多层前馈神经网络(BP神经网络)的药向量训练(quantitative model of traditional Chinese medicine’s properties based on BP neural network,QM-BP)模型,实现中药药性的量化表示。方法首先对中药及其对应的功效进行整理,获得"中药-功效"样本对;其次,构建"中药-药向量-功效"3层结构的QM-BP模型,并利用中药的药性数据对模型进行初始化;最后,基于QM-BP模型使用"中药-功效"样本进行训练,得到BP药向量。结果将《中药学》教材所涉及的474味中药及其528个功效基于QM-BP模型训练并结合临床分析,发现训练后得到的BP药向量比药性的初始量化值更能反映中药的属性特征。此外,由于BP药向量与词向量具有相似的性质,发现功效相似的药物对应的BP药向量在欧几里得距离中距离较近,而功效差异较大的中药药向量在欧几里得距离中距离较远。结论利用BP神经网络构建药向量训练模型,在中药药性与功效具有关联性的基础上,对药性量化值进行修正,以期使药性量化值更精确。今后可优化QM-BP模型并开展药对、复方分析,以期探明中药药性及组方配伍中蕴藏的内在规律。     

方剂药性量化研究现状及展望

中医药理论具抽象、模糊的特点,其本质特性难以准确把握,因此,许多研究从方剂的药性量化探究其内在机理。目前量化研究多采用分割式研究模式,研究对象局限于中药的某种或几种性能,尚不能全面揭示其治疗机理。大数据、云计算等技术的出现,为深度分析海量、复杂的中医药信息提供了新途径。遵循辨证论治规律,将"四气-五味-归经-升降沉浮-毒性-功效"等多种属性作为整体,综合分析,从宏观层面研究各属性的相关关系及量化方法,是方剂药性量化研究的发展趋势。本文对近年来有关方剂药性量化研究进展进行综述,为方剂药性量化的现代化和具体化提供参考。     

基于药性理论的中医辨证论治模型构建研究

"证"作为中医学特有的识病模式,是中医理论的基础和精髓,是中医理法方药一脉相承的桥梁和关键。中医临床通过辨证发现疾病当前的病因、病机、病位、病势等特征,为论治提供依据。从"方因证立,方随证效"出发,分析证-方-药之间内在联系,构建中药属性与辨证论治的关系模型,探析方剂所用药物的性味功效、配伍与辨证的内在联系,并以自汗肺卫不固证的临床用药为例阐述该模型在临床的实际应用,以期为探究中医辨证论治的思维过程及中医临床科学用药提供参考。