基于BP神经网络的高血压病中医证候与分级关系建模研究

目的:探讨基于共轭梯度算法的BP神经网络技术建立模型,研究高血压中医证候与分级的关系。方法:基于MATLAB7.0环境,采用改进的共轭梯度(trainscg)学习算法,以高血压中医症状及舌脉为输入,高血压分级为输出,建立结构为24-9-3的BP神经网络模型,使用65例样本进行训练,12例样本进行测试。结果:平均识别率为75%。结论:人工神经网络技术应用于高血压中医证候与分级研究具有方法学上的可行性。     

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。     

基于改良Transformer算法的冠心病证候要素诊断处方模型分析

目的：利用改良Transformer算法构建冠心病中医证候诊断、方药推荐模型。方法：以冠心病证候要素为关键环节,基于临证诊疗思路“症状-证候要素-证候-治法-方剂-药物（剂量）”搭建基本逻辑,综合运用多头注意力机制、复合词向量、随机失活形成改良Transformer算法,模拟临床医师临证思路,形成具备冠心病中医证候要素判断、证候诊断、方药推荐、可更新迭代功能的智能化模型。模型建立后,选择8 030例临床病例诊疗数据作为训练集进行模型训练,随机筛选100例基于真实临床病例的中医开方数据进行测试,比较模型输出方药与临床医师方药,对模型进行定性评价。结果：加入多头注意力机制的改良Transformer算法使模型准确率有更大的提升,模型在主要证候的判断、主要方剂的选择上与临床医师一致,在药物加减上有一定提升空间。结论：改良Transformer模型可提高冠心病证候要素、主要证候、处方、用药的准确率,较为准确、稳定地输出主要证候和方药建议,是中医智能化发展的体现。     

基于贝叶斯网络原理的835例冠心病病例中医证候分类研究

目的探讨客观有效的冠心病中医四诊信息融合模型。方法采用本课题组自行研制的中医心系问诊量表及舌面一体仪等收集835例冠心病患者的中医四诊证候信息,在专家辨证和先验知识的基础上,通过贝叶斯网络(Bayesian networks)对四诊证候信息进行分类识别研究。结果基于贝叶斯网络建立的融合模型对心气虚、心阳虚、心阴虚、血瘀、痰浊5个证型的识别率分别为69.34%、84.85%、65.12%、83.87%和65.12%。结论基于贝叶斯网络原理建立的四诊信息融合模型在冠心病中医证候分类客观化研究中具有较好的应用前景。     

基于隐结构模型结合关联规则研究冠心病稳定型心绞痛中医证候特征

目的 探讨冠心病稳定型心绞痛中医证候的分布及特征,为今后冠心病稳定型心绞痛的辨证论治提供客观可靠的依据。方法 计算机检索中国期刊全文数据库(CNKI)、万方(WanFang)、维普(VIP)等数据库内自建库以来至2022年1月的名老中医治疗冠心病稳定型心绞痛的医案及临床经验,采用孔明灯Lantern5.0软件,应用爬山法(LTM-EAST)算法建立症状隐结构模型并进行综合聚类分析;采用SPSS Modeler 15.1软件,用Apriori算法,对中医证素进行关联规则分析并绘制复杂网络图。结果 (1)纳入的206例医案共涉及24个中医证候,其中频次较高(>5%)的分别为心血瘀阻证、痰瘀互结证、气滞血瘀证、痰湿阻滞证、气虚血瘀证、心阳虚证、气阴两虚证。(2)将共计121个症状作为显变量,应用LTM-EAST算法构建结构模型,得出30个隐变量,对得出的30个隐变量进行综合聚类,共得出9个综合聚类模型即9个中医证候,分别为气滞血瘀证、心血瘀阻证、气虚血瘀证、心阳虚证、气阴两虚证、痰瘀互结证、痰湿内阻证、痰热内闭证、心肾阳虚证。(3)对24个中医证候提取的17个证素进行关联规则分析,推导...     

基于聚类分析的径向基神经网络用于证候诊断的研究

目的:优化中医证候诊断模型,为中医证候诊断标准的研究提供可行性方法.方法:提出用于中医证候诊断的径向基(Radial Basis Function,RBF)神经网络,利用聚类分析确定RBF神经网络隐层的参数,运用最小二乘确定RBF神经网络输出层的参数.结果:通过模型检验,证候诊断模型判准率比BP网络模型判准率高;证候诊断模型训练速度比BP网络模型快.结论:基于聚类分析的RBF神经网络用于中医证候诊断的研究是可行的和有效的.     

基于比较脂质组学探讨冠心病中医证候的研究思路

借鉴系统生物学研究模式,探索以"脂质组学"为评测尺度的冠心病中医证候研究新方法,通过对不同证型冠心病患者生物样本的比较进行脂质组学研究,阐明冠心病中医证候脂质代谢轮廓的异同,寻找不同证型的物质基础,为冠心病的证候客观化、定量化、证本质研究提供依据。     

基于自适应模糊推理系统的慢性阻塞性肺疾病急性加重期证候特征研究

目的探讨慢性阻塞性肺疾病(COPD)急性加重期常见证候及其特征。方法收集4所三级甲等医院就诊的COPD急性加重期患者1046例,建立数据库。运用基于动态kehonen网络的神经模糊系统模型(简称模型)对数据库数据进行学习训练,获得最优模糊规则。模型通过Fisher-Iris数据检验其可靠性,再基于收集的临床资料挖掘结果 ,依据中医基础理论,获取COPD急性加重期常见证候特征,并通过测试数据检验其合理性。结果基于Fisher-Iris数据,获取3个模糊规则,采用测试样本检验,结果辨识率为94%。该模型用于临床数据获取的模糊规则为25个,对临床数据测试样本的辨识率为75.8%。通过规则转换明确了9个常见证候:痰瘀阻肺证、肺肾气阴两虚证、痰湿阻肺证、风寒束肺证、痰热壅肺证、肺肾气虚证、风热袭肺证、肺脾气虚证、表寒里热证。结论通过自适应模糊推理系统方法 ,获得了COPD急性加重期9个常见证候及其对应的主症、次症,说明此模型可用于中医证候特征研究。     

支持向量机算法在中医证候信息分类中的应用

目的:探讨带先验知识的支持向量机(P-SVM)数据挖掘算法在中医证候信息自动分类中的应用。方法:以中医证候数据库收集的30余万条中医证候文献信息作为训练和测试数据集,以中医专业知识作为先验知识,将样本集置信度通过带权分类间隔导入SVM模型中进行分类,计算其分类置信度。结果:在有中医专业知识的情况下,中医证候信息分类的正确率得到了很大的提高,正确率约为95%。结论:P-SVM算法是统计学习理论在小样本数据集中较成功的应用,能对中医证候信息进行有效的分类,实现了数据挖掘技术在中医证候信息研究中的应用。实验表明P-SVM算法能把先验知识与训练样本中的信息量很好地结合起来,对一种对中医证候信息进行正确分类的有效算法。     

支持向量机算法在中医证候信息分类中的应用

目的: 探讨带先验知识的支持向量机(P-SVM )数据挖掘算法在中医证候信息自动分类中的应用。方法: 以中医证候数据库收集的30余万条中医证候文献信息作为训练和测试数据集, 以中医专业知识作为先验知识, 将样本集置信度通过带权分类间隔导入SVM 模型中进行分类, 计算其分类置信度。结果: 在有中医专业知识的情况下, 中医证候信息分类的正确率得到了很大的提高, 正确率约为95%。结论: P- SVM 算法是统计学习理论在小样本数据集中较成功的应用, 能对中医证候信息进行有效的分类, 实现了数据挖掘技术在中医证候信息研究中的应用。实验表明P-SVM算法能把先验知识与训练样本中的信息量很好地结合起来, 对一种对中医证候信息进行正确分类的有效算法。     

基于双向表示神经网络的中医证候归类模型的构建＊

目的 构建基于双向表示神经网络的中医证候归类模型，将临床记录中的证候归类为与ICD-11中相对应的证候，并为临床医生记录证候提供归类提示。方法 首先使用基于RNN的Encoder-Decoder结构和基于RNN与Sigmoid函数结合的Multilabel结构建立对照模型，其后分别使用基于BERT与Sigmoid函数结合的Multilabel结构，以及本研究提出的基于BERT候选项选择结构建立模型。以准确率、精确率、召回率、F1得分对各模型进行评价。并使用提出的多模型决策错误自查法，观察模型的自查误能力。结果 基于BERT的候选项选择结构建立的中医证候归类模型在各项指标中的表现最优，均达85%以上。基于多模型决策错误自查法，发现了87.23%错误结果，模型具有错误自查能力。结论 构建的中医证候归类模型可将医生撰写的证候归类为与ICD-11和《中医病证分类与代码》中相对应的证候，并具备自查误功能。将模型用于中医证候的归类处理，可为大数据背景下的中医归类诊疗及中医辨证论治规律的挖掘提供有力的工具支持。     

基于熵的复杂系统分划方法在冠心病心绞痛中医证候量化诊断标准研究中的应用

目的以基于熵的复杂系统分划方法建立冠心病心绞痛中医证候量化诊断标准。方法将403例冠心病心绞痛患者随机分为运算组（302例）和考核组（101例）,以基于熵的复杂系统分划方法提取患者症状信息,确立症状对证候贡献度,以诊断性试验ROC曲线建立诊断阈值。结果冠心病心绞痛可出现络气郁滞、络气虚滞、痰浊、血瘀、火热、痰热、阴虚、阳虚等基本证候,不同症状对证候诊断贡献度不同,并有不同的诊断阈值,经考核组101例患者前瞻性检验,具有良好的灵敏度和特异度。结论基于熵的复杂系统分划方法可用于中医证候量化诊断标准研究,建立的冠心病心绞痛证候量化诊断标准具有良好的诊断效能。     

基于中医思维的冠心病心绞痛病证结合诊疗知识模型构建

冠心病的智能诊疗系统随全球人工智能技术的进步已得到长足的发展,但是由于中医学对人体疾病的认识具有复杂性、动态性、发展性的特点,目前中西医结合的冠心病病证智能诊疗仍未能体现中医思维特色。整体观念与辨证论治是中医思维的基本要素,共性与个性相协调是中医临床思维的一大特点。因此,单纯基于流行病学研究结果的中医诊疗知识模型有悖于中医思维要求。通过分析现有中医诊疗知识模型特点与存在的问题,结合目前常用算法在中医病证结合诊疗模型中的运用,针对冠心病心绞痛提出构建基于中医思维的病证结合诊疗知识模型,即在病证结合模式下引入证候要素概念,以中医思维为指导、标准化为前期基础、病证结合为实现方法、"疾病-证候-证候要素-症状"为诊断顺序、"理-法-方-药"为诊疗路线,从而实现智能化处方用药的目的,促进中西医结合的冠心病病证智能诊疗技术的发展。     

约束隐结构研究冠心病痰湿证的定量化辨证规则＊

目前在中医界已发布的冠心病痰湿证辨证标准是以主症、次症形式定性地给出，存在主观性较强的问题。本文引入约束隐结构分析，该方法将主症、次症的语义作为约束条件加入隐结构分析过程，得到含有主症、次症语义约束的定量化中医证候辨证规则。使用该方法对冠心病痰湿证患者556条无标签数据的分析，得到其约束隐结构模型，最后建立定量化痰湿证辨证规则，舌胖边有齿痕（3.16）、苔腻（3.12）、苔白滑（4.72）、胸闷（1.73）、脉濡或滑（6.04）；次症：肢体困重（0.48）、口黏（0.63）、体胖（0.49）、大便粘滞（1.38）、脘腹痞满（0.97）、面色晦浊（0.79）、嗜睡（1.18）、纳差（1.07）。与经典隐结构模型得到规则和中医界已发布的定性化辨证规则相比，约束隐结构得到的规则客观性强，具有可重复性。在证候类大小、规则的量化合理度上较好地反映了主症、次症的特点，得到的规则切合中医实际，为冠心病痰湿证辨证标准的定量化研究提供帮助和参考。     

中医证候研究中的分类算法方法学研究

中医证的研究一直是中医药现代化研究的关键之一,其核心是证候分类和诊断标准的研究,数据挖掘中的分类算法已经大量应用于中医证候的分类研究。本文评述了数据挖掘中分类算法在中医证候研究中的应用,对其中主要算法的特点、适用条件和范围进行综合分析,认为应该根据不同的研究目的,选择适当的分类算法。粗糙集和聚类分析不需要先验知识,适合进行探索性的研究;模糊集理论、神经网络和决策树需要先验知识,适合应用于分类目标比较明确的证候诊断标准研究;模糊集理论更适合与其他分类算法结合应用,产生模糊聚类、模糊神经网络、模糊粗糙集和模糊决策树等更适合中医证候分类研究的算法。在具体的辨证分类研究中,我们需要根据所研究的疾病和证型分类特点选择合适的分类算法及其组合,同时建议应该在集成多学科理论与技术的基础上进行创新,建立符合中医证候特点的分类算法。     

基于自适应模糊推理系统的慢性呼吸衰竭证候特征临床研究

目的:基于自适应模糊推理系统,探讨慢性呼吸衰竭常见证候及其特征。方法:收集4所三甲医院慢性呼吸衰竭患者资料300例,使用Epidata软件建立数据库。选取人工神经网络、模糊系统,运用MATLAB6.5软件进行编程。采用动态kehonen网络,通过增加动态神经元形成动态自适应神经网络,形成最优模糊规则。基于临床数据挖掘结果获取慢性呼吸衰竭证候常见证候特征,并检验其合理性。结果:通过规则转换,主次症的筛选,明确7个证候及其对应的主、次症,分别为:痰热壅肺证、痰瘀阻肺证、阳虚水犯证、痰湿壅肺证、气阴两虚证、痰瘀阻肺兼阴虚证、痰蒙神窍证。证候诊断标准检验结果诊断符合率为74.6%。结论:该方法所获取的模糊分类规则以较高的精度反映了学习样本集中存在的规律性,说明了模型的可靠性。说明了自适应模糊推理系统可用于中医证候特征的研究。     

论“寒邪”在冠心病发病中的作用

通过对全国六大地区临床第一线专家大样本的冠心病中医证候要素、证候特征及证候病机演变规律调查问卷的调查结果,运用频数、决策树和神经网络等统计学方法,归纳出冠心病的主要证候要素（寒、痰、气、瘀、虚等）,其中＂寒邪＂这一证候要素贯穿冠心病病变的始终,说明＂寒邪＂在冠心病发病和发展的过程中起着重要的作用。     

冠心病中医证候与基因相关性研究

随着后基因组时代的到来及对中医证本质认识的深入,冠心病中医证候研究已经从症状、体征为主体,发展到了目前的分子基因水平。众多中医药工作者在基因层面上对冠心病中医证候本质进行了探讨,主要包括证候相关基因及其多态性研究、证候相关基因差异表达谱研究等,涉及冠心病血瘀证、痰浊证、痰瘀互阻证、心阳虚证等方面。本文对近年来冠心病中医证候与基因相关性研究进行了总结,并提出了存在的问题及下一步的研究思路。     

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。