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。     

数据挖掘中的分类算法及其在中医证候学中的应用

中医研究领域中,辨证是中医学的核心,也是确保疗效的前提。为了研究中医辨证分类规律,数据挖掘近年来广泛用于其中,成为数据挖掘用于中医药领域研究的一个特点。分类算法是数据挖掘中的最重要的技术之一。文章简要介绍了分类算法中的常用技术如决策树分类、贝叶斯分类、神经网络分类等,同时对其在中医证候分类研究中的应用进行概括,希望能为未来中医证候学的研究提供一个方向。     

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。     

建立中风病"阴阳类证"辨证规范的数据挖掘研究

目的:利用数据挖掘技术完善和验证"中风病阴阳类证"辨证规范.方法:以来自国家十五攻关20家医院的4077样本为原始数据库,采用粗糙集值约简和关联规则,建立面向中风中医辨证规范的数据挖掘系统框架,进行数据预处理,除冗余数据和补充缺失数据,设定算法,并结合专业判断.分析"中风病阴阳类证"辨证规范中火热证、阴虚证、气虚证的证诊断标准.结果:数据挖掘计算得到的证候诊断标准同专家经验法有一定重合,也有许多新的关联出现,需结合专业判断析其结果.结论:由于中医证候诊断系统是非线性的、多维多阶性、复杂巨系统性,采用传统的线性方法将很难真正地进行候的规范化研究,而数据挖掘具有可以处理具有模糊性和非线性数据等优势特点,可为中医证候的诊断提供一种新的研手段,但也不可过分夸大数据挖掘的作用,需与专业判断结合应用.     

常见机器学习方法在中医诊断领域的应用述评

对近年来数据挖掘技术中的常见机器学习方法应用于中医诊断的概况进行述评。近年来应用于中医诊断的常见机器学习方法有支持向量机、决策树、K近邻算法、人工神经网络、贝叶斯网络、AdaBoost算法等,这些方法各有其优势与不足。今后在促进机器学习运用于中医诊断研究领域时,需基于中医证的多维性、非线性和复杂性的特点,针对中医诊疗中的各项问题制定统一的标准并规范收集数据,选用合适的机器学习方法,寻找中医大数据下的隐藏知识和规律,以推动中医诊断客观化、规范化。     

基于数据挖掘的弥漫性肺间质疾病中医证候诊断模型建立研究

目的:基于数据挖掘技术,探索弥漫性肺间质疾病中医证候诊断标准模型。方法:采用流行病学方法,收集弥漫性肺间质疾病临床调查资料475份。采用人工神经网络(Artificial Neural Network,ANN)、模糊系统(fuzzy system,FS),构建基于动态Kohonen网络的自适应模糊推理系统模型。通过Fisher-iris数据检验模型可靠性。最后用该模型对临床数据挖掘,依据中医基础理论,获得弥漫性肺间质疾病常见证候诊断标准,并检验其合理性。结果:弥漫性肺间质疾病常见有痰瘀阻肺证、肺肾气阴两虚证、肺肾气虚证、痰热壅肺证、痰湿壅肺证等5个证候。证候诊断标准诊断符合率为73.8%。结论:该模型适用于中医证候诊断标准的研究,方法合理,结果可靠。     

数据挖掘在中医“方证相应”理论中的应用及研究

介绍数据挖掘技术在中医"方证相应"理论中的应用以及常用技术算法,如决策树、贝叶斯、神经网络等,同时指出方证相应与中医证候学相辅相成的作用。     

基于2型糖尿病数据挖掘的中医证候诊断标准模型建立研究

目的:以2型糖尿病数据挖掘结果的研究为切入点,探索中医证候诊断标准模型建立的方法.方法:首先采用临床流行病学方法,收集符合病例选择标准的2型糖尿病患者的临床调查资料1134份.其次采用人工神经网络(Anificial Neural Network,ANN)、模糊系统(fuzzy system,FS),构建基于动态Kohonen网络的自适应模糊推理系统模型.通过Fisher-iris数据检验模型可靠性.最后用该模型对临床数据挖掘,依据中医基础理论,获得2型糖尿病常见证候诊断标准,并通过测试数据检验其合理性.结果:证候诊断标准与原始数据诊断比较诊断符合率为86%.结论:该模型适用于中医证候诊断标准的研究,方法合理.     

近5年中医证候诊断客观化研究述评

多学科交叉融合的深入以及多种数据挖掘方法的广泛应用,为中医证候诊断的客观化研究提供了有益的借鉴。围绕中医证候的兼挟性、不平衡性、动态性、复杂性特点,梳理近5年来分别应用于其中的多标记学习法、不平衡数据集的处理、拓扑结构及前瞻性队列研究思路、复杂网络及从人脑认知等中医证候诊断客观化研究方法,以期为中医证候客观化诊断的深入研究提供参考。发现目前相关研究仍存在数据资料的采集和证候的判定主观性较大、针对临床证候的不平衡性及动态性研究相对偏少、尚缺乏综合可行的研究方法等诸多问题,建议中医证候诊断的客观化研究应根据研究目的、中医证候特点、数据挖掘方法的使用范围等因素综合考虑。     

中医药领域数据挖掘技术的研究与应用概况

现时,数据挖掘已经被运用于各个领域,而中医药领域因其独特复杂的数据特点更加需要大量的数据挖掘工作,使隐藏在数据当中的有关中医证候诊断、中药方剂等未被发现和使用的有用知识可以被发现.目前,数据挖掘在中医药领域的中医诊断、中医证候、中药方剂、中医文献研究及针灸治疗等方面的应用日趋完善,证实数据挖掘技术可以为中医药独特复杂的数据作出分析,从而推动中医药行业的进一步发展.笔者现就中医药领域数据挖掘技术的研究与应用概况综述如下.     

基于数据挖掘的围绝经期综合征中医证候分类算法分析

目的采用现代中医诊断技术结合人工智能分析方法进行围绝经期综合征中医辨证研究,以期建立最佳证候分类方法。方法门诊收集围绝经期综合征患者四诊信息,按照中医辨证标准进行证型分类,采用贝叶斯网络算法、K最近邻算法、支持向量机算法3种常用数据挖掘分类算法对围绝经期综合征四诊信息数据进行分析。结果分别得出在相同训练、测试样本数据下3种算法建立围绝经期综合征中医证候模型所需时间、分类准确性、覆盖率及margin曲线,分析了训练样本数量对3种算法的影响,并对3种算法所建立模型进行了评价。结论在围绝经期综合征证候分类效果方面,贝叶斯网络算法优于其他2种方法。     

中医证候诊断标准智能模型建立探索

为探求基于数据挖掘的中医证候诊断标准建立的模型研究方法,通过多种方法进行研究中医证候诊断标准智能模型建立,提出了中医证候诊断标准智能模型建立以病证结合为前提,以合理的数据和智能方法及结论的实用性为研究关键的思路。最后提出了中医证候诊断标准智能模型建立的着力点。     

应用分类算法研究中医证候的思路与方法探讨

文章介绍了分类算法的应用背景,从中医现代中医诊断技术的发展等方面分述分类方法在中医证候研究中的意义,针对目前研究现状提出研究的思路和方法,认为进一步研究应循序渐进,在对数据挖掘中的分类技术深入研究的基础上,先进行二分类研究,再逐步扩展进行多分类研究。结合具体样本数据集,对于每一个数据集分别用数据挖掘中的种主要的分类算法进行比较分析,分析比较各种算法的特性,为更有效地解决实际问题提供借鉴。     

中医痰证诊断标准

<正>证候是一个高度非线性的复杂巨系统[1],证候诊断研究是建立在广度、深度、基础与深入、数据研究与临床实际相结合基础上的研究过程。现代科学技术的发展和计算机的应用为证候诊断标准的研究提供强有力的技术支持平台,数据挖掘用于中医证候诊断标准、构建证候诊断标准模型的研究是多学科交叉研究方法之一,是目前中医证候研究的一个热点[2]。潜在类别技术与结构方程模型技术是近年来逐渐开始应用于证候诊断的新技术之一[3]。宏观表征是一个可感知或     

基于“症-证”关联的方证判定研究

探索将新兴的数据处理技术——数据挖掘技术应用于中医方剂的证候判定中。首先对症状名称、证候名称进行了规范化,接着对证候判定标准进行了规范化,在规范化的基础上建立了数据库,通过分析研究得出,将数据挖掘技术引入到中医证候的研究中是可行的,是完善方剂主治证候的一个很好的方法。     

基于支持向量机的中风病中医证候分类

目的:研究基于机器学习的中风病中医证候分类模型,推进中医证候分类的数字化、自动化与智能化.方法:利用支持向量机(SVM)、BP神经网络与梯度提升决策树(GBDT),以年龄、性别、身高、体质量与临床中风病常见的症状,包括中风主要症状、舌象、脉象数据作为输入,以中风临床常见证候——气虚血瘀证的判断作为输出,建立中风病中医证...     

基于数据挖掘的慢性肺源性心脏病常见证候特征的临床研究

目的:基于国内4家中医院呼吸科719例慢性肺源性心脏病临床调查数据,探讨其中医常见证候本质特征。方法:采用临床流行病学方法,采集4所三甲医院719例慢性肺源性心脏病患者的临床资料,使用Epidata软件建立数据库,采用MATLAB 6.5软件,运用数据挖掘方法,分析慢性肺源性心脏病的常见证候及其特征。结果:719例患者中最终获取23个模糊规则,通过规则转换及设定的证候主次症标准,辨证为6个常见证候:痰热壅肺证、痰湿壅肺证、痰瘀阻肺证、阳虚水犯证、肺肾气虚证、肺肾气阴两虚等,常见证候诊断标准检验结果符合率为72.2%。结论:慢性肺源性心脏病的常见证候的属性有一定规律性,数据挖掘技术可应用于中医证候特征的研究。     

数据挖掘在中医证候研究中的应用进展

文章综述了使用数据挖掘方法研究中医证候的相关文献,对各类数据挖掘方法在中医证候研究中的应用概况及其优势、不足加以评析.提出中医证候的数据挖掘研究未来可在拓展研究数据来源、优化数据挖掘算法以及增强中医理论在数据分析中的指导作用等方面加以优化,才可让研究结果更加有益于临床.     

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。