基于多标记学习冠心病中医问诊证候模型.pdfVIP

英文版已经发表G.-P. Liu, G.-Z. Li, Y.-L. Wang, Y.-Q. Yang. Modelling of inquiry diagnosis for coronary heart disease in traditional Chinese medicine by using multi-label learning, BMC Complementary and Alternative Medicine, 2010, 10:37 本文是中文版草稿，仅供阅读时参考。正文根据审稿意见有一定修改，在此没有列出。 基于多标记学习的冠心病中医问诊证候模型 Abstract Background：冠心病是目前一种严重危害人类身体健康的常见心血管疾病，提高 其诊断率将有利于提高冠心病的疗效，降低死亡率。中医在诊疗冠心病方面有悠 久的历史和成熟的经验，但在冠心病中医诊治过程中，问诊信息的不规范，一定 程度上影响了冠心病的诊断及治疗，不利于治疗经验的推广与应用，限制了冠心 病诊治水平的提高。本文研究冠心病诊断中问诊信息的规范化及其诊断模型的设 计，将有助于冠心病中医问诊信息的规范化及客观化，为冠心病证候量化诊断建 立提供方法学参考，对推动冠心病中医基础与临床研究具有重要意义。在冠心病 中医诊断中一个病例可能有多个证型，传统的数据挖掘技术无法同时进行建模， 本文探索如何使用数据挖掘领域最新技术来解决该问题。 Methods：设计冠心病中医问诊的规范化量表，并运用数据挖掘领域新提出的多 标记学习技术对所整理的数据进行问诊诊断模型的构建。在研究过程中，将多标 记学习算法ML-kNN 与常用的k 近邻技术进行了对比分析。还进一步研究了症状 选择对于诊断模型的影响。症状选择将按照症状出现的频率从少到多逐步去除， 然后在保留的症状与证候集合上进行建模。 Results：本文按照所设计的规范化量表共收集了555 例冠心病问诊症状信息， 并通过上述问诊信息结合望诊及切诊资料，对病例做出中医辨证诊断。在这个数 据集上对常见的证候z1 气虚证，z2 阳虚证，z3 阴虚证，z5 痰浊证，z6 血瘀证， z7 气滞证，运用多标记学习技术ML-kNN 对以上证候分别建模，所得诊断精度 为59%，68%，62%，52%，76%，78%，整体的平均精度为77%。同时运用k 近邻技术对以上证候分别建模，所得诊断精度为60%，68%，60%，52%，70%， 75%，平均精度为74%。进行症状选择时，通过去除出现频率低的症状，在保留 52 个症状特征时，可以提高多标记学习ML-kNN 和kNN 的建模精度达到78% 和76%。在其它两个评价准则上，ML-kNN 也获得了比kNN 更好的结果。 Conclusions：数据挖掘新技术多标记学习可实现冠心病问诊证候模型的建立， 同时还可解决几个证候兼见的问题，弥补传统挖掘技术比如k 近邻分类器的不 足。对解决中医临床实际中多个证候兼见问题提供了一个可行的解决方案。 英文版已经发表G.-P. Liu, G.-Z. Li, Y.-L. Wang, Y.-Q. Yang. Modelling of inquiry diagnosis for coronary heart disease in traditional Chinese medicine by using multi-label learning, BMC Complementary and Alternative Medicine, 2010, 10:37 本文是中文版草稿，仅供阅读时参考。正文根据审稿意见有一定修改，在此没有列出。 Keywords：中医问诊 证候预测 多标记学习 冠心病coronary heart disease 症 状选择 Background (背景) 中医是以定性和模糊定量语言来对疾病进行描述，证候与症状之间没有明确 的函数关系，寻找二者间的客观内在关系，以此建立证候诊断模型，是目前证候 研究的一个热点。进行中医诊断规范化、客观化研究，是一项十分迫切而重要的 [1] 研究工作，是中医科研、教学和临床发展的需要 。 冠心病是严重危害人类身体健康的常见心血管疾病，是中老年人的常见多发 病，致死率高。冠心病属中医胸痹心痛等范畴，中医在冠心病诊疗方面具有很丰