《中医妇科学》证素诊断中关联规则应用.docVIP

《中医妇科学》证素诊断中关联规则应用 　　关联规则在挖掘妇科教材宝贵诊断经验方面是行之有效的，下面是小编搜集整理的一篇探究关联规则运用的论文范文，供大家阅读参考。 　　中医妇科专家在诊治妇科疾病的临床实践中，积累了丰富的经验，其中就蕴含着辨证诊断的思维和技巧。利用现代先进的智能技术，同时结合统计分析等传统方法，从大量数据中挖掘有用的信息与知识，将为临床及科研提供宝贵的资源，具有重要意义。笔者选择权威的国家级quot;十二五quot;规划教材《中医妇科学》作为案例来源，通过数据挖掘的方式分析妇科疾病证素之间以及症状与证素之间的关系，希冀为妇科临床诊察提供借鉴。 　　1文献资料来源 　　选择《中医妇科学》[1]教材中quot;辨证论治quot;部分涉及的证型及证候数据作为案例来源。排除各病专论之后记载的医家临床医案。 　　2数据整理与分析方法 　　2.1证型名称规范以《中医临床诊疗术语-证候部分(GB/T16751.2-1997)》为标准，依据证型名称同义词关系，对教材中的证型进行规范。如将quot;肝肾亏损证quot;规范为quot;肝肾亏虚证quot;. 　　2.2证素拆解以朱文锋编着的《证素辨证学》[2]中的53个证素为参考标准，同时结合证候表现将案例对应的证型拆解为证素。如将quot;气血虚弱证quot;拆解为病性证素气虚、血虚。 　　2.3证候规范以朱文锋编着的《证素辨证学》中600余条症状、体征术语为主要参考标准，同时结合黎敬波主编的《中医临床常见症状术语规范》中2138条症状和体征术语对教材中证候进行术语规范，如将quot;经期提前quot;规范为quot;月经提前quot;. 　　2.4数据分析采用Excel建立妇科数据库，应用SpssCle-mentine12.0进行关联规则分析。 　　3证候、证素分类关联规则挖掘 　　3.1数据预处理 　　数据挖掘过程中数据的质量是保证挖掘结果准确性至关重要的一步。为此，在对教材的证型、证候进行术语规范的过程中，同时对资料的完整性、真实性进行核查。此外，拆解的证素需经福建中医药大学中医证研究基地专家的审核，把每个案例都用3个属性来描述，即证型、证素、证候，此处只列出3个辨证案例信息，如表1格式描述，其中quot;[]quot;之前为原文证候，之中为相应的规范术语，数字代表轻重程度，分别用1、2、3代表轻、中、重，未明确说明轻重程度则默认为中度而省略。 　　3.2关联规则定义 　　关联规则(AR)是形如AR:Ararr;B的规则，规则Ararr;B在数据集D中成立，应同时满足最小支持度阈值(Min_Sup)和最小置信度阈值(Min_Conf)。Support(Ararr;B)=P(Acup;B)，Confidence(Ararr;B)=P(B|A)。支持度(Support)和置信度(Confidence)是描述AR兴趣度的两项重要指标，前者反映规则的普遍性，后者反映规则的可靠性，通常选择支持度和置信度均较高的规则作为发现的有趣模式[3].提升度Lift(Ararr;B)=P(Acup;B)/P(B)即置信度与期望置信度的比值[4]. 　　在众多的关联规则算法中，Apriori算法是一种常用的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。目的是从数据库中挖掘出支持度和信任度都不低于给定的最小支持度和最小信任度的关联规则。例如：神疲amp;倦怠乏力rarr;气虚。其中，quot;神疲amp;倦怠乏力quot;为规则前件(即A);quot;气虚quot;为规则后件(即B)。规则频数指神疲、倦怠乏力、气虚三者同时在数据集D中的频数，规则前件频数指食积、胃两者同时出现在数据集D中的频数。本研究的规则频数为27,规则前件频数为30,规则后件频数为51,总案例数为222,故支持度为27/222=0.12162,置信度为27/30=0.9,提升度=0.9times;222/51=3.918. 　　4结果 　　4.1证素间的关联规则 　　《中医妇科学》教材中共涉及43个证素，其中18个病位证素，25个病性证素。挖掘证素(病位、病性)之间的关联规则，也就是要得到哪些病位的组合常见哪些病性证素，或哪些病性的组合常与哪些病位证素相关。病位证素=gt;病性证素，最小支持度阈值取1%,最小置信度阈值取60%,提升度大于1.共发现22条规则，如少腹=gt;血瘀(Sup1.351%,Con100%)等。病性证素=gt;病位证素，因病性证素较病位证素多，最小支持度阈值取1,最小置信度阈值取80%,共发现11条关联规则，如阳亢=gt;肝(Sup1.351%,Con100%)等。至此，《中医妇科学》病位证素=gt;病性证素，以少腹=gt;血瘀等置信度最高，病性证素=gt;病位证素，以阳亢=gt