【文章內容簡介】 6 雨 涼爽 正常 有 NO 7 多云 涼爽 正常 有 YES 8 晴 溫暖 高 無 NO 9 晴 涼爽 正常 無 YES 10 雨 溫暖 正常 無 YES 11 晴 溫暖 正常 有 YES 12 多云 溫暖 高 有 YES 13 多云 熱 正常 無 YES 14 雨 溫暖 高 有 NO 60 以天氣晴下面建立分支為例：以信息完全確定作為分支的結束 2022/2/3 61 天氣 晴 多云 雨 1： NO 2： NO 8： NO 9： YES 11： YES 氣溫 1： no 2： no 8： no 9： yes 11:yes 熱 溫暖 涼爽 序號 天氣 氣溫 打網(wǎng)球 1 晴 熱 NO 2 晴 熱 NO 8 晴 溫暖 NO 9 晴 涼爽 YES 11 晴 溫暖 YES 以天氣晴下面建立分支為例：以信息完全確定作為分支的結束 62 62 天氣 晴 多云 雨 濕度 1:no 2:no 8:no 9:yes 11:yes 序號 天氣 濕度 打網(wǎng)球 1 晴 高 NO 2 晴 高 NO 8 晴 高 NO 9 晴 正常 YES 11 晴 正常 YES 高 正常 2022/2/3 63 序號 天氣 有風 打網(wǎng)球 1 晴 無 NO 2 晴 有 NO 8 晴 無 NO 9 晴 無 YES 11 晴 有 YES 天氣 晴 多云 雨 有風 1:no 8:no 9:yes 2:no 11:yes 無 有 以天氣晴下面建立分支為例：以信息完全確定作為分支的結束 2022/2/3 64 天氣 晴 多云 雨 64 1： NO 2： NO 8： NO 9： YES 11： YES 天氣 晴 多云 雨 天氣 晴 多云 雨 氣溫 濕度 有風 1： no 2： no 8： no 9： yes 11:yes 1:no 2:no 8:no 9:yes 11:yes 1:no 8:no 9:yes 2:no 11:yes 2022/2/3 65 天氣 晴 多云 雨 1： NO 2： NO 8： NO 9： YES 11： YES 3： YES 7： YES 12:YES 13:YES 4： YES 5： YES 6： NO 10： YES 14： NO 濕度 高 正常 有風 無 有 1： no 2： no 8： no 9： yes 11： yes 4： yes 5： yes 10： yes 6： no 14： no 最終的決策樹 結果人性化 天氣 晴 濕度 高 正常 多云 雨 有風 無風 有風 2022/2/3 66 決策樹的特點 ? 決策樹一般都是自上而下的來生成的。 ? 可以完成分類任務，而且因為是樹狀結構，比較容易被使用者理解。 2022/2/3 67 第一步驟 選擇 第三步驟 挖掘 第二步驟 處理 第四步驟 分析 2022/2/3 68 數(shù)據(jù)挖掘步驟 目標數(shù)據(jù) 預處理及變換 變換后的數(shù)據(jù) 數(shù)據(jù)挖掘算法 解釋 /評估 清理篩選 第一步驟：選擇 ? 收集數(shù)據(jù) 就是進行原始需要被挖掘的數(shù)據(jù)采集。 例如：做肺癌處方的數(shù)據(jù)挖掘，要采集肺癌處方的信息，或原有的患者信息中導出，形成數(shù)據(jù)子集。 原始數(shù)據(jù)的采集非常費時費力，通常在費用中占相當大的比重。 可以采用較小規(guī)模的數(shù)據(jù)對問題的可行性進行初步研究。 2022/2/3 69 第二步驟：處理 ? 數(shù)據(jù)預處理部分，把數(shù)據(jù)轉換成比較容易被數(shù)據(jù)挖掘的格式及內容。 內容處理：年齡 六十歲 ?60 有個還分組：老年、青年、等 格式處理：年齡 出生日期 1950年轉成 61。 2022/2/3 70 第三步驟：挖掘 ? 運用工具和算法，進行挖掘，完成分類、關聯(lián)、聚類、估計、預測等功能，發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律。 ? 例如： 關聯(lián)分析中常用 apriori算法， 算法就是一種計算方法， 例如：計算一個班上有多少人：可以用加法或乘法。 加法和乘法就是算法。 2022/2/3 71 第四步驟 分析 例如：預測信用卡欺詐行為。 通過算法分析信用卡用戶的購買習慣，根據(jù)結果認識客戶的模式，并分辨出偏離模式的信息卡盜用行為。 2022/2/3 72 概念 數(shù)據(jù)挖掘在中醫(yī)藥領域中應用 73 二、關聯(lián)分析在中醫(yī)領域應用情況 ?中醫(yī)領域及計算機領域均有深入研究 中醫(yī) 計算機 中國中醫(yī)科學院 南京中醫(yī)藥大學 湖南中醫(yī)藥大學 福建中醫(yī)學院 北京中醫(yī)藥大學 浙江大學計算機科學與技術學院 廈門大學 山西醫(yī)科大學 山東師范大學 南京理工大學 南方醫(yī)科大學 江蘇大學 河南大學 合肥工業(yè)大學 哈爾濱工程大學 廣東工業(yè)大學 東北大學 北京交通大學 北京工業(yè)大學 近 3年的學位論文 中醫(yī)癥狀病機實體識別及其關系挖掘研究 絕經(jīng)綜合征中醫(yī)藥臨床療效評價方法的數(shù)據(jù)挖掘研究 中醫(yī)診療中挖掘算法的方法研究 基于智能算法的醫(yī)學數(shù)據(jù)挖掘 —— 特征權重優(yōu)化方法研究及其應用 中醫(yī)醫(yī)案數(shù)據(jù)挖掘技術研究 基于數(shù)據(jù)挖掘技術的證素辨證方法研究 中醫(yī)小兒肺炎療效評價系統(tǒng)的設計與實現(xiàn) 基于數(shù)據(jù)挖掘對急性冠脈綜合征辨證論治規(guī)律的探索性研究 中醫(yī)小兒肺炎辯證標準數(shù)據(jù)挖掘系統(tǒng)中的數(shù)據(jù)預處理技術 基于數(shù)據(jù)挖掘的周仲瑛教授治療系統(tǒng)性紅斑狼瘡病案回顧性研究 中醫(yī)臨床診療垂直搜索系統(tǒng)研究 基于數(shù)據(jù)挖掘的中醫(yī)臟腑辨證系統(tǒng)研究 中醫(yī)活血化瘀方數(shù)據(jù)庫及其數(shù)據(jù)挖掘 基于數(shù)據(jù)挖掘的中醫(yī)方劑分析技術研究 中醫(yī)婦科常見病醫(yī)案數(shù)據(jù)挖掘方法研究 基于粒計算與完全圖的關聯(lián)規(guī)則算法研究 中藥歸經(jīng) (肺經(jīng) )理論和肺系方劑配伍規(guī)律的解析及在海洋中藥研發(fā)中的應用 基于聚類和 BP網(wǎng)絡集成的中醫(yī)耳穴智能診斷儀研究 應用信息技術探索我國高等中醫(yī)藥院校學術及科研發(fā)展趨勢 基于分類關聯(lián)規(guī)則的仲景方挖掘研究 田從豁教授治療痹證、癮疹、不寐的經(jīng)驗挖掘分析 基于貝葉斯網(wǎng)絡的中醫(yī)醫(yī)案數(shù)據(jù)挖掘 特征選擇在中醫(yī)數(shù)據(jù)挖掘中的應用研究 基于 SVM與關聯(lián)規(guī)則中醫(yī)舌象數(shù)據(jù)挖掘技術初步研究 數(shù)據(jù)挖掘中分類分析的策略研究及其生物醫(yī)學應用 基于 HMM的中醫(yī)臨床療效評價分析研究 數(shù)據(jù)挖掘在中醫(yī)若干問題研究中的應用 關聯(lián)規(guī)則挖掘在中醫(yī)辨證診斷中的應用研究 數(shù)據(jù)挖掘模型的創(chuàng)建及其在中醫(yī)藥文獻中的應用研究 關聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應用 數(shù)據(jù)挖掘及其在中醫(yī)藥領域中的應用 關聯(lián)分析在中醫(yī)數(shù)據(jù)挖掘中的應用研究 脾虛證診斷信息數(shù)據(jù)挖掘的初步探討 惡性腫瘤與脾虛證相關性數(shù)據(jù)挖掘的初步探討 明清中醫(yī)疫病發(fā)病、癥狀與用藥相關性數(shù)據(jù)挖掘研究 多路異質聚類在中醫(yī)臨床數(shù)據(jù)中的應用及其研究 名老中醫(yī)經(jīng)驗傳承中的數(shù)據(jù)挖掘技術研究 粗糙集合屬性約簡方法研究與實現(xiàn) 面向中醫(yī)胃病診療的數(shù)據(jù)挖掘技術 SVM算法研究及其在中醫(yī)臟腑辨證中的應用 慢性胃炎中醫(yī)診療中的數(shù)據(jù)挖掘研究 DartSpora數(shù)據(jù)挖掘平臺的構建 呂仁和教授治療糖尿病學術思想及其傳承方法的研究 可擴展智能推理及其在中醫(yī)舌診中的應用 絕經(jīng)綜合征中醫(yī)證治規(guī)律的數(shù)據(jù)挖掘模型與系統(tǒng)架構設計 原始數(shù)據(jù)規(guī)范不足 挖掘領域局限性 結果評價不充分 存在問題 ?研究目的： 豐富婦科的臨床用藥理論 探索： 中藥與中藥之間 癥狀與癥狀之間 證型與證型之間 中藥與癥狀之間 中藥與證型之間 癥狀與證型之間 三、數(shù)據(jù)挖掘在中醫(yī)婦科醫(yī)案中的應用 關 系 收集 符合 要求的 醫(yī)案 第一步 數(shù)據(jù) 采集 第二步 數(shù)據(jù) 預處理 第三步 數(shù)據(jù) 挖掘 第四步 結果評價分析 把收集 的婦科 醫(yī)案 數(shù)據(jù) 統(tǒng)一 ★★★ 把統(tǒng)一 好的 數(shù)據(jù) 進行 數(shù)據(jù) 挖掘 把挖掘 結果 作一個 綜合 分析 ★★★ 研 究 流 程 醫(yī) 案 采 集 病種 選擇 醫(yī)家 選擇 醫(yī)案 時間 醫(yī)案 內容 第一步：數(shù)據(jù)采集 ?參考 94中醫(yī)藥行業(yè)標準： 確定婦科常見疾病共有 14個 通過檢索中醫(yī)藥信息研究所的中國中醫(yī)藥期刊文獻數(shù)據(jù)庫檢出這些疾病的期刊文章發(fā)表情況 病種選擇 婦科常見病期刊文章發(fā)表數(shù)（198 4－至今)9217722334612001256128913661892261427170 500 1000 1500 2022 2500 3000月經(jīng)過少逆經(jīng)經(jīng)前期綜合征月經(jīng)過多月經(jīng)失調更年期綜合征帶下閉經(jīng)不孕崩漏痛經(jīng) 病 種 選 擇 ?選擇了前４個發(fā)表文獻數(shù)最多的病種， 在醫(yī)案實際記錄中，有的病名很模糊，故醫(yī)案中信息診斷參考了國家中醫(yī)藥管理局 1994年頒布了 《 中華人民共和國中醫(yī)藥行業(yè)標準 中醫(yī)病癥診斷療效標準 》 痛經(jīng) 崩漏 不孕 閉經(jīng) 醫(yī) 案 總 況 病種 選擇 醫(yī)家 選擇 醫(yī)案 時間 醫(yī)案 內容 痛 經(jīng) 崩 漏 不 孕 閉 經(jīng) 經(jīng)驗 豐富的 醫(yī)師 醫(yī)案 出版 時間 1972 － 2022 醫(yī)案 就診 時間 1951 － 2022 中 醫(yī) 診 斷 中 藥 處 方 證 型 癥 狀 采集醫(yī)案情況 處方，癥狀，證候原文采集 涉及醫(yī)案共 2138例 ?崩漏 664例 ?閉經(jīng) 408例 ?不孕 631例 ?痛經(jīng) 435例 期刊中醫(yī)案 848例，專著中醫(yī)案 1290例 涉及醫(yī)家 476位 數(shù)據(jù)采集內容 ? 圍繞數(shù)據(jù)挖掘目的：尋找證 癥 藥關系。 采集 4種疾病醫(yī)案中證 癥 藥信息 崩漏 閉經(jīng) 不孕 痛經(jīng) 證型 癥狀 處方中藥組成 確定一些納入排出標準 例如： ? 在本課題收錄的醫(yī)案中，治療方法都是單純的中草藥內服治療。凡含有中成藥、針灸治療、外用治療、西藥治療、手術治療的醫(yī)案均被排除在外。 ? 這里特別要說明的是中成藥治療不予收錄。 ? 辨證必須含有病性和病位內容。一些醫(yī)案的辨證部分只含有病位如“肝脾為病”或只含有病性“虛”或“實” 不予收錄。 ? 癥狀除主癥之外必須有兩個以上癥狀描述， 采集醫(yī)案樣例 1 陳某 43歲 1976，12，14 月經(jīng)過多來則如崩，已十余年，血色鮮紅，夾有大血塊．無腹痛．頭面洪熱 ,此次經(jīng)期