【正文】 .................................................................. 39 算法運(yùn)行結(jié)果 ................................................................................................. 40 結(jié)果評(píng)價(jià)及性能分析 ...................................................................................... 41 對(duì)高血壓醫(yī)案模型進(jìn)行分析 ................................................................ 41 對(duì) Apriori 算法進(jìn)行性能分析 ............................................................... 42 第四章 總結(jié)與展望 ..................................................................................................... 45 總結(jié) ................................................................................................................ 45 展望 ................................................................................................................ 45 參考文獻(xiàn) ...................................................................................................................... 47 在學(xué)取得成果 ............................................................................................................... 49 致謝 .............................................................................................................................. 50 3 摘 要 名老中醫(yī)寶貴的臨床經(jīng)驗(yàn)是中醫(yī)學(xué)術(shù)與臨證思維相結(jié)合的產(chǎn)物。中醫(yī)臨證辨治是以中醫(yī)視點(diǎn)采集信息、以中醫(yī)思維處理信息，并據(jù)此施以中醫(yī)治法的 過程。 利用數(shù)據(jù)挖掘正好能夠解決中醫(yī)藥特色研究中所遇到的關(guān)鍵問題和技術(shù)難題。采用數(shù)據(jù)挖掘的方法來研究繼承名老中醫(yī)臨床經(jīng)驗(yàn)，挖掘整理其學(xué)術(shù)思想，創(chuàng)新研究方法，結(jié)合應(yīng)用數(shù)據(jù)挖掘技術(shù)、機(jī)器學(xué)習(xí)技術(shù)等智能化技術(shù)，力求獲得名老中醫(yī)真實(shí)的經(jīng)驗(yàn)，便于傳承者學(xué)習(xí)。 在 Windows XP 平臺(tái)上 Visual BAS 工 C6. 0 的環(huán)境下，采用 Apriori 算法，開發(fā)了基于數(shù)據(jù)挖掘的中醫(yī)高血壓醫(yī)案分析系統(tǒng)。 本文提出 的高血壓診療系統(tǒng)，只在輔助高血壓的診斷和治療，是依靠人工技能及計(jì)算機(jī)技術(shù)對(duì)高血壓診斷和治療工作的一次嘗試與探索。希望能對(duì)后續(xù)的從事相關(guān)研究的人員提供有益的借鑒。 Apriori algorithm。 drug laws。 心腦血管病的發(fā)病和死亡一半以上與高血壓有關(guān)，同時(shí)居民腦卒中和冠心病發(fā)病最重要的危險(xiǎn)因素也是高血壓，所以控制高血壓是防治心腦血管病、腦卒中和冠心病的 關(guān)鍵。中國(guó)居民 2020年?duì)I養(yǎng)與健康狀況調(diào)查顯示， 18歲以上居民高血壓患病率為 %，全國(guó)患病人數(shù)大約 億多 。 高血壓是一種慢性疾病，病人都需要接受長(zhǎng)期治療 。 隨看計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的成熟，我國(guó)醫(yī)療衛(wèi)生信息化建設(shè)不斷深入，全國(guó)的醫(yī)療機(jī)構(gòu)也都開始建設(shè)自己的醫(yī)療信息化系統(tǒng)，其中電子處方作為推行醫(yī)療信息化建設(shè)的必然產(chǎn)物和醫(yī)療信息化建設(shè)的重要組成部 分將得到廣泛的運(yùn)用 。中醫(yī)藥在漫長(zhǎng)的發(fā)展過程中形成了自己獨(dú)特的理論和診療經(jīng)驗(yàn)，中醫(yī)醫(yī)案中的方、藥、證之間的關(guān)系錯(cuò)綜復(fù)雜，在一定程度上保持了中醫(yī)藥系統(tǒng)的特色，但也成為中醫(yī)藥走向世界的障礙。總結(jié)其經(jīng)驗(yàn)，繼承其學(xué)術(shù)，既是今天振 興中醫(yī)藥事業(yè)的需要，也是歷史賦予我們的重任。本課題對(duì)數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥方面的應(yīng)用進(jìn)行了有益的探索，設(shè)計(jì)并實(shí)現(xiàn)了基于數(shù)據(jù)挖掘的中醫(yī)醫(yī)案分析系統(tǒng)，通過收集治療典型病例的眾多醫(yī)案，從大量有噪聲、不完整甚至是不一致的數(shù)據(jù)中，挖掘出典型病例的中醫(yī)用藥規(guī)律，突破了以往單純應(yīng)用整理、歸納方法總結(jié)名老中醫(yī)經(jīng)驗(yàn)的傳統(tǒng)思路，為中醫(yī)臨床治療、中醫(yī)藥教學(xué)及中成藥的研制提 供參考，開創(chuàng)了應(yīng)用計(jì)算機(jī)輔助分析名、老中醫(yī)經(jīng)驗(yàn)的新方法。為了有效防治高血壓，領(lǐng)域?qū)W者對(duì)高血壓做了多方面研究，主要集中在幾個(gè)方面 :(1)對(duì)高血壓患病率的統(tǒng) 計(jì)。 15歲以上患病率為 %。 (2)對(duì)成年人高血壓知曉率和治療控制狀況的統(tǒng)計(jì) 。文獻(xiàn)中指出我國(guó)高血壓患者的知曉率和患病率只 %.、 %，這對(duì)高血壓的治療帶來了很大的困難 。 國(guó)外的Thusitha 等人認(rèn)為高血壓病人要想達(dá) 到降血壓的目的，必須堅(jiān)持接受藥物治療。 同時(shí)，為了增強(qiáng)全科醫(yī)生的查詢能力，更好地提醒病人按時(shí)服藥 ， Thusitha 等人還開發(fā)了一個(gè)基于本體的查詢方法。 隨若數(shù)據(jù)量的不斷增長(zhǎng)，傳統(tǒng)的統(tǒng)計(jì)、查詢方法都是對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的處理，無法直接提取出這些潛在的有價(jià)值的信息。 關(guān)聯(lián)規(guī)則挖掘 是數(shù)據(jù)挖掘的一個(gè)重要研究課題，它反映了一個(gè)數(shù)據(jù)集中數(shù)據(jù)項(xiàng)之間的依賴或相互 關(guān)聯(lián)，是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要分支，它是由 等 人 于 1993年首次提出 。 由于關(guān)聯(lián)規(guī)則技術(shù)易 于理解并且實(shí)際應(yīng)用效果非常理想，所以在關(guān) 聯(lián)規(guī)則提出后的幾年中學(xué)者和研究人員對(duì)它做了大量的研究工作，現(xiàn)在對(duì)關(guān)聯(lián)規(guī)則的研究主要集中在以下兩個(gè)方面 :(1)優(yōu)化原來的算法或提出更高性能的算法 .這其中包括 Agrawal 本人 對(duì) Apriod 算法提出的改進(jìn)算法 AprioriAl 和ApriodTid,其他研究人利用并行挖掘 技術(shù)、散列技術(shù)、分區(qū)技術(shù)對(duì) Apriod 算法提出的優(yōu)化算法 .(2)把關(guān)聯(lián)規(guī)則的概念應(yīng)用到其他的領(lǐng)域 。 在醫(yī)學(xué)領(lǐng)域中，關(guān)聯(lián)規(guī)則主要用來尋找癥狀和疾病 之 間 的關(guān) 聯(lián)、疾病和治療標(biāo)準(zhǔn)之間的關(guān)聯(lián)、藥物和不良反應(yīng)之問的關(guān)聯(lián)，從而輔助 疾病的診斷和治療 。趙連朋利用關(guān)聯(lián)規(guī)則技術(shù)發(fā)現(xiàn)病人的處方和藥品之間的關(guān)聯(lián)，以監(jiān)督醫(yī)師合理用藥 。 高血壓病人的電子處方記錄中也隱藏了很多關(guān)聯(lián)，因此把關(guān)聯(lián)規(guī)則技術(shù)應(yīng)用到電子處方中也應(yīng)該會(huì)得到抗高血壓藥物 間、藥物 血壓間的一些關(guān)聯(lián)，這 些關(guān)聯(lián)可用于輔助高血壓的診斷和治療 。 該系統(tǒng)利用了數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則技術(shù)、本體的構(gòu)建方法和本體理論的知識(shí)表達(dá)與推理技術(shù) 。 在 Windows XP 平臺(tái)上 Visual BAS 工 C6. 0 的環(huán)境下，采用 Apriori 算法，開發(fā)了基于數(shù)據(jù)挖掘的中醫(yī)高血壓醫(yī)案分析系統(tǒng)。 北京科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 11 第二章 數(shù)據(jù)挖掘技術(shù)研究 數(shù)據(jù)挖掘技術(shù)及其在中醫(yī)藥研究中的應(yīng)用 數(shù)據(jù)挖掘簡(jiǎn)介 隨著 Inter 的不斷發(fā)展，信息化時(shí)代的到來，像超市、保險(xiǎn)公司、醫(yī)療機(jī)構(gòu)等多個(gè)行業(yè)積累的數(shù)據(jù)正在以指數(shù)式增長(zhǎng)。但是面對(duì)海量的數(shù)據(jù)，人們對(duì)數(shù)據(jù)的理解程度在降低，對(duì)數(shù)據(jù)進(jìn)行準(zhǔn)確理解、分析和發(fā)現(xiàn)有用的新知識(shí)成為各個(gè)行業(yè)決策者的強(qiáng)烈需求。信息的需求帶動(dòng)了對(duì)信息挖掘分析工具的需求，數(shù)據(jù)挖掘 (Data Mining, DM)技術(shù)應(yīng)運(yùn)而生。 從商業(yè)角度來看，數(shù)據(jù)挖掘是對(duì)既定的業(yè)務(wù)目標(biāo)，從大量的企業(yè)數(shù)據(jù)中發(fā)現(xiàn)未知的規(guī)律或者驗(yàn)證己知的規(guī)律，并進(jìn)一步模型化，從而獲得輔助商業(yè)決策、解決商業(yè)向題的關(guān)鍵數(shù)據(jù)的方法 .ISL, NCR, DaimlerChrysler 三家公司在 1996 年制定了數(shù)據(jù)挖掘的交叉產(chǎn)業(yè)標(biāo)準(zhǔn)過程 (CRISPDM) ，它強(qiáng)調(diào)數(shù)據(jù)挖掘在商業(yè)中的應(yīng)用，是數(shù)據(jù)挖掘 應(yīng)用商業(yè)的通用流行標(biāo)準(zhǔn)之一。 數(shù)據(jù)庫、數(shù)據(jù)倉(cāng)庫和其它信息庫 數(shù)據(jù)庫、數(shù)據(jù)倉(cāng)庫和其它信息庫是 進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)源，可以在它們的數(shù)據(jù)上進(jìn)行數(shù)據(jù)清理和集成。 知識(shí)庫 用戶界面 模式評(píng)估 數(shù)據(jù)挖掘引擎 數(shù)據(jù)庫或數(shù)據(jù)倉(cāng)庫服務(wù)器 數(shù)據(jù)清理、集成和選擇 數(shù)據(jù)庫 數(shù)據(jù)倉(cāng)庫 萬維網(wǎng) 其他信息儲(chǔ)存庫 知識(shí)庫 北京科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 13 知識(shí)庫是特定的領(lǐng)域知識(shí)，用于指定搜索或評(píng)估結(jié)果模式的興趣度。 數(shù)據(jù)挖掘引擎 數(shù)據(jù)挖掘引擎是數(shù)據(jù)挖掘的最重要的基本部分，由一組功能模塊組成，用于特征化、關(guān)聯(lián)、分類、聚類分析以及演變和偏差分析。它可能使用興趣度閩值過濾發(fā)現(xiàn)的模式。 圖形用戶界面 圖形用戶界面在用戶和數(shù)據(jù)挖掘系統(tǒng)之間通信，允許用戶與系統(tǒng)交互，指定數(shù)據(jù)挖掘查詢或任務(wù)，提供信息、幫助搜索聚集，根據(jù)數(shù)據(jù)挖掘的中間結(jié)果進(jìn)行探索式數(shù)據(jù)挖掘。 從技術(shù)角度來講，數(shù)據(jù)挖掘是從大量的、真實(shí)的、有噪聲的、校糊的、不確定的相同或不同的數(shù)據(jù)集中，提取隱藏的，事前不為人知的但又有用的潛在知識(shí) 的過程。數(shù)據(jù)挖掘是利用區(qū)別于傳統(tǒng)的統(tǒng)計(jì)方法從大量數(shù)據(jù)集中獲取深層次的知識(shí)的過程。 從數(shù)據(jù)中挖掘出有用的知識(shí)是一個(gè)往復(fù)循環(huán)的過程，首先要確定合適的挖掘目標(biāo)，然后抽取所需要的數(shù)據(jù)，選取相應(yīng)的挖掘算法進(jìn)行數(shù)據(jù)挖掘，最后對(duì)生成的知識(shí)進(jìn)行評(píng)估，如果對(duì)挖掘出的只 是不滿足用戶的要求，則整個(gè)挖掘過程需要退回，重新選取數(shù)據(jù)，甚至改變挖掘算法，直到滿足要求為止。數(shù)據(jù)挖掘功能可發(fā)現(xiàn)多種不同的知識(shí)模式，根據(jù)發(fā)現(xiàn)知識(shí)的不同可以從以下 6 個(gè)方面描述數(shù)據(jù)挖掘的功能。數(shù)據(jù)區(qū)分是發(fā)現(xiàn)或提取目標(biāo)數(shù)據(jù)的某些特征或?qū)傩耘c其他數(shù)據(jù)的特征或?qū)傩韵啾容^，用于描述不同數(shù)據(jù)之間的區(qū)別。數(shù)據(jù)特征化是對(duì)口標(biāo)數(shù)據(jù)的總體情況的描述，提取數(shù)掘的一般特征或特性的匯總。關(guān)聯(lián)規(guī)則被廣泛地應(yīng)用到商業(yè)領(lǐng)域，通過分析交易數(shù)據(jù)來指導(dǎo)銷售和制定市場(chǎng)決策 .比如人們熟知的“啤酒和尿布”的故事就是從超市的交易數(shù)據(jù)中分析得出的頻繁項(xiàng)集。分類包括模型的創(chuàng)建和模型的使用兩個(gè)過程。分類方法有決策樹、分類規(guī)則、神經(jīng)網(wǎng)絡(luò)、粗糙集等。 預(yù)測(cè) (Prediction)是利用訓(xùn)練數(shù)據(jù)建立模型，該模型可以獲得新輸入數(shù)據(jù)的未來變化的趨勢(shì)或評(píng)估數(shù)據(jù)的屬性值的分布范圍。每個(gè)數(shù)據(jù)集包括若干個(gè)類，各類之間數(shù)據(jù) 對(duì)象相似程度極低，每個(gè)類內(nèi)部的對(duì)象相似程度很高。 孤立點(diǎn)分析 孤立點(diǎn) (Outlier)是指與數(shù)據(jù)的一般行為或模型不一致的數(shù)據(jù)對(duì)象。但是罕見或意想不到的事件有時(shí)候比正常的事件更 有價(jià)值。 演變分析 演變分析（ Evolution Analysis）是描述事件或?qū)ο蟮男袨榛跁r(shí)間或共他序列變化的規(guī)律或趨勢(shì)，并對(duì)其建模 .演變分析主要包括序列或周期校式匹配、機(jī)遇類似性的數(shù)北京科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 16 據(jù)分析和時(shí)間序列數(shù)掘分析。 數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥研究中的應(yīng)用 數(shù)據(jù)挖掘技術(shù)只有十多年的發(fā)展時(shí)間，但其應(yīng)用十分廣泛。數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用剛剛起步，但己經(jīng)表現(xiàn)出了很好的勢(shì)頭，目前數(shù)據(jù)挖掘技術(shù)在此領(lǐng)域中的應(yīng)用主要表現(xiàn)在以下幾個(gè)方面。從中醫(yī)診斷、辨證到組方的各個(gè)環(huán)節(jié)，用文字語言描述的過程占很大比例，使得定性內(nèi)容相對(duì)多一些。因此，對(duì)以古語言和純文本為主的中醫(yī)藥理論和實(shí)踐進(jìn)行結(jié)構(gòu)化解析是中醫(yī)藥信息化研究的重要內(nèi)容，其中的某些內(nèi)容可以通過對(duì)文本的數(shù)據(jù)挖掘技術(shù)來實(shí)現(xiàn)。 在中醫(yī)藥專家系統(tǒng)研究中的應(yīng)用 計(jì)算機(jī)和人工智能技術(shù)在中醫(yī)藥研究中最普遍的應(yīng)用是各種專家系統(tǒng)，如關(guān)幼波肝病專家系統(tǒng)等。對(duì)于一個(gè)專家系統(tǒng)來說，實(shí)際診斷成功與否的關(guān)鍵取決于它的知識(shí)庫中知識(shí)的完備程度，而僅憑中醫(yī)專家的口授心傳和系統(tǒng)設(shè)計(jì)者的領(lǐng)悟，往往難以滿足專家系統(tǒng)知識(shí)庫的要求，而且相對(duì)簡(jiǎn)單的推理往往也難以體現(xiàn)出人最活躍的主觀能動(dòng)的部分，知識(shí)的獲取途徑和表示方法因此成為限制專北京科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 17 家系統(tǒng)發(fā)展的瓶頸。 在中醫(yī)藥基礎(chǔ)理論研究中的應(yīng)用 數(shù)據(jù)挖掘不僅在中醫(yī)藥臨床 實(shí)踐中有廣泛的應(yīng)用，也可應(yīng)用于中醫(yī)藥基礎(chǔ)理論的現(xiàn)代化研究中。中醫(yī)對(duì)于中藥藥性的認(rèn)識(shí)是一個(gè)逐漸積累和完善的過程，至今還存在某些藥物的藥性不完整的情況，如華山參的藥性特征為只有性味而無歸經(jīng)；對(duì)于中藥的功效歸類也因?qū)＜覍?duì)藥物認(rèn)識(shí)程度的不同，而導(dǎo)致同一藥物分屬于不同類別，甚至功效分類名稱也不統(tǒng)一的情況。如數(shù)據(jù)挖掘中的分類方法 可以依據(jù)藥性特征的辨識(shí)結(jié)果，將一些還未歸類的中藥進(jìn)行分類預(yù)測(cè) 。用決策樹和關(guān)聯(lián)規(guī)則分析可以自動(dòng)對(duì)藥物進(jìn)行功效分類與其藥性特征之間的關(guān)聯(lián)模式或規(guī)則研究 。進(jìn)行中藥藥性特征的數(shù)據(jù)挖掘研究，對(duì)中藥復(fù)方配伍的科學(xué)規(guī)律研究有著重要意義。中藥化學(xué)成分一般較人工合成的成分復(fù)雜，具有相同藥效的成分往往具有相似的活性基團(tuán)和比較穩(wěn)定的活性構(gòu)象。如利用分子對(duì)接技術(shù) (DOCK)在進(jìn)行受體與配體結(jié)合分析的基礎(chǔ)上，建立對(duì)應(yīng)結(jié)構(gòu)類型不同配體的構(gòu)效方程和它們的結(jié)合模式 。 北京科技大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 18 在中醫(yī)醫(yī)案方面的應(yīng)用 中醫(yī)醫(yī)案在中醫(yī)藥科學(xué)中扮演著非常重要的角色，大量的醫(yī)案散見于文獻(xiàn)刊物中，散見于名老中醫(yī)的案頭，他們的學(xué)術(shù)經(jīng)驗(yàn)是中