真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘分析的探索與實(shí)踐

關(guān)于真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘分析的探索與實(shí)踐第1頁，講稿共39頁，2023年5月2日，星期三一、數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘（DataMining，DM）是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)集中識別有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。

分類或預(yù)測聚類關(guān)聯(lián)規(guī)則序列模式等根據(jù)任務(wù)數(shù)據(jù)挖掘作為知識發(fā)現(xiàn)（KDD）的一個(gè)步驟[10]

第2頁，講稿共39頁，2023年5月2日，星期三二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀幾千年來，中醫(yī)臨床實(shí)踐積累了海量的真實(shí)世界中醫(yī)診療數(shù)據(jù)；東漢末年，醫(yī)圣張仲景鉆研和分析已有文獻(xiàn)典籍（《素問》、《九卷》、《八十一難》、《陰陽大論》、《胎臚藥錄》等），并結(jié)合臨床診療經(jīng)驗(yàn)，利用古代數(shù)學(xué)等相關(guān)知識，得出了六經(jīng)辨證模式，撰寫出被后人稱為辨證論治典范的著作《傷寒雜病論》，體現(xiàn)了現(xiàn)代數(shù)據(jù)挖掘技術(shù)的樸素思想[19]；當(dāng)今，利用先進(jìn)的數(shù)據(jù)挖掘技術(shù)，在海量的真實(shí)世界中醫(yī)數(shù)據(jù)中，發(fā)現(xiàn)啟發(fā)性或可驗(yàn)證性的中醫(yī)診療規(guī)律，將會對疾病的防御和治療，對人們更好地了解中醫(yī)的內(nèi)涵以及促進(jìn)中醫(yī)的發(fā)展具有重要的現(xiàn)實(shí)意義。

第3頁，講稿共39頁，2023年5月2日，星期三從上世紀(jì)90年代以來，隨著數(shù)據(jù)挖掘技術(shù)的成熟和廣泛應(yīng)用，利用數(shù)據(jù)挖掘等先進(jìn)的信息技術(shù)手段，總結(jié)名老中醫(yī)診療經(jīng)驗(yàn)、探索中醫(yī)辨證論治規(guī)律已逐漸成為國內(nèi)中醫(yī)領(lǐng)域的研究熱點(diǎn)。利用聚類[46-55]、關(guān)聯(lián)規(guī)則[56-65]、貝葉斯網(wǎng)絡(luò)與貝葉斯分類[66-70]、SVM[71-73]、回歸分析和判別分析[74-77]、神經(jīng)網(wǎng)絡(luò)[78-81]、Rough集[82-85]、文本挖掘[86-89]、復(fù)雜網(wǎng)絡(luò)[90-91]、因子分析和主成份分析[92-94]、隱結(jié)構(gòu)模型[95-102]

、隱馬爾科夫模型[106-108]、主體模型[109-114]等多種數(shù)據(jù)挖掘技術(shù)，廣泛探索中醫(yī)“辨證論治”的診療規(guī)律。二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第4頁，講稿共39頁，2023年5月2日，星期三聚類分析189個(gè)案例中半夏瀉心湯7味中藥聚成四類,各類藥物的平均用量(g)[53]

聚類結(jié)果示例[10]二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第5頁，講稿共39頁，2023年5月2日，星期三聚類分析35個(gè)腎虛辨證因子聚類分析樹狀圖[49]二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第6頁，講稿共39頁，2023年5月2日，星期三聚類分析3238例糖尿病數(shù)據(jù)中50個(gè)癥狀的部分分層聚類結(jié)果二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀3238例糖尿病數(shù)據(jù)中50個(gè)癥狀第7頁，講稿共39頁，2023年5月2日，星期三聚類分析利用SPSS,對Breastcancer數(shù)據(jù)中的1207例數(shù)據(jù)進(jìn)行K-means聚5類的結(jié)果

二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第8頁，講稿共39頁，2023年5月2日，星期三應(yīng)用聚類分析存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀參數(shù)選擇問題聚類都涉參數(shù)選擇問題。如，聚類數(shù)與距離函數(shù)（或密度函數(shù)）都需要人為設(shè)定，不同的參數(shù)設(shè)置通常會得到不同的聚類結(jié)果，尤其是面對高維稀疏數(shù)據(jù)時(shí)，聚類結(jié)果受距離函數(shù)（或密度函數(shù)）的影響更為突出。中醫(yī)在癥狀、證候和復(fù)方藥物的描述中具有高維性和稀疏性特征。據(jù)我們對3000多例糖尿病數(shù)據(jù)統(tǒng)計(jì)得知，常用的癥狀或中藥名稱約500種，證候描述約1000多種。而每個(gè)患者描述的癥狀、中藥與證候診斷約20種左右。第9頁，講稿共39頁，2023年5月2日，星期三應(yīng)用聚類分析存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀v1v2v3……p110100p211000…中醫(yī)臨床數(shù)據(jù)特點(diǎn)v1v2v3……t150010000t21101120…451120文本數(shù)據(jù)特點(diǎn)參數(shù)選擇問題特點(diǎn)：變量值稀疏且單一第10頁，講稿共39頁，2023年5月2日，星期三應(yīng)用聚類分析存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀聚類的單分配性聚類結(jié)果示例[10]在“辨證”時(shí)，一種癥狀可表現(xiàn)在不同的證候中，一個(gè)患者可以表現(xiàn)出不同的證候；在利用復(fù)方“論治”時(shí)，一種中藥可以出現(xiàn)在不同的復(fù)方里。所以在分析這些中醫(yī)問題時(shí)，都不適合單純使用聚類方法。

第11頁，講稿共39頁，2023年5月2日，星期三應(yīng)用聚類分析存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀中醫(yī)藥術(shù)語的語義復(fù)雜性隨著幾千年語言文化的演變，中醫(yī)術(shù)語普遍存在一詞多義(Polysemy)和多詞一義(Synonymy)的現(xiàn)象。如：“喘”與“氣喘”，“納呆”與“厭食”以及“食欲不振”，“不寐”與“失眠”等在癥狀中的不同描述，在中草藥中如“瓜蔞”與“瓜殼”，“姜”與“生姜”等的描述，在證候中如“傷寒”一詞，可以是外感病的統(tǒng)稱，也可以指外感風(fēng)寒的感冒。在聚類挖掘中距離（或密度）的計(jì)算時(shí)，難以顧及特證詞的語義問題。

第12頁，講稿共39頁，2023年5月2日，星期三解決辦法二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀參數(shù)選擇問題聚類的單分配性中醫(yī)藥術(shù)語的語義復(fù)雜性專家指導(dǎo)、算法反復(fù)嘗試采用模糊聚類算法或其它算法建立、完善中醫(yī)臨床術(shù)語系統(tǒng)，構(gòu)建中醫(yī)本體（Ontology

）[125]？？第13頁，講稿共39頁，2023年5月2日，星期三關(guān)聯(lián)規(guī)則舌苔薄(白)=>中虛氣滯(50%)；舌質(zhì)紅=>中虛氣滯(66%)；胃脘痞脹∧舌苔薄(白)∧吞酸或泛酸∧舌質(zhì)紅=>中虛氣滯(100%)

基于辨證“中虛氣滯”關(guān)聯(lián)規(guī)則[57]

四診信息與證候的關(guān)聯(lián)[59]

四診信息與用藥的關(guān)聯(lián)[59]

二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第14頁，講稿共39頁，2023年5月2日，星期三應(yīng)用關(guān)聯(lián)規(guī)則存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀參數(shù)設(shè)置最小支持度（support）和置信度(confidence)這兩個(gè)主要參數(shù)的設(shè)置。當(dāng)參數(shù)設(shè)置較大時(shí)，學(xué)習(xí)出的規(guī)則會很少，不具有代表性，而當(dāng)參數(shù)設(shè)置較小時(shí)，由于規(guī)則是考察變量之間的組合而產(chǎn)生，將會得出比變量多得多的規(guī)則，導(dǎo)致研究人員或領(lǐng)域?qū)＜矣直谎蜎]在大量的規(guī)則里。臨床專家對規(guī)則的解釋第15頁，講稿共39頁，2023年5月2日，星期三隱結(jié)構(gòu)模型

利用隱結(jié)構(gòu)模型分析2600例腎虛患者的35個(gè)癥狀的部分圖解[96]二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第16頁，講稿共39頁，2023年5月2日，星期三應(yīng)用隱結(jié)構(gòu)模型存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀與聚類算法具有相同的問題運(yùn)行速度較慢由于學(xué)習(xí)的目的是建立一個(gè)分層樹狀的貝葉斯網(wǎng)絡(luò)，學(xué)習(xí)算法是使用在一次迭代中只能在分層樹上進(jìn)行一個(gè)局部變動的貪心方法（例如，引入一個(gè)隱變量或者刪除一條邊），有較高的計(jì)算復(fù)雜度，導(dǎo)致學(xué)習(xí)效率比較低。例如，文獻(xiàn)[96]對2600個(gè)腎虛病例中67個(gè)癥狀的35個(gè)癥狀建立了HLC模型，使用2.4GHz的奔騰IV計(jì)算機(jī)，花費(fèi)了98.5小時(shí)，而對于分析全部的67個(gè)癥狀就較難處理。

第17頁，講稿共39頁，2023年5月2日，星期三主題模型3238例糖尿病中藥數(shù)據(jù)中提取的8個(gè)主題中的3個(gè)主題

3238例糖尿病癥狀數(shù)據(jù)中提取的20個(gè)主題中的若干個(gè)主題（矩形框左上角之間的距離代表主題間的距離）

二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第18頁，講稿共39頁，2023年5月2日，星期三主題模型TOPIC13（0.01463）癥狀分布概率中藥分布概率平均劑量(g)診斷分布概率下肢浮腫0.37800車前子0.2646018.98701糖尿病腎病0.23539浮腫0.20962豬苓0.1374616.18750低蛋白血癥0.06185顏面浮腫0.06014白術(shù)0.1305812.50000冠心病0.06014尿量少0.05670澤蘭0.0721613.00000慢性腎功能不全0.05670大便不調(diào)0.03436大腹皮0.0721614.78571高血壓0.03952肢體浮腫0.03265山茱萸0.0635712.54054糖尿病腎病iv期0.03608面部浮腫0.02577法半夏0.0429510.08000慢性心功能不全0.03265皮膚蒼白0.02234浙貝0.0429512.48000心功能Ⅲ級0.02405面色晦暗0.02062阿膠0.0326513.68421血脂代謝紊亂0.02234視物模糊0.01718芡實(shí)0.0274912.00000白內(nèi)障0.022343238例糖尿病數(shù)據(jù)的的癥狀-中藥-診斷主題模型的其中一個(gè)主題的概率分布[115]二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第19頁，講稿共39頁，2023年5月2日，星期三應(yīng)用主題模型存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀參數(shù)選擇問題沒有考慮癥狀的輕重程度、中藥的劑量、以及診斷的輕重程度沒有考慮變量間的父子關(guān)系，如肢體麻木下肢麻木解決辦法無參算法設(shè)計(jì)對變量合理量化癥狀：輕（1）、中（2）、重（3）；對中藥劑量進(jìn)行合理歸一化結(jié)合中醫(yī)本體研究有效的主題模型算法第20頁，講稿共39頁，2023年5月2日，星期三部分可觀察馬爾可夫決策過程模型給出患者的處方治療方案[112]二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第21頁，講稿共39頁，2023年5月2日，星期三應(yīng)用部分可觀察馬爾可夫決策過程存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀對同一病例跟蹤記錄的診次數(shù)據(jù)較少對癥狀的變化值記錄不全第22頁，講稿共39頁，2023年5月2日，星期三復(fù)雜網(wǎng)絡(luò)藥物配伍網(wǎng)絡(luò)示意圖[124]二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第23頁，講稿共39頁，2023年5月2日，星期三應(yīng)用復(fù)雜網(wǎng)絡(luò)存在的問題二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀目前還沒有考慮中藥的劑量第24頁，講稿共39頁，2023年5月2日，星期三OLPA

數(shù)據(jù)立方體、上卷、下鉆的例子[10]

二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第25頁，講稿共39頁，2023年5月2日，星期三OLPA信息所snomed數(shù)據(jù)的臨床所見分層部分結(jié)構(gòu)

四診所見及中醫(yī)診察儀器所見望診所見聞診所見問診所見切（按）診所見切（按）診所見……望神所見望形體、姿態(tài)所見望形體所見……浮腫脫形半身不遂…………二、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘

的研究現(xiàn)狀第26頁，講稿共39頁，2023年5月2日，星期三真實(shí)世界中醫(yī)診療數(shù)據(jù)的術(shù)語是否準(zhǔn)確、術(shù)語變量對應(yīng)的值是否準(zhǔn)確、采集數(shù)據(jù)是否便于結(jié)構(gòu)化、都會影響數(shù)據(jù)挖掘的最終結(jié)果。數(shù)據(jù)的完整性、語義關(guān)聯(lián)性等，也影響數(shù)據(jù)挖掘的最終結(jié)果。三、數(shù)據(jù)挖掘?qū)φ鎸?shí)世界

中醫(yī)診療數(shù)據(jù)的要求第27頁，講稿共39頁，2023年5月2日，星期三三、數(shù)據(jù)挖掘?qū)φ鎸?shí)世界

中醫(yī)診療數(shù)據(jù)的要求臨床術(shù)語變量間應(yīng)有同義關(guān)系、父子關(guān)系等標(biāo)志主要癥狀變量描述[112]

頭部耳眼部…對光的反射對光的反射??….….術(shù)語分層

第28頁，講稿共39頁，2023年5月2日，星期三三、數(shù)據(jù)挖掘?qū)εR床術(shù)語的要求臨床術(shù)語變量有對應(yīng)的值，且能夠轉(zhuǎn)化為適合分析的結(jié)構(gòu)化數(shù)據(jù)類風(fēng)濕病診斷信息表[82]

第29頁，講稿共39頁，2023年5月2日，星期三四、數(shù)據(jù)挖掘常用工具軟件（一）WekaWeka包括分類、聚類和關(guān)聯(lián)規(guī)則、屬性選擇等功能。它是開源軟件。（二）SPSS著名的統(tǒng)計(jì)分析軟件之一，包含假設(shè)檢驗(yàn)、統(tǒng)計(jì)推斷、預(yù)測、制圖等多種數(shù)據(jù)分析方法。（三）SASSAS是一種功能強(qiáng)大的數(shù)據(jù)分析工具。包括數(shù)據(jù)獲取工具、數(shù)據(jù)取樣工具、數(shù)據(jù)篩選工具、數(shù)據(jù)變量轉(zhuǎn)換工具、數(shù)據(jù)挖掘數(shù)據(jù)庫、數(shù)據(jù)挖掘過程、多種形式的回歸工具、為建立決策樹的數(shù)據(jù)剖分工具、決策樹瀏覽工具、人工神經(jīng)元網(wǎng)絡(luò)數(shù)據(jù)挖掘的評價(jià)工具。第30頁，講稿共39頁，2023年5月2日，星期三五、真實(shí)世界中醫(yī)診療數(shù)據(jù)挖掘的思考1、術(shù)語、臨床數(shù)據(jù)的規(guī)范性仔細(xì)研究臨床術(shù)語的特征與分類規(guī)則，開發(fā)臨床術(shù)語系統(tǒng)與中醫(yī)本體，對其進(jìn)行有效維護(hù)，便于在電子病歷中與數(shù)據(jù)挖掘中的應(yīng)用；電子病歷設(shè)計(jì)人員與數(shù)據(jù)挖掘人員間有效溝通，設(shè)計(jì)合理、有效的臨床數(shù)據(jù)存儲格式，采集便于分析的完整的、準(zhǔn)確的數(shù)據(jù)。2、各醫(yī)療病種提出可行的數(shù)據(jù)挖掘目標(biāo)中醫(yī)臨床人員與數(shù)據(jù)挖掘人員的有效溝通，設(shè)計(jì)數(shù)據(jù)挖掘目標(biāo)，并且對分析挖掘獲得的結(jié)果進(jìn)行反復(fù)分析研究。3、挖掘方法的可行性、可解釋性、便捷性。開發(fā)有效的、適合中醫(yī)臨床數(shù)據(jù)的集成多種數(shù)據(jù)挖掘方法的分析挖掘系統(tǒng)，便于被醫(yī)療人員和管理人員便捷使用。第31頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[1]劉保延,張志斌.古代辨證方法的研究思路探討.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.2004,10(5):325-331.[2]鄧鐵濤.辨證論治是中醫(yī)臨床醫(yī)學(xué)的靈魂.中醫(yī)藥學(xué)刊.2002,20(4):394-395.[3]胡鏡清,劉保延,王永炎.中醫(yī)臨床個(gè)體化診療信息特征與數(shù)據(jù)挖掘技術(shù)應(yīng)用分析.世界科學(xué)技術(shù)—中醫(yī)藥現(xiàn)代化.2004,6(1):14-16.[4]劉保延,周雪忠.中醫(yī)臨床研究方法的思考與實(shí)踐—系統(tǒng)生物學(xué)濕干研究模式與中醫(yī)臨床研究.世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化.2007,9(1):85-89.[5]周雪忠.中醫(yī)臨床數(shù)據(jù)倉庫構(gòu)建及臨床數(shù)據(jù)挖掘方法研究.博士后出站報(bào)告.中國中醫(yī)科學(xué)院.2007.[6]劉明武.是告別,還是積極傳承？中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.2007,13(3):161-166.[7]袁占國.十大問題困擾巾醫(yī)藥的生存與發(fā)展.甘肅中醫(yī).2008,21:11-13.[8]朱杭溢.中醫(yī)的生存與發(fā)展是歷史的必然.中華中醫(yī)藥學(xué)刊.2007,25(11):2377-2379.[9]T.Mitchell.Machinelearninganddatamining.CommunicationsoftheACM.1999,42(11):31-36.[10]J.Han,M.Kamber.Datamining:Conceptsandtechniques.MorganKaufmann,SanFrancisco,CA.2001.[11]D.Hand,H.Mannila,P.Smyth.Principlesofdatamining.MITPress,Cambridge,CA.2001.[12]史忠植.知識發(fā)現(xiàn).清華大學(xué)出版社,北京.2002.[13]I.Witten,E.Frank.Datamining:PracticalMachineLearningToolsandTechniques.2ndEdition,MorganKaufmann,Massachusetts,USA.2005.[14]王玨,周志華,周傲英.機(jī)器學(xué)習(xí)及其應(yīng)用.清華大學(xué)出版社,北京.2006.[15]/opencms/opencms/xxyj/wxzyyj/gujidiaoyan.html.[16]/96/全國中醫(yī)藥統(tǒng)計(jì)摘編/atog/2008/d2-25.htm..[17]S.Lukman,Y.He,S.Hui.ComputationalmethodsfortraditionalChinesemedicine:asurvey.ComputerMethodsandProgramsinBiomedicine.2007,88:283-294.[18]:8012/tcm/sys/lmService?channelid=YSTSJS&recid=400.[19]李垠含,石巖.數(shù)據(jù)挖掘技術(shù)在中醫(yī)研究中的運(yùn)用初探.長春中醫(yī)藥大學(xué)學(xué)報(bào).2009,25(1):8-9.[20]郝先中.近代中醫(yī)廢存之爭研究.華中師范大學(xué)博士論文.2005.[21]封毅.中醫(yī)藥知識發(fā)現(xiàn)可靠性研究.浙江大學(xué)博士論文.2008.[22]吳朝暉,封毅.數(shù)據(jù)庫中知識發(fā)現(xiàn)在中醫(yī)藥領(lǐng)域的若干探索(I).中國中醫(yī)藥信息雜志.2005,12(10):93-95.[23]宋小莉.中西醫(yī)思維方式的差異.中國中醫(yī)藥報(bào).2004,4(17):6-7.[24]/96/全國中醫(yī)藥統(tǒng)計(jì)摘編/atog/2008/A01.htm.[25]童元元,何巍,趙英凱.世界衛(wèi)生組織傳統(tǒng)醫(yī)學(xué)政策回顧.中國中醫(yī)藥信息雜志.2010,17(1):2-3.第32頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[26]B.Liu,J.Hu,Y.Xie,etal.EffectsofintegrativeChineseandwesternmedicineonarterialsaturationinpatientswithsevereacuterespiratorysyndrome.JournalofChineseIntegrativeMedicine.2004,10(2):117-122.[27]WorldHealthOrganization.SARS:ClinicaltrialsontreatmentusingacombinationoftraditionalChinesemedicineandwesternmedicine.2004.[28]V.Konkimalla,T.Efferth.Evidence-basedChinesemedicineforcancertherapy.JournalofEthnopharmacology.2008,116:207-210.[29]Z.Wang,Z.Chen.Acutepromyelocyticleukemia:fromhighlyfataltohighlycurable.Blood.2008,111:2505-2515.[30]L.Wang,G.Zhou,P.Liu,etal.DissectionofmechanismsofChinesemedicinalformulaRealgar-Indigonaturalisasaneffectivetreatmentforpromyelocyticleukemia.ProceedingsoftheNationalAcademyofSciences.2008,105:4826-4831.[31]H.Diener,K.Kronfeld,G.Boewing,etal.Efficacyofacupuncturefortheprophylaxisofmigraine:amulticentrerandomisedcontrolledclinicaltrial.LancetNeurol.2006,5:310-316.[32]B.Flaws,P.Sionneau.ThetreatmentofmodernwesternmedicaldiseaseswithChinesemedicine:atextbookandclinicalmanual.2nded.BluePoppyPress.2005.[33]J.Rao,K.Mihaliak,K.Kroenke,etal.Useofcomplementarytherapiesforarthritisamongpatientsofrheumatologists.AnnalsofInternalMedicine.1999,131:409-416.[34]D.Eisenberg,R.Davis,S.Ettner,etal.TrendsinalternativemedicineuseintheUnitedStates1097:resultsofafollow-upnationalsurvey.JournaloftheAmericanMedicalAssociation.1998,280(18):1569-1575.[35]K.Honda,J.Jacobson.UseofcomplementaryandalternativemedicineamongUnitedStatesadults:theinfluencesofpersonality,copingstrategies,andsocialsupport.PreventiveMedicine.2005,40(1):46-53.[36]K.Thomas,J.Nicholl,P.Coleman.UseandexpenditureoncomplementarymedicineinEngland:apopulationbasedsurvey.ComplementaryTherapiesinMedicine.2001,9:2-11.[37]H.Yamashita,H.Tsukayama,C.Sugishita.PopularityofcomplementaryandalternativemedicineinJapan:atelephonesurvey.ComplementaryTherapiesinMedicine.2002,10:84-93.[38]姚美村,袁月梅,艾路,等.數(shù)據(jù)挖掘及其在中醫(yī)藥現(xiàn)代化研究中的應(yīng)用.北京中醫(yī)藥大學(xué)學(xué)報(bào).2002,25(5):20-23.[39]喬延江,李澎濤,蘇鋼強(qiáng),等.中藥(復(fù)方)KDD研究開發(fā)的意義.北京中醫(yī)藥大學(xué)學(xué)報(bào).1998,21(3):15-17.[40]田琳.數(shù)據(jù)挖掘及其在中醫(yī)藥領(lǐng)域中的應(yīng)用.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.2006,11(9):7l0-711.第33頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[41]丁維,蔣永光,宋姚屏,等.中醫(yī)知識發(fā)現(xiàn)研究現(xiàn)狀.數(shù)理醫(yī)藥學(xué)雜志.2007,20(3):403-404.[42]李志更,王天芳,任婕,等.中醫(yī)科研中幾種常用數(shù)據(jù)挖掘方法淺析.中醫(yī)藥學(xué)報(bào).2008,36(2):29-32.[43]X.Zhou,B.Liu.TraditionalChinesemedicineclinicaldatamining:experiencesandissues.ProceedingsoftheWorkshoponAdvancesandIssuesinBiomedicalDataMiningatthe13thPacific-AsiaConferenceonKnowledgeDiscoveryandDataMining.2009,11-20.[44]Y.Feng,Z.Wu,X.Zhou,etal.KnowledgediscoveryintraditionalChinesemedicine:Stateoftheartandperspectives.ArtificialIntelligenceinMedicine.2006,38(3):219-236.[45]X.Zhou,S.Chen,B.Liu,etal.DevelopmentoftraditionalChinesemedicineclinicaldatawarehouseformedicalknowledgediscoveryanddecisionsupport.ArtificialIntelligenceinMedicine.2010,48:139-152.[46]劉稼.聚類分析在中醫(yī)藥研究中的應(yīng)用及意義.中醫(yī)藥學(xué)刊.2004,22(5):927-928.[47]李建生,胡金亮,余學(xué)慶.基于聚類分析的徑向基神經(jīng)網(wǎng)絡(luò)用于證候診斷的研究.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.2005,11(9):685-687.[48]鄧兆智,何弈亭,余煜綿,等.計(jì)算機(jī)模式識別法對類風(fēng)濕關(guān)節(jié)炎中醫(yī)證候判斷與常規(guī)臨床判斷的比較.中國中西醫(yī)結(jié)合雜志.1996,16(12):727-729.[49]劉明,王米渠.六綱與腎虛癥狀聚類分析的方法及問題探索.現(xiàn)代中西醫(yī)結(jié)合雜志.2005,14(9):1117-1119.[50]張世筠,沈明秀,王先春,等.中醫(yī)肝證的變量聚類分析.中國中西醫(yī)結(jié)合雜志.2004,24(1):75-76.[51]Q.Zhang,W.Zhang,J.Wei,etal.CombineduseoffactoranalysisandclusteranalysisinclassificationoftraditionalChinesemedicalsyndromesinpatientswithposthepatiticcirrhosis.JournalofChineseIntegrativeMedicine.2005,3(1):14-18.[52]Q.He,J.Wang,Y.Zhang,etal.ClusteranalysisonsymptomsandsignsoftraditionalChinesemedicinein815PatientswithUnstableAngina.Proceedingsofthe6thInternationalConferenceonFuzzySystemsandKnowledgeDiscovery.2009,435-439.[53]李國春,史欣德.半夏瀉心湯臨床案例用藥量的聚類分析.中醫(yī)藥學(xué)刊.2005,23(5):836-838.[54]周德生.明清時(shí)期津液虧損案573例辨證用藥統(tǒng)計(jì)分析.中醫(yī)藥研究.1998,14(4):12-13.[55]周君,馮妍.明清時(shí)期消渴病案59例用藥統(tǒng)計(jì)分析.國醫(yī)論壇.2005,20(6):18-18.第34頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[56]王華,胡學(xué)鋼.基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘在臨床上的應(yīng)用.安徽大學(xué)學(xué)報(bào)(自然科學(xué)版).2006,30(2):21-25.[57]鐘穎,胡雪蕾,陸建峰.基于關(guān)聯(lián)規(guī)則和決策樹的中醫(yī)胃炎診斷分析.中國中醫(yī)藥信息雜志.2008,15(8):97-99.[58]李文林,趙國平,陸建峰,等.關(guān)聯(lián)規(guī)則在名醫(yī)臨證經(jīng)驗(yàn)分析挖掘中的應(yīng)用.南京中醫(yī)藥大學(xué)學(xué)報(bào).2008,24(1):21-24.[59]朱立成,林色奇,薛漢榮,等.名中醫(yī)哮喘醫(yī)案445例關(guān)聯(lián)規(guī)則分析.江西中醫(yī)學(xué)院學(xué)報(bào).2007,19(5):83-87.[60]吳榮,王階,周雪忠,等.基于關(guān)聯(lián)規(guī)則的名老中醫(yī)冠心病用藥規(guī)律研究.中國中藥雜志.2007,32(17):1786-1788.[61]姚美村,艾路,袁月梅,等.消渴病復(fù)方配伍規(guī)律的關(guān)聯(lián)規(guī)則分析.北京中醫(yī)藥大學(xué)學(xué)報(bào).2002,25(6):48-50.[62]陳擎文.數(shù)據(jù)挖掘技術(shù)在古代名中醫(yī)中風(fēng)醫(yī)案之應(yīng)用研究.中華中醫(yī)藥學(xué)刊.2008,26(10):2254-2257.[63]Z.Zhou,Z.Wu,C.Wang,etal.Miningbothassociatedandcorrelatedpatterns.ProceedingsofInternationalConferenceonComputationalScience.2006,468-475.[64]C.Li,C.Tang,J.Peng,etal.NNF:AneffectiveapproachinmedicineparinganalysisoftraditionalChinesemedicineprescriptions.Proceedingsof10thInternationalConferenceofDatabaseSystemsforAdvancedApplications.2005,576-581.[65]何前鋒,崔蒙,吳朝暉,等.方劑中配伍知識的發(fā)現(xiàn).中國中醫(yī)藥信息雜志.2004,11(7):655-658.[66]B.Pang,D.Zhang,N.Li,etal.ComputerizedtonguediagnosisbasedonBayesiannetworks.IEEETransactiononBiomedicalEngineering.2004,51(10):1803-1810.[67]H.Wang,J.Wang.AquantitativediagnosticmethodbasedonBayesiannetworksintraditionalChinesemedicine.LectureNotesinComputerScience.2006,4234:176-183.[68]朱文鋒,晏峻峰,黃碧群.貝葉斯網(wǎng)絡(luò)在中醫(yī)證素辨證體系中的應(yīng)用.中西醫(yī)結(jié)合學(xué)報(bào).2006,4(6):567-571.[69]K.Deng,D.Liu,S.Gao,etal.StructurallearningofgraphicalmodelsanditsapplicationstotraditionalChinesemedicine.ProceedingsofFSKD.2005,362-367.[70]X.Wang,H.Qu,P.Liu,etal.Aself-learningexpertsystemfordiagnosisintraditionalChinesemedicine.ExpertSystemswithApplications.2004,26(4):557-566.[71]孫燕,臧傳新,任廷革,等.支持向量機(jī)方法在《傷寒論》方分類建模中的應(yīng)用.中國中醫(yī)藥信息雜.2007,14(1):101-102.[72]Z.Gao,L.Po,W.Jiang,etal.Anovelcomputerizedmethodbasedonsupportvectormachinefortonguediagnosis.Proceedingsofthe3rdInternationalIEEEConferenceonSignal-ImageTechnologiesandInternet-BasedSystem.2007,849-854.[73]焦月,張新峰,卓力.中醫(yī)舌象樣本分類中加權(quán)SVM的應(yīng)用研究.測控技術(shù).2010,29(5):1-4.[74]劉士敬,朱倩.中醫(yī)產(chǎn)科病證脾氣虛證型量化診斷標(biāo)準(zhǔn)研究—92例本證型診斷因素的多元回歸分析.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.1998,4(9):49-51.[75]李小兵,方永奇,洪永敦,等.心腦血管病痰證宏觀辨證的計(jì)量化研究.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.2000,6(5):44-47.第35頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[76]由松,胡立勝.中醫(yī)癥狀及證候的量化方法探討.北京中醫(yī)藥大學(xué)學(xué)報(bào).2002,25(2):13-15.[77]黃小波,李宗信,陳文強(qiáng),等.慢性疲勞綜合征中醫(yī)證型判別分析.中國中醫(yī)藥信息雜志.2006,6(13):21-22.[78]吳蕓,周昌樂,張志楓.中醫(yī)舌診神經(jīng)網(wǎng)絡(luò)的優(yōu)化遺傳算法.計(jì)算機(jī)應(yīng)用研究.2007,24(9):50-52.[79]韋玉科,汪仁煌,陳群,等.基于競爭神經(jīng)網(wǎng)絡(luò)的中醫(yī)智能診斷推理新方法.計(jì)算機(jī)工程與應(yīng)用.2006,42(7):224-226.[80]秦中廣,毛宗源.粗糙神經(jīng)網(wǎng)絡(luò)及其在中醫(yī)智能診斷系統(tǒng)中的應(yīng)用.計(jì)算機(jī)工程與應(yīng)用.2001,37(18):34-35.[81]郭紅霞,王炳和,鄭思儀,等.基于概率神經(jīng)網(wǎng)絡(luò)的中醫(yī)脈象識別方法研究.計(jì)算機(jī)工程與應(yīng)用.2007,43(20):194-196.[82]J.Yan,Y.Peng,W.Zhu.Experimentalstudyofsyndromeelementsbasedontheroughsettheory.Proceedingsofthe2ndInternationalConferenceonInformationandComputingScience.2009,39-41.[83]秦中廣,毛宗源.粗糙集在中醫(yī)類風(fēng)濕證候診斷中的應(yīng)用.中國生物醫(yī)學(xué)工程學(xué)報(bào).2001,20(4):357-363.[84]晏峻峰,朱文鋒.粗糙集理論在中醫(yī)證素辨證研究中的應(yīng)用.中國中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志.2006,12(2):90-93.[85]謝國明.基于粗集理論的中醫(yī)診斷模型的建立.數(shù)理醫(yī)藥學(xué)雜志.2005,18(4):302-304.[86]X.Zhou,Y.Peng,B.Liu.TextminingfortraditionalChinesemedicalknowledgediscovery:Asurvey.JournalofBiomedicalInformatics.2010,43(4):650-60.[87]X.Zhou,B.Liu,Z.Wu.TextminingforclinicalChineseherbalmedicalknowledgediscovery.Lecturenotescomputscience.2005,3735:396-398.[88]S.Li,Z.Zhang,L.Wu,X.Zhang,etal.UnderstandingZHENGintraditionalChinesemedicineinthecontextofneuro-endocrine-immunenetwork.IETSystemsBiology.2007,(1):51-60.[89]C.Cao,H.Wang,Y.Sui.KnowledgemodelingandacquisitionoftraditionalChineseherbaldrugsandformulaefromtext.ArtificialIntelligenceinMedicine2004,32(1):3-13.[90]X.Zhou,R.Zhang,Y.Wang,etal.NetworkanalysisforcoreherbalcombinationknowledgediscoveryfromclinicalChinesemedicalformulae.Porceedingorthe1stInternationalWorkshoponDatabaseTechnologyandApplications.2009,25-26.[91]X.Zhou,S.Chen,B.Liu,etal.ExtractionofhierarchicalcorestructuresfromtraditionalChinesemedicineherbcombinationnetwork.Proceedingsofthe2008InternationalConferenceonAdvancedIntelligence.2008,262-67.[92]胡申寧,李文書,施國生,等.基于PCA-AdaBoost的舌象顏色分類研究.廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版).2009,27(3):158-161.[93]劉鶯,朱文鋒,盧芳國,等.152例胃癌患者術(shù)前病證聚類與主成份分析.江蘇中醫(yī)藥.2004,25(6):20-22.[94]王階,邢雁偉,陳建新,等.1069例冠心病心絞痛證候因子分析方法的分類研究.北京中醫(yī)藥大學(xué)學(xué)報(bào).2008,31(5):344-346.[95]張連文,袁世宏.隱結(jié)構(gòu)模型與中醫(yī)辨證研究(I)—隱結(jié)構(gòu)法的基本思想以及隱結(jié)構(gòu)分析工具.北京中醫(yī)藥大學(xué)學(xué)報(bào),2006,第36頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[96]張連文,袁世宏,陳鎪,等.隱結(jié)構(gòu)模型與中醫(yī)辨證研究(Ⅱ)—腎虛數(shù)據(jù)分析.北京中醫(yī)藥大學(xué)學(xué)報(bào).2008,31(9):584-587.[97]袁世宏,張連文,陳弢,等.隱結(jié)構(gòu)模型與中醫(yī)辨證研究(Ⅲ)—模型辨證與專家辨證.北京中醫(yī)藥大學(xué)學(xué)報(bào).2008,659-663.[98]N.Zhang,S.Yuan.LatentStructureModelsandDiagnosisinTraditionChineseMedicine.TechnicalReportHKUST-CS04-12.Departmentofcomputerscience,TheHongKongUniversityofScienceandTechnology.2006.[99]N.Zhang,S.Yuan,T.Chen,etal.StatisticalvalidationoftraditionalChinesemedicinetheories.TheJournalofAlternativeandComplementaryMedicine.2008,14(5):583-587.[100]N.Zhang,S.Yuan,T.Chen,etal.LatenttreemodelsanddiagnosisintraditionalChinesemedicine.ArtificialIntelligenceinMedicine.2008,42:229-245.[101]張連文,郭海鵬.貝葉斯網(wǎng)絡(luò).科學(xué)出版社,北京.2006.[102]張煜斌,陸建峰,李文林,等.隱結(jié)構(gòu)模型在慢性胃炎辨證中的應(yīng)用探索—基于EM算法的因子分析方法.北京生物醫(yī)學(xué)工程.2009,28(3):259-267.[103]M.Sobel.CausalInferenceinlatentvariablemodels.A.vonEyeandC.Clogg(Eds.)Latentvariablesanalysis:ApplicationsforDevelopmental.1994.[104]D.Bartholomew,M.Knott.LatentVariableModelsandFactorAnalysis.Arnold,London.1999.[105]N.Zhang.Hierarchicallatentclassmodelsforclusteranalysis.JournalofMachineLearningResearch.2004,5(6):697-723.[106]M.Steyvers,TGriffiths.Probabilistictopicmodels.T.Landauer,DMcNamara,S.Dennis,etal.(Eds.),HandbookofLatentSemanticAnalysis.Hillsdale,NJ:Erlbaum.2007,427-448.[107]T.Hofmann.Probabilisticlatentsemanticanalysis.Proceedingsofthe15thConferenceonUncertaintyinArtificialIntelligence.1999,289-296.[108]T.Hofmann.ProbabilisticLatentSemanticIndexing.Proceedingsofthe22ndAnnualInternationalSIGIRConferenceonresearchanddevelopmentininformationretrieval.1999,50-57.[109]T.Hofmann.Unsupervisedlearningbyprobabilisticlatentsemanticanalysis.MachineLearningJournal.2001,42(1):177-196.[110]D.Blei,A.Ng,M.Jordan.LatentDirichletallocation.JournalofMachineLearningResearch.2003,3:993-1022.第37頁，講稿共39頁，2023年5月2日，星期三參考文獻(xiàn)[111]馮奇,周雪忠,黃厚寬,張小平.SHP-VI:一種基于最短哈密頓通路的POMDP值迭代算法.計(jì)算機(jī)研究與發(fā)展,48(7):1301-1309,2011.[112]FengQi,ZhouXuezhong,HuangHoukuan,YuJian,ZhangYin,TongXiaolin,ZhangRunshun,WangYinghui,LiuBaoyan.AMDPSolutionforTraditionalChineseMedicineTreatmentPlanning.Inthe3rdInternationalConferenceonBioMedicalEngineeringandInformatics(BMEI'10),6:2250-2254,2010.[113]馮奇,周雪忠,黃厚寬,張小平.POMDP基于點(diǎn)的值迭代算法中一種信念點(diǎn)選擇方法.北京交通大學(xué)學(xué)報(bào),33(5):77-80,2009.[114]FengQi,ZhouXuezhong,HuangHoukuan,ZhangXiaoping.AnUncertainty-basedBeliefSelectionMethodforPOMDP