真实世界中医诊疗数据挖掘分析的探索与实践课件.ppt

1、一、数据挖掘概述一、数据挖掘概述二、真实世界中医诊疗数据挖掘的研究现状二、真实世界中医诊疗数据挖掘的研究现状三、数据挖掘对真实世界中医诊疗数据的要求三、数据挖掘对真实世界中医诊疗数据的要求四、数据挖掘常用工具四、数据挖掘常用工具五、真实世界中医诊疗数据挖掘的思考五、真实世界中医诊疗数据挖掘的思考 主要内容主要内容一、数据挖掘概述一、数据挖掘概述数据挖掘（数据挖掘（Data MiningData Mining，DMDM）是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、）是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非

2、平凡过程。新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。分类或预测聚类关联规则序列模式等根据任务根据任务数据挖掘作为知识发现（KDD）的一个步骤10 二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状几千年来，中医临床实践积累了海量的真实世界中医诊疗数据；几千年来，中医临床实践积累了海量的真实世界中医诊疗数据；东汉末年，医圣张仲景钻研和分析已有文献典籍（东汉末年，医圣张仲景钻研和分析已有文献典籍（素问素问、九卷九卷、八十一难八十一难、阴阳阴阳大论大论、胎胪药录胎胪药录等），并结合等），并结合临床诊疗经验临床诊疗经验，利用，利用古代数学古代数学等相关知识，得出

3、了等相关知识，得出了六经辨证六经辨证模式模式，撰写出被后人称为辨证论治典范的著作，撰写出被后人称为辨证论治典范的著作伤寒杂病论伤寒杂病论，体现了现代数据挖掘技术的朴素，体现了现代数据挖掘技术的朴素思想思想19；当今，利用先进的当今，利用先进的数据挖掘数据挖掘技术，在海量的真实世界中医数据中，发现技术，在海量的真实世界中医数据中，发现启发性启发性或或可验证性可验证性的的中医中医诊疗规律诊疗规律，将会对疾病的防御和治疗，对人们更好地了解中医的内涵以及促进中医的发展具有重，将会对疾病的防御和治疗，对人们更好地了解中医的内涵以及促进中医的发展具有重要的现实意义。要的现实意义。从上世纪从上世纪90 90

4、 年代以来，随着数据挖掘技术的成熟和广泛应用，利用数据挖掘等先进的信息技术年代以来，随着数据挖掘技术的成熟和广泛应用，利用数据挖掘等先进的信息技术手段，总结名老中医诊疗经验、探索中医辨证论治规律已逐渐成为国内中医领域的研究热点。利手段，总结名老中医诊疗经验、探索中医辨证论治规律已逐渐成为国内中医领域的研究热点。利用聚类用聚类46-5546-55、关联规则关联规则56-6556-65、贝叶斯网络与贝叶斯分类、贝叶斯网络与贝叶斯分类66-7066-70、SVMSVM71-7371-73、回归分析和判别分析、回归分析和判别分析74-7774-77、神经网络、神经网络78-8178-81、RoughR

5、ough集集82-8582-85、文本挖掘、文本挖掘86-8986-89、复杂网络、复杂网络90-9190-91、因子分析和主成份分析、因子分析和主成份分析92-9492-94、隐结构模型、隐结构模型95-10295-102 、隐马尔科夫模型、隐马尔科夫模型106-108106-108、主体模型、主体模型109-114109-114等多种数据挖掘技术，广等多种数据挖掘技术，广泛探索中医泛探索中医“辨证论治辨证论治”的诊疗规律。的诊疗规律。二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n聚类分析聚类分析189 个案例中半夏泻心汤7 味中药聚成四类,各类药物的平均用

6、量(g)53 聚类结果示例10二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n聚类分析聚类分析35 个肾虚辨证因子聚类分析树状图49 二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n聚类分析聚类分析3238例糖尿病数据中50个症状的部分分层聚类结果二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状3238例糖尿病数据中50个症状 n聚类分析聚类分析利用SPSS,对Breast cancer数据中的1207例数据进行K-means聚5类的结果 二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研

7、究现状的研究现状n应用聚类分析存在的问题应用聚类分析存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状参数选择问题参数选择问题聚类都涉参数选择问题。如，聚类都涉参数选择问题。如，聚类数聚类数与与距离函数距离函数（或密度函数）都需要人为设定，不同（或密度函数）都需要人为设定，不同的参数设置通常会得到不同的聚类结果，尤其是面对的参数设置通常会得到不同的聚类结果，尤其是面对高维稀疏高维稀疏数据时，聚类结果受距离函数数据时，聚类结果受距离函数（或密度函数）的影响更为突出。中医在症状、证候和复方药物的描述中具有高维性和稀疏（或密度函数）的影响更为突出。中医在症状、证

8、候和复方药物的描述中具有高维性和稀疏性特征。性特征。据我们对3000多例糖尿病数据统计得知，常用的症状或中药名称约500种，证候描述约1000多种。而每个患者描述的症状、中药与证候诊断约20种左右。n应用聚类分析存在的问题应用聚类分析存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状v1v2v3p11010 0 p21100 0 中医临床数据特点v1v2v3t15001000 0t21101120451120文本数据特点参数选择问题参数选择问题特点：变量值稀疏且单一n应用聚类分析存在的问题应用聚类分析存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊

9、疗数据挖掘 的研究现状的研究现状聚类的单分配性聚类的单分配性聚类结果示例10在在“辨证辨证”时，一种症状可表现在不同的证候中，一个时，一种症状可表现在不同的证候中，一个患者可以表现出不同的证候；患者可以表现出不同的证候；在利用复方在利用复方“论治论治”时，一种中药可以出现在不同的复时，一种中药可以出现在不同的复方里。所以在分析这些中医问题时，都不适合单纯使用方里。所以在分析这些中医问题时，都不适合单纯使用聚类方法。聚类方法。n应用聚类分析存在的问题应用聚类分析存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状中医药术语的语义复杂性中医药术语的语义复杂性随着

10、几千年语言文化的演变，中医术语普遍存在一词多义随着几千年语言文化的演变，中医术语普遍存在一词多义 (Polysemy)(Polysemy)和多词一义和多词一义 (Synonymy)(Synonymy)的现象。的现象。如：如：“喘喘”与与“气喘气喘”，“纳呆纳呆”与与“厌食厌食”以及以及“食欲不振食欲不振”，“不寐不寐”与与“失眠失眠”等在症状中的不同描述，在中草药中如等在症状中的不同描述，在中草药中如“瓜蒌瓜蒌”与与“瓜壳瓜壳”，“姜姜”与与“生姜生姜”等的等的描述，在证候中如描述，在证候中如“伤寒伤寒”一词，可以是外感病的统称，也可以指外感风寒的感冒。一词，可以是外感病的统称，也可以指外感风

11、寒的感冒。在聚类挖掘中距离（或密度）的计算时，难以顾及特证词的语义问题。在聚类挖掘中距离（或密度）的计算时，难以顾及特证词的语义问题。n解决办法解决办法二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状参数选择问题聚类的单分配性中医药术语的语义复杂性专家指导、算法反复尝试专家指导、算法反复尝试采用模糊聚类算法或其它算法采用模糊聚类算法或其它算法建立、完善建立、完善中医临床术语系统中医临床术语系统，构建，构建中医本体中医本体（Ontology）125125？n关联规则关联规则舌苔薄(白)=中虚气滞(50%)；舌质红=中虚气滞(66%)；胃脘痞胀舌苔薄(白)吞酸或泛酸舌

12、质红=中虚气滞(100%)基于辨证“中虚气滞”关联规则57 四诊信息与证候的关联59 四诊信息与用药的关联59 二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n应用关联规则存在的问题应用关联规则存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状参数设置参数设置最小支持度（最小支持度（support）和置信度）和置信度(confidence)这两个主要参数的设置。这两个主要参数的设置。当参数设置较大时，学习出的规则会很少，不具有代表性，而当参数设置较小时，当参数设置较大时，学习出的规则会很少，不具有代表性，而当参数设置较小时，

13、由于规则是考察变量之间的组合而产生，将会得出比变量多得多的规则，导致研由于规则是考察变量之间的组合而产生，将会得出比变量多得多的规则，导致研究人员或领域专家又被淹没在大量的规则里。究人员或领域专家又被淹没在大量的规则里。临床专家对规则的解释临床专家对规则的解释n隐结构模型隐结构模型 利用隐结构模型分析2600例肾虚患者的35个症状的部分图解96二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n应用隐结构模型存在的问题应用隐结构模型存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状与聚类算法具有相同的问题与聚类算法具有相同的问题

14、运行速度较慢运行速度较慢由于学习的目的是建立一个分层树状的贝叶斯网络，学习算法是使用在一次迭代中只能由于学习的目的是建立一个分层树状的贝叶斯网络，学习算法是使用在一次迭代中只能在分层树上进行一个局部变动的贪心方法（例如，引入一个隐变量或者删除一条边），有较在分层树上进行一个局部变动的贪心方法（例如，引入一个隐变量或者删除一条边），有较高的计算复杂度，导致学习效率比较低。例如，文献高的计算复杂度，导致学习效率比较低。例如，文献96对对2600个肾虚病例中个肾虚病例中67个症状的个症状的35个症状建立了个症状建立了HLC模型，使用模型，使用2.4GHz的奔腾的奔腾IV计算机，花费了计算机，花费了9

15、8.5小时，而对于分析全小时，而对于分析全部的部的67个症状就较难处理。个症状就较难处理。n主题模型主题模型3238例糖尿病中药数据中提取的8个主题中的3个主题 3238例糖尿病症状数据中提取的20个主题中的若干个主题（矩形框左上角之间的距离代表主题间的距离）二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n主题模型主题模型TOPIC 13（0.01463）症状分布概率中药分布概率 平均剂量(g)诊断分布概率下肢浮肿0.37800车前子0.26460 18.98701糖尿病肾病0.23539浮肿0.20962猪苓0.13746 16.18750低蛋白血症0.061

16、85颜面浮肿0.06014白术0.13058 12.50000冠心病0.06014尿量少0.05670泽兰0.07216 13.00000慢性肾功能不全0.05670大便不调0.03436大腹皮0.07216 14.78571高血压0.03952肢体浮肿0.03265山茱萸0.06357 12.54054糖尿病肾病iv期0.03608面部浮肿0.02577法半夏0.04295 10.08000慢性心功能不全0.03265皮肤苍白0.02234浙贝0.04295 12.48000心功能级0.02405面色晦暗0.02062阿胶0.03265 13.68421血脂代谢紊乱0.02234视物模糊0.

17、01718芡实0.02749 12.00000白内障0.022343238例糖尿病数据的的症状-中药-诊断主题模型的其中一个主题的概率分布115二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n应用主题模型存在的问题应用主题模型存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状参数选择问题参数选择问题没有考虑症状的轻重程度、中药的剂量、以及诊断的轻重程度没有考虑症状的轻重程度、中药的剂量、以及诊断的轻重程度没有考虑变量间的父子关系，如肢体麻木没有考虑变量间的父子关系，如肢体麻木下肢麻木下肢麻木n解决办法解决办法无参算法设计无参

18、算法设计对变量合理量化对变量合理量化 症状：轻（症状：轻（1）、中（）、中（2）、重（）、重（3）；对中药剂量进行合理归一化）；对中药剂量进行合理归一化结合中医本体研究有效的主题模型算法结合中医本体研究有效的主题模型算法n部分可观察马尔可夫决策过程部分可观察马尔可夫决策过程模型给出患者的处方治疗方案112二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n应用部分可观察马尔可夫决策过程存在的问题应用部分可观察马尔可夫决策过程存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状对同一病例跟踪记录的诊次数据较少对同一病例跟踪记录的诊次

19、数据较少对症状的变化值记录不全对症状的变化值记录不全n复杂网络复杂网络药物配伍网络示意图124二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n应用复杂网络存在的问题应用复杂网络存在的问题二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状目前还没有考虑中药的剂量目前还没有考虑中药的剂量nOLPA 数据立方体、上卷、下钻的例子10 二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状nOLPA信息所snomed数据的临床所见分层部分结构 四 诊 所 见 及中 医 诊 察 仪器所见望 诊 所见闻 诊 所见问 诊 所

20、见切（按）诊所见切（按）诊所见望神所见望形体、姿态所见望形体所见浮肿脱形半 身 不遂二、真实世界中医诊疗数据挖掘二、真实世界中医诊疗数据挖掘 的研究现状的研究现状n真实世界中医诊疗数据的术语是否准确、术语变量对应的值是否真实世界中医诊疗数据的术语是否准确、术语变量对应的值是否准确准确、采集数据是否便于、采集数据是否便于结构化结构化、都会影响数据挖掘的最终结果。都会影响数据挖掘的最终结果。n数据的数据的完整性、语义关联性完整性、语义关联性等，也影响数据挖掘的最终结果。等，也影响数据挖掘的最终结果。三、数据挖掘对真实世界三、数据挖掘对真实世界 中医诊疗数据的要求中医诊疗数据的要求三、数据挖掘对真实

21、世界三、数据挖掘对真实世界 中医诊疗数据的要求中医诊疗数据的要求n临床术语变量间应有同义关系、父子关系等标志临床术语变量间应有同义关系、父子关系等标志主要症状变量描述112 头部耳眼部对光的反射对光的反射?.术语分层 三、数据挖掘对临床术语的要求三、数据挖掘对临床术语的要求n临床术语变量临床术语变量有对应的值有对应的值，且能够转化为适合分析的结构化数据，且能够转化为适合分析的结构化数据类风湿病诊断信息表82 四、数据挖掘常用工具软件四、数据挖掘常用工具软件（一）（一）WekaWeka包括分类、聚类和关联规则、属性选择等功能。它是开源软件。包括分类、聚类和关联规则、属性选择等功能。它是开源软件。

22、（二）（二）SPSS著名的统计分析软件之一，包含假设检验、统计推断、预测、制图等多种数据分析方法。著名的统计分析软件之一，包含假设检验、统计推断、预测、制图等多种数据分析方法。（三）（三）SASSAS是一种功能强大的数据分析工具。包括数据获取工具、数据取样工具、数据筛选工具、数据变量是一种功能强大的数据分析工具。包括数据获取工具、数据取样工具、数据筛选工具、数据变量转换工具、数据挖掘数据库、数据挖掘过程、多种形式的回归工具、为建立决策树的数据剖分工具、转换工具、数据挖掘数据库、数据挖掘过程、多种形式的回归工具、为建立决策树的数据剖分工具、决策树浏览工具、人工神经元网络决策树浏览工具、人工神经元

23、网络 数据挖掘的评价工具。数据挖掘的评价工具。五、真实世界中医诊疗数据挖掘的思考五、真实世界中医诊疗数据挖掘的思考1、术语、临床数据的规范性、术语、临床数据的规范性 仔细研究临床术语的特征与分类规则，开发仔细研究临床术语的特征与分类规则，开发临床术语系统临床术语系统与与中医本体中医本体，对其进行有效维护，对其进行有效维护，便于在电子病历中与数据挖掘中的应用；便于在电子病历中与数据挖掘中的应用；电子病历设计人员与数据挖掘人员间有效沟通，设计合理、有效的临床数据存储格式，采集电子病历设计人员与数据挖掘人员间有效沟通，设计合理、有效的临床数据存储格式，采集便于分析的完整的、准确的数据。便于分析的完整

24、的、准确的数据。2、各医疗病种提出可行的数据挖掘目标、各医疗病种提出可行的数据挖掘目标 中医临床人员与数据挖掘人员的有效沟通，设计数据挖掘目标，并且对分析挖掘获得的结果中医临床人员与数据挖掘人员的有效沟通，设计数据挖掘目标，并且对分析挖掘获得的结果进行反复分析研究。进行反复分析研究。3、挖掘方法的可行性、可解释性、便捷性。、挖掘方法的可行性、可解释性、便捷性。开发有效的、适合中医临床数据的集成多种数据挖掘方法的分析挖掘系统，便于被医疗人员开发有效的、适合中医临床数据的集成多种数据挖掘方法的分析挖掘系统，便于被医疗人员和管理人员便捷使用。和管理人员便捷使用。参考文献参考文献1刘保延刘保延,张志斌

25、张志斌.古代辨证方法的研究思路探讨古代辨证方法的研究思路探讨.中国中医基础医学杂志中国中医基础医学杂志.2004,10(5):325-331.2邓铁涛邓铁涛.辨证论治是中医临床医学的灵魂辨证论治是中医临床医学的灵魂.中医药学刊中医药学刊.2002,20(4):394-395.3胡镜清胡镜清,刘保延刘保延,王永炎王永炎.中医临床个体化诊疗信息特征与数据挖掘技术应用分析中医临床个体化诊疗信息特征与数据挖掘技术应用分析.世界科学技术世界科学技术中医药现代化中医药现代化.2004,6(1):14-16.4刘保延刘保延,周雪忠周雪忠.中医临床研究方法的思考与实践中医临床研究方法的思考与实践系统生物学湿干

26、研究模式与中医临床研究系统生物学湿干研究模式与中医临床研究.世世界科学技术界科学技术-中医药现代化中医药现代化.2007,9(1):85-89.5周雪忠周雪忠.中医临床数据仓库构建及临床数据挖掘方法研究中医临床数据仓库构建及临床数据挖掘方法研究.博士后出站报告博士后出站报告.中国中医科学院中国中医科学院.2007.6刘明武刘明武.是告别是告别,还是积极传承？中国中医基础医学杂志还是积极传承？中国中医基础医学杂志.2007,13(3):161-166.7袁占国袁占国.十大问题困扰巾医药的生存与发展十大问题困扰巾医药的生存与发展.甘肃中医甘肃中医.2008,21:11-13.8朱杭溢朱杭溢.中医的

27、生存与发展是历史的必然中医的生存与发展是历史的必然.中华中医药学刊中华中医药学刊.2007,25(11):2377-2379.9T.Mitchell.Machine learning and data mining.Communications of the ACM.1999,42(11):31-36.10J.Han,M.Kamber.Data mining:Concepts and techniques.Morgan Kaufmann,San Francisco,CA.2001.11D.Hand,H.Mannila,P.Smyth.Principles of data mining.MIT

28、Press,Cambridge,CA.2001.12史忠植史忠植.知识发现知识发现.清华大学出版社清华大学出版社,北京北京.2002.13I.Witten,E.Frank.Data mining:Practical Machine Learning Tools and Techniques.2nd Edition,Morgan Kaufmann,Massachusetts,USA.2005.14王珏王珏,周志华周志华,周傲英周傲英.机器学习及其应用机器学习及其应用.清华大学出版社清华大学出版社,北京北京.2006.15http:/ methods for traditional Chinese

29、 medicine:a survey.Computer Methods and Programs in Biomedicine.2007,88:283-294.18http:/:8012/tcm/sys/lmService?channelid=YSTSJS&recid=400.19李垠含李垠含,石岩石岩.数据挖掘技术在中医研究中的运用初探数据挖掘技术在中医研究中的运用初探.长春中医药大学学报长春中医药大学学报.2009,25(1):8-9.20郝先中郝先中.近代中医废存之争研究近代中医废存之争研究.华中师范大学博士论文华中师范大学博士论文.2005.21封毅封毅.中医药知识发现可靠性研究中医药

30、知识发现可靠性研究.浙江大学博士论文浙江大学博士论文.2008.22吴朝晖吴朝晖,封毅封毅.数据库中知识发现在中医药领域的若干探索数据库中知识发现在中医药领域的若干探索(I).中国中医药信息杂志中国中医药信息杂志.2005,12(10):93-95.23宋小莉宋小莉.中西医思维方式的差异中西医思维方式的差异.中国中医药报中国中医药报.2004,4(17):6-7.24http:/ al.Effects of integrative Chinese and western medicine on arterial saturation in patients with severe acute

31、respiratory syndrome.Journal of Chinese Integrative Medicine.2004,10(2):117-122.27World Health Organization.SARS:Clinical trials on treatment using a combination of traditional Chinese medicine and western medicine.2004.28V.Konkimalla,T.Efferth.Evidence-based Chinese medicine for cancer therapy.Jour

32、nal of Ethnopharmacology.2008,116:207-210.29Z.Wang,Z.Chen.Acute promyelocytic leukemia:from highly fatal to highly curable.Blood.2008,111:2505-2515.30L.Wang,G.Zhou,P.Liu,et al.Dissection of mechanisms of Chinese medicinal formula Realgar-Indigo naturalis as an effective treatment for promyelocytic l

33、eukemia.Proceedings of the National Academy of Sciences.2008,105:4826-4831.31H.Diener,K.Kronfeld,G.Boewing,et al.Efficacy of acupuncture for the prophylaxis of migraine:a multicentre randomised controlled clinical trial.Lancet Neurol.2006,5:310-316.32B.Flaws,P.Sionneau.The treatment of modern wester

34、n medical diseases with Chinese medicine:a textbook and clinical manual.2nd ed.Blue Poppy Press.2005.33J.Rao,K.Mihaliak,K.Kroenke,et al.Use of complementary therapies for arthritis among patients of rheumatologists.Annals of Internal Medicine.1999,131:409-416.34D.Eisenberg,R.Davis,S.Ettner,et al.Tre

35、nds in alternative medicine use in the United States 1097:results of a follow-up national survey.Journal of the American Medical Association.1998,280(18):1569-1575.35K.Honda,J.Jacobson.Use of complementary and alternative medicine among United States adults:the influences of personality,coping strat

36、egies,and social support.Preventive Medicine.2005,40(1):46-53.36K.Thomas,J.Nicholl,P.Coleman.Use and expenditure on complementary medicine in England:a population based survey.Complementary Therapies in Medicine.2001,9:2-11.37H.Yamashita,H.Tsukayama,C.Sugishita.Popularity of complementary and altern

37、ative medicine in Japan:a telephone survey.Complementary Therapies in Medicine.2002,10:84-93.38姚美村姚美村,袁月梅袁月梅,艾路艾路,等等.数据挖掘及其在中医药现代化研究中的应用数据挖掘及其在中医药现代化研究中的应用.北京中医药大学学报北京中医药大学学报.2002,25(5):20-23.39乔延江乔延江,李澎涛李澎涛,苏钢强苏钢强,等等.中药中药(复方复方)KDD研究开发的意义研究开发的意义.北京中医药大学学报北京中医药大学学报.1998,21(3):15-17.40田琳田琳.数据挖掘及其在中医药领

38、域中的应用数据挖掘及其在中医药领域中的应用.中国中医基础医学杂志中国中医基础医学杂志.2006,11(9):7l0-711.参考文献参考文献41丁维丁维,蒋永光蒋永光,宋姚屏宋姚屏,等等.中医知识发现研究现状中医知识发现研究现状.数理医药学杂志数理医药学杂志.2007,20(3):403-404.42李志更李志更,王天芳王天芳,任婕任婕,等等.中医科研中几种常用数据挖掘方法浅析中医科研中几种常用数据挖掘方法浅析.中医药学报中医药学报.2008,36(2):29-32.43X.Zhou,B.Liu.Traditional Chinese medicine clinical data mining

39、:experiences and issues.Proceedings of the Workshop on Advances and Issues in Biomedical Data Mining at the 13th Pacific-Asia Conference on Knowledge Discovery and Data Mining.2009,11-20.44Y.Feng,Z.Wu,X.Zhou,et al.Knowledge discovery in traditional Chinese medicine:State of the art and perspectives.

40、Artificial Intelligence in Medicine.2006,38(3):219-236.45X.Zhou,S.Chen,B.Liu,et al.Development of traditional Chinese medicine clinical data warehouse for medical knowledge discovery and decision support.Artificial Intelligence in Medicine.2010,48:139-152.46刘稼刘稼.聚类分析在中医药研究中的应用及意义聚类分析在中医药研究中的应用及意义.中医

41、药学刊中医药学刊.2004,22(5):927-928.47李建生李建生,胡金亮胡金亮,余学庆余学庆.基于聚类分析的径向基神经网络用于证候诊断的研究基于聚类分析的径向基神经网络用于证候诊断的研究.中国中医基础医中国中医基础医学杂志学杂志.2005,11(9):685-687.48邓兆智邓兆智,何弈亭何弈亭,余煜绵余煜绵,等等.计算机模式识别法对类风湿关节炎中医证候判断与常规临床判断的计算机模式识别法对类风湿关节炎中医证候判断与常规临床判断的比较比较.中国中西医结合杂志中国中西医结合杂志.1996,16(12):727-729.49刘明刘明,王米渠王米渠.六纲与肾虚症状聚类分析的方法及问题探索六

42、纲与肾虚症状聚类分析的方法及问题探索.现代中西医结合杂志现代中西医结合杂志.2005,14(9):1117-1119.50张世筠张世筠,沈明秀沈明秀,王先春王先春,等等.中医肝证的变量聚类分析中医肝证的变量聚类分析.中国中西医结合杂志中国中西医结合杂志.2004,24(1):75-76.51Q.Zhang,W.Zhang,J.Wei,et al.Combined use of factor analysis and cluster analysis in classification of traditional Chinese medical syndromes in patients wi

43、th posthepatitic cirrhosis.Journal of Chinese Integrative Medicine.2005,3(1):14-18.52Q.He,J.Wang,Y.Zhang,et al.Cluster analysis on symptoms and signs of traditional Chinese medicine in 815 Patients with Unstable Angina.Proceedings of the 6th International Conference on Fuzzy Systems and Knowledge Di

44、scovery.2009,435-439.53李国春李国春,史欣德史欣德.半夏泻心汤临床案例用药量的聚类分析半夏泻心汤临床案例用药量的聚类分析.中医药学刊中医药学刊.2005,23(5):836-838.54周德生周德生.明清时期津液亏损案明清时期津液亏损案573例辨证用药统计分析例辨证用药统计分析.中医药研究中医药研究.1998,14(4):12-13.55周君周君,冯妍冯妍.明清时期消渴病案明清时期消渴病案59例用药统计分析例用药统计分析.国医论坛国医论坛.2005,20(6):18-18.参考文献参考文献56王华王华,胡学钢胡学钢.基于关联规则的数据挖掘在临床上的应用基于关联规则的数据挖

45、掘在临床上的应用.安徽大学学报安徽大学学报(自然科学版自然科学版).2006,30(2):21-25.57钟颖钟颖,胡雪蕾胡雪蕾,陆建峰陆建峰.基于关联规则和决策树的中医胃炎诊断分析基于关联规则和决策树的中医胃炎诊断分析.中国中医药信息杂志中国中医药信息杂志.2008,15(8):97-99.58李文林李文林,赵国平赵国平,陆建峰陆建峰,等等.关联规则在名医临证经验分析挖掘中的应用关联规则在名医临证经验分析挖掘中的应用.南京中医药大学学报南京中医药大学学报.2008,24(1):21-24.59朱立成朱立成,林色奇林色奇,薛汉荣薛汉荣,等等.名中医哮喘医案名中医哮喘医案445例关联规则分析例关

46、联规则分析.江西中医学院学报江西中医学院学报.2007,19(5):83-87.60吴荣吴荣,王阶王阶,周雪忠周雪忠,等等.基于关联规则的名老中医冠心病用药规律研究基于关联规则的名老中医冠心病用药规律研究.中国中药杂志中国中药杂志.2007,32(17):1786-1788.61姚美村姚美村,艾路艾路,袁月梅袁月梅,等等.消渴病复方配伍规律的关联规则分析消渴病复方配伍规律的关联规则分析.北京中医药大学学报北京中医药大学学报.2002,25(6):48-50.62陈擎文陈擎文.数据挖掘技术在古代名中医中风医案之应用研究数据挖掘技术在古代名中医中风医案之应用研究.中华中医药学刊中华中医药学刊.20

47、08,26(10):2254-2257.63Z.Zhou,Z.Wu,C.Wang,et al.Mining both associated and correlated patterns.Proceedings of International Conference on Computational Science.2006,468-475.64C.Li,C.Tang,J.Peng,et al.NNF:An effective approach in medicine paring analysis of traditional Chinese medicine prescriptions.P

48、roceedings of 10th International Conference of Database Systems for Advanced Applications.2005,576-581.65何前锋何前锋,崔蒙崔蒙,吴朝晖吴朝晖,等等.方剂中配伍知识的发现方剂中配伍知识的发现.中国中医药信息杂志中国中医药信息杂志.2004,11(7):655-658.66B.Pang,D.Zhang,N.Li,et al.Computerized tongue diagnosis based on Bayesian networks.IEEE Transaction on Biomedica

49、l Engineering.2004,51(10):1803-1810.67H.Wang,J.Wang.A quantitative diagnostic method based on Bayesian networks in traditional Chinese medicine.Lecture Notes in Computer Science.2006,4234:176-183.68朱文锋朱文锋,晏峻峰晏峻峰,黄碧群黄碧群.贝叶斯网络在中医证素辨证体系中的应用贝叶斯网络在中医证素辨证体系中的应用.中西医结合学报中西医结合学报.2006,4(6):567-571.69K.Deng,D.

50、Liu,S.Gao,et al.Structural learning of graphical models and its applications to traditional Chinese medicine.Proceedings of FSKD.2005,362-367.70X.Wang,H.Qu,P.Liu,et al.A self-learning expert system for diagnosis in traditional Chinese medicine.Expert Systems with Applications.2004,26(4):557-566.71孙燕