基于基因打靶技术的中医脏腑辨证分型算法

受生物学基因打靶技术的启发和通过对中医脏腑证型分类标准的研究,提出了一种新颖的中医智能脏腑辨证算法,称之为中医脏腑辨证分型算法。主要思想是把中医脏腑证型的主要症状和次要症状,以及舌象、脉象信息设计为脏腑证型模靶;临床病例病症信息作为脏腑病症基因组,并进行模靶射击式的辨证分型操作。通过对慢性胃炎疾病的辨证分型计算结果的分析,说明中医脏腑辨证分型算法的有效性,为中医辨证信息处理的客观化、可计算化提供了一种新的研究方法,同时具有一定的临床诊断应用价值。     

聚类算法在高脂血症辨证分型研究中的应用

高脂血症的辨证分型标准化研究是中医基础研究的热点与难点,利用计算机挖掘技术中的聚类算法对高脂血症临床中医症状数据进行分析,得到具有统计学意义的分类结果,同时寻找其与中医证候相对应的关系具有重要研究价值.通过编写适用于中医证候分类的聚类算法并提供设置相似度阈值等交互界面,实现了大规模样本的自适应分类,从而使聚类结果更加科学客观.将得到的每个类别中所对应样本的病症特征与所属中医的证候类别联系起来,为辨证分型标准化奠定了基础.     

基于LDA主题模型的中医药方剂相似度计算

评价中医药方剂的相似度的常用方法是基于方剂的功效和主治功能进行相似度分析,但存在相似度无法定量化的问题,并且没有考虑中医方剂组成成分的影响。提出了利用LDA主题模型发掘“方剂-证型-组成成分”的隐含关系的方法,将“方剂-组成成分”转化成“方剂-证型”和“证型-组成成分”两个概率分布,并利用KL散度距离来计算相似度。实验结果表明基于LDA主题模型的方法能够更好地计算方剂间的相似度,并且能较好地反映中医辩证论治。     

条件模糊关系和中医伤寒论智能终端

我们把条件模糊关系应用到中医辨证理论。构造了伤寒论诊断治疗系统。除了诊断治疗之外,结合教学上的需要,利用荧光显示式打印输出,模拟中医看病的具体思维过程。本系统还包含了伤寒论的症状,证和辨证原则的知识库,以便于人机对话进行查询。     

基于Caché数据库的中医诊断数据挖掘应用研究

概述了基于Caché数据库的中医诊断数据挖掘应用研究的基本思路与方法,表达了以"证候-证素-证型辨证统一体系"为切入点开展中医诊断研究的可达到的目标.通过建立通用病历信息文件结构,整合数据挖掘工具,搭建了一个用于开展中医诊断研究的数据挖掘科研平台,为科学深入地开展中医诊断研究提供了一种途径.     

基于Caché数据库的中医诊断数据挖掘应用研究

概述了基于Caché数据库的中医诊断数据挖掘应用研究的基本思路与方法,表达了以“证候-证素-证型辨证统一体系”为切入点开展中医诊断研究的可达到的目标。通过建立通用病历信息文件结构,整合数据挖掘工具,搭建了一个用于开展中医诊断研究的数据挖掘科研平台,为科学深入地开展中医诊断研究提供了一种途径。     

.基于神经网络的中医面诊证素辨证的研究*

根据中医诊断推理对知识的不确定性、不完全性和逻辑推理的模糊性及神经网络技术的特点出发,利用神经网络对中医面诊证素辨证进行研究,得到一个关于证素辨证的面诊神经网络结构。在MATLAB上设计出这个神经网络结构,对64例病例进行辨证并对其结果进行分析。     

贝叶斯分类算法在冠心病中医临床证型诊断中的应用*

在中医药临床个体化诊疗信息平台的基础上,使用中医证型的辨证相关因素,利用信息增益算法进行辨证属性选择,并分别采用朴素贝叶斯和强属性集贝叶斯网络算法建立了中医冠心病临床证型诊断模型。实验结果表明该分类算法在中医冠心病临床诊断模型中具有良好的分类性能。     

D-S证据融合的中医辨证模型

为提高传统不确定性推理在中医辨证中的准确率和灵活性,提出了基于D-S证据理论的中医辨证模型。模型采用群决策理论,以证素为识别框架,以不同专家的诊断结果为基本可信度分配,对专家的诊断结果进行证据融合,模型能够降低系统的不确定性,提高证素诊断的准确率和可信度。以冠心病的中医诊断为例,验证了模型的有效性。     

基于深度学习的智能中医辅助诊疗系统

研究开发了基于深度学习的智能中医辅助诊疗系统。通过人工智能技术将名老中医的诊疗思想、辨证逻辑和处方经验结合，设计“三级证型优先级”算法，创新了传统的中医问诊模式。例如采用深度学习CenterNet和EfficientNetV2神经网络模型，有效抽取出患者舌体图像与病例的舌色、苔色等特征信息进行智能舌诊，实现中医诊断的客观化、智能化，帮助普通医师提升诊疗能力。     

一种用于中医四诊分析的子空间聚类方法

中医四诊分析是基于四诊信息进行中医证候分类研究的重要内容,构建有效的中医四诊分析模型可以更好地挖掘中医证候间的关联关系,从而为中医临床提供决策支持。本文通过对子空间聚类CLIQUE算法的分析,结合四诊信息的数据特征,提出一种基于限定空间搜索策略的改进CLIQUE算法（ChM-CLIQUE）。通过优化CLIQUE算法的搜索策略,以稠密单元中网格密度最大的单元为中心进行深度优先搜索生成聚类簇,提高算法的性能,同时基于聚类簇中样本高斯分布的特性引入网格自适应密度,增强聚类边界的识别精度。在中医临床采集的数据集上进行多组对比实验,实验结果表明本文算法的轮廓系数较CLIQUE算法有显著性的提高。     

基于免疫聚类的RBF神经网络在中医舌诊诊断中的应用

研究基于人工免疫聚类的RBF(Radial-Basis Function)神经网络应用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型,旨在提高模型的诊断能力和收敛速度.对输入样本集进行数据归一化处理,采用改进的基于免疫聚类的RBF算法进行学习、训练.以肝病病证诊断进行仿真,结果表明:该中医舌诊智能诊断系统具有诊断能力强、收敛速度快,泛化能力强等特点.因此,基于人工免疫聚类的RBF神经网络应用于中医舌诊诊断的研究是可行的,有效的.     

数据挖掘中聚类算法的新发展*

在对传统聚类方法进行简要介绍的基础上,对聚类的新发展进行了较详细的归纳,总结了聚类分类方法发展的趋势。     

数据挖掘技术——聚类算法研究

介绍了聚类算法的分类，对每一类聚类方法给出了典型的聚类算法，重点对基于划分算法的PAN算法给出了详细的阐述，总结和归纳了PAM算法四种代价的计算方法，同时给出了其性能分析。     

基于逆数据包络分析法的中医方药评价与药量计算研究

针对中医组方的药量推算建模问题,提出了基于证候上下文分析的逆数据包络分析（IDEA）算法。该算法以证侯的典型方剂为依据,以数据包络分析为评价工具,建立起反映证候演化的方药评价模型;依据代表证候状态的评价值,给相应的证型症状信息赋值,以完成“词计算”过程。最后,把具体的辨证过程植入到证侯发展的上下文环境中,以典型证型的“词计算”为依据,给出具体案例的证侯状态评价,再采用IDEA算法推算出药量数据。该模型的推算结果表明,它能够反映中医的一般用药规律,这将对辨证论治组方环节的数值化、客观化研究提供一种可能的思路。     

基于径向基神经网络用于中医舌诊诊断的研究

研究基于聚类分析的径向基神经网络用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型。先对输入样本集进行数据归一化处理,采用K—means聚类算法对样本集进行聚类分析,得到聚类中心的位置和数量,再构建RBF神经网络进行学习、训练。以肝病病证诊断进行仿真。实验结果表明：该中医舌诊智能诊断模型具有诊断能力强、收敛速度快、泛化能力强等特点。因此,基于聚类分析的径向基神经网络用于中医舌诊诊断的研究是可行的、有效的。     

集成学习算法在中医证型分类预测中的应用

为提高中医诊断的智能化以及辩证的准确度,提出一种基于多模态扰动策略的集成学习算法(MPEL算法)。首先,在样本域多次抽样产生不同的样本子空间;其次,在属性域采用改进的层次聚类特征选择算法,划分不同的属性子空间,进而训练出具有较大差异性的基分类器;然后,采用贪心策略选取最优的基分类器组合,提高算法整体性能。选择中医哮喘病症状-证型病案进行验证,并与其它集成学习算法对比,实验结果表明,改进的集成学习算法在哮喘病症状-证型分类预测中训练速度较快、识别准确率更高,最高识别率高达98.16%。     

基于数据挖掘的聚类算法研究

随着数据信息的积累，如何从这些海量信息中有效地提取所需要的知识成为当前数据挖掘的重要内容。聚类作为数据挖掘的重要工具，通过将数据划分成多个类，使得类内数据尽可能相似，而类间数据的相似度尽可能小，已成为研究热点。本文总结在数据挖掘中的聚类算法，针对聚类中所存在的问题进行归纳，并对未来的研究进行了展望。     

中医舌诊神经网络的优化遗传算法*

从舌象的特点和基于舌象的八纲辨证中医知识的参数形式,并结合各证型的主证分析因子,利用改进遗传算法对构建的前馈式神经网络进行优化,是对目前中医诊断神经网络方法运用的一种新发展.该遗传算法结合了实数编码、数学交叉、PSO等思想,对于形成一种中医专家系统的软计算构成技术奠定了基本的方法.仿真实验结果表明,该方法具有较为理想的效果.     

中医阴阳计量辨证的数学模型

“证”是中医临床的基础,“证”的规范化,诊断的标准化是中医现代化的关键。本文运用模式识别思想,多元统计等数学工具,用客观定量指标对“证”的计量分类作了尝试,探讨了“证”的客观性,计量辨证的可能性和“证”的数学表达式,同时对其他的数学方法进行一定的讨论。