1、基于關聯(lián)規(guī)則和決策樹的中醫(yī)胃炎診斷分析    【關鍵詞】  數(shù)據(jù)挖掘；關聯(lián)規(guī)則；決策樹；中醫(yī)辨證      中醫(yī)采用“望、聞、問、切”的診斷方法,并予以辨證施治,對慢性胃炎有很好的療效。但是隨著時間的流逝,一些寶貴的資源并沒有被保存下來,老中醫(yī)的經(jīng)驗是需要后人在實踐的基礎上不斷領悟與總結方能表達的。需要從大量的臨床資料中提煉出有價值、有共性的信息來幫助判斷,從而達到辨證施治的目的。因而,筆者利用數(shù)據(jù)挖掘方法中的關聯(lián)規(guī)則和決策樹方法,以名老中醫(yī)的胃炎病歷信息為對象,對“癥狀”、“辨證”之間的潛在關

2、系,以及根據(jù)“癥狀”如何判斷是否能得到某一“辨證”做一初探。    基于以上目的,筆者利用現(xiàn)有的中醫(yī)胃炎病歷作為樣本數(shù)據(jù),采用關聯(lián)規(guī)則的方法建立實驗模型,并給出實驗分析的結果。在此基礎上采用決策樹方法,構建一棵判斷是否為辨證“中虛氣滯”的決策樹。1  基于關聯(lián)規(guī)則方法的中醫(yī)胃炎分析    關聯(lián)規(guī)則是數(shù)據(jù)挖掘領域中最為常用和成熟的方法之一。關聯(lián)規(guī)則的挖掘問題就是在給定的事務數(shù)據(jù)庫中,找出滿足最小支持度(minsup)和最小置信度(minconf)的關聯(lián)規(guī)則。關聯(lián)規(guī)則有如下優(yōu)點：可以產(chǎn)生清晰有用的結果；支持間接數(shù)據(jù)挖掘；可以處理

3、變長的數(shù)據(jù)；計算的消耗量是可以預見1。經(jīng)典的關聯(lián)規(guī)則挖掘算法2有：Apriori算法3、抽樣算法、DIC算法。1.1  Apriori算法簡介    Apriori算法先根據(jù)最小支持度,計算所有的1-項集(k-項集是含有k個項的項集),記為C1。找出所有滿足支持度條件的1-項集,記為L1。然后根據(jù)L1確定候選2-項集的集合,記為C2。從C2找出所有滿足支持度條件的2-項集,記為L2。依此類推,直到不再有候選項集。1.2  基于辨證“中虛氣滯”關聯(lián)規(guī)則的實驗設計    我們首先根據(jù)“疾病標準表”、“中醫(yī)臨床診療術語”

4、和南京中醫(yī)藥大學提供的“中藥材表”,對病歷中出現(xiàn)的癥狀、辨證與處方進行規(guī)范化,將詞義相同或相近的整理歸類,統(tǒng)一、減少或簡化其稱謂,消除別名。比如,面色中既有“面黃少華”又有“面色萎黃”,將其統(tǒng)一糾正為“面色萎黃”。然而,用文字描述的數(shù)據(jù)不利于計算機接收和處理,用數(shù)字來表達可以大大簡化工作的復雜度。我們采用數(shù)值化的方法來體現(xiàn)某一癥狀的有無,將癥狀看成是布爾變量。    我們從中醫(yī)胃炎病歷中篩選出辨證為“中虛氣滯”的病歷,利用關聯(lián)規(guī)則的Apriori算法來探求癥狀與此辨證之間的關系。我們根據(jù)中醫(yī)胃炎病歷中所涉及到的癥狀、辨證、處方等數(shù)據(jù),在ACCESS中構建數(shù)據(jù)庫及相

5、應的表。其中sample表(見表1)中存放的是樣本數(shù)據(jù),即中醫(yī)病歷中辨證為“中虛氣滯”的病歷。這里的每條記錄代表辨證為“中虛氣滯”的一條病歷,分別由不同的癥狀構成。Symptom表(見表2)中存放的是中醫(yī)胃炎病歷中所涉及到的所有癥狀名稱及其相應的編號。 表1  sample表（略）表2  symptom 表（略）利用VC6.0作為開發(fā)平臺,從運行界面上輸入支持度和辨證“中虛氣滯”所涉及到的癥狀數(shù)目,根據(jù)Apriori算法運行程序,最后得到辨證“中虛氣滯”與癥狀之間的關系。1.3  基于辨證“中虛氣滯”關聯(lián)規(guī)則的實驗結果分析    關聯(lián)

6、規(guī)則有兩個評價標準：支持度和置信度。置信度描述的是包含A和B的事務數(shù)與包含A的事務數(shù)的百分比。由此可見,置信度度量規(guī)則的強度是我們關注的重點。以男性病歷為例,最后得到最大頻繁項集是胃脘痞脹,舌苔薄(白),吞酸或泛酸,舌質紅,以下列舉部分結論以供分析。    置信度：舌苔薄(白)=>中虛氣滯(50%)；舌質紅=>中虛氣滯(66%)；胃脘痞脹舌苔薄(白)吞酸或泛酸舌質紅=>中虛氣滯(100%)。    置信度表明：只有舌苔薄(白)這一癥狀時,辨證為“中虛氣滯”的概率是50%；只有舌質紅這一癥狀時,辨證為“中虛氣滯”的概率

7、是66%；癥狀胃脘痞脹,舌苔薄(白),吞酸或泛酸,舌質紅同時出現(xiàn)的前提下,辨證為“中虛氣滯”的概率是100%。    由女性病歷分析,得到癥狀的兩個最大頻繁項集是舌苔薄(白),脈細弦,口干(欲飲),胃脘隱痛和舌苔薄(白),脈細弦,胃脘嘈雜,舌質淡,以下列舉部分結論以供分析。    置信度：舌苔薄(白)=>中虛氣滯(22.2%)；脈細弦=>中虛氣滯(25%)；胃脘隱痛=>中虛氣滯(40%)；口干(欲飲)=>中虛氣滯(66.7%)；舌苔薄(白)脈細弦=>中虛氣滯(25%)；胃脘隱痛舌苔薄(白)=>中虛氣

8、滯(50%)；脈細弦胃脘隱痛=>中虛氣滯(66.7%)；脈細弦胃脘隱痛舌苔薄(白)=>中虛氣滯(66.7%)；舌苔薄(白)脈細口干(欲飲)胃脘隱痛=>中虛氣滯(100%)；舌苔薄(白)脈細舌質淡胃脘嘈雜=>中虛氣滯(100%)。    由實驗結果可知,在單個癥狀出現(xiàn)的情況下,癥狀口干欲飲對于辨證“中虛氣滯”的影響最大；當兩個癥狀同時出現(xiàn)的情況下,癥狀脈細弦和胃脘隱痛能導致是辨證“中虛氣滯”的可能性為66.7%,是其他幾種兩個癥狀同時出現(xiàn)的可能性中最大的。當同時出現(xiàn)舌苔薄(白)、脈細、口干(欲飲)、胃脘隱痛和舌苔薄(白)、脈細、舌質淡、胃脘嘈

9、雜這2組癥狀時,都可判斷辨證是“中虛氣滯”。    由此可見,應用關聯(lián)規(guī)則方法對中醫(yī)胃炎病歷進行分析確實能在一定程度上揭示辨證與癥狀對應的規(guī)律,從中提取有用知識,為臨床及實驗研究提供進一步探索的線索和目標。2  基于決策樹方法的中醫(yī)胃炎分析    決策樹算法是目前應用最廣泛的歸納推理算法之一4,是一種逼近離散值函數(shù)的方法,通常用來形成分類器和預測模型2。決策樹分類方法采用自頂向下的遞歸方式。從決策樹的根到葉結點的一條路徑就對應這一條合取規(guī)則,整棵決策樹就對應著一組析取表達式規(guī)則。2.1  ID3算法簡介 

10、   ID3算法先確定每一個實例屬性單獨分類訓練樣例的能力,將分類能力最好的屬性選做樹的根結點。然后為根結點屬性的每個可能值產(chǎn)生一個分支,并把訓練樣例排列到適當?shù)姆种е隆Ｖ貜驼麄€過程,用每個分支結點關聯(lián)的訓練樣例來選取在該點被測試的最佳屬性。由此可見,ID3算法總是選擇分類能力最好的屬性作為當前結點的測試屬性。ID3算法選用信息增益作為選擇最佳屬性的度量標準。為了精確定義信息增益,先定義信息論中廣泛使用的一個度量標準熵。    Entropy(S)         

11、;             其中：S為某個目標概念的正反樣例的樣例集,P+是在S中的正例的比例,P-是在S中反例的比例。一般情況,如果目標屬性具有C個不同的值,那么S相對于C個狀態(tài)的分類的熵定義為：Entropy(S)           。    一個屬性A相對樣例集合S的信息增益Gain(S,A)被定義為：Gain(S,A)Entropy(S)