基于數(shù)據(jù)挖掘的中醫(yī)診斷智能信息化技術研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、中醫(yī)學領域中存在著大量的病案資料,病案記錄中的信息包含很多隱藏的、有價值的醫(yī)學知識,而醫(yī)學數(shù)據(jù)的網絡化與數(shù)字化轉變使得人工整理數(shù)據(jù)的方法不再可行。數(shù)據(jù)挖掘技術正是一種有效的借助人工智能方法獲取醫(yī)學知識的現(xiàn)代化手段,采用數(shù)據(jù)挖掘方法分析醫(yī)學數(shù)據(jù),不僅能夠揭示隱含其間的病、證、癥、治的規(guī)律和他們之間的有機聯(lián)系,還能夠得到有價值的醫(yī)學知識,促進中醫(yī)診斷的客觀化,同時也是中醫(yī)現(xiàn)代化的重大課題之一。本文主要研究數(shù)據(jù)挖掘方法在哮喘病案數(shù)據(jù)分析中的應

2、用,主要包括提取哮喘主癥狀,獲得中藥配伍規(guī)律、用藥與癥狀的關聯(lián)關系,尋找癥狀-證型間的匹配規(guī)律,最終建立中醫(yī)病案數(shù)據(jù)挖掘系統(tǒng)。主要工作如下:
  1)在數(shù)據(jù)預處理階段,首先對臨床數(shù)據(jù)進行初步規(guī)范量化,然后采用一種粗糙集屬性約簡算法-MIBARK算法提取哮喘主癥狀,期間通過實例展示了MIBARK算法的運行過程;設計了電子病案結構,建立病案數(shù)據(jù)庫,為下一步中醫(yī)病案數(shù)據(jù)挖掘做準備;
  2)在數(shù)據(jù)挖掘階段,通過實例分析了Aprio

3、ri算法的性能與不足,基于計算機對位串邏輯運算的快速反應,提出Apriori算法的改進算法(Apriori-BSO算法),相同條件下,測試對比了Apriori-BSO算法與經典Apriori算法的運行時效,采用Apriori-BSO算法對哮喘用藥數(shù)據(jù)及癥狀-用藥聯(lián)合數(shù)據(jù)進行關聯(lián)分析,挖掘出醫(yī)藥方劑配伍規(guī)律及癥狀與用藥之間的關聯(lián)關系,對比了Apriori-BSO算法與經典Apriori算法在挖掘哮喘醫(yī)案數(shù)據(jù)時的運行時間;
  3)研

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論