基于软计算方法的心系基础证诊断知识库的构建及应用

摘要

在不同的历史时期，历代医家提出了多种辨证方法，沿用至今的有六经辨证、八纲辨证、卫气营血辨证、三焦辨证、脏腑辨证及气血津液辨证等。这些辨证方法交织重叠，未能形成完整统一的体系。吴承玉教授经过数十年的研究和实践，提出“以五脏系统为病位核心，按病性分类立证”的五脏系统辨证体系，研究由单一病位和单一病性构成的基础证，将其有机组合构成临床复杂多变的证。这一辨证体系符合中医“以象测藏，从症辨证”思维，能够应用到临床各科，具有普适性。然而，由于症状描述具有模糊性，症状与病位、病性之间具有非线性映射关系，病位、病性与基础证又有着复杂的组合逻辑。采用常规的数理统计、数据挖掘方法难以深入挖掘病位、病性特征与基础证之间的关系。上述因素阻碍了五脏系统辨证体系的推广及应用，阻碍了中医辨证信息化、智能化研究进程。
　　软计算，又称为智能计算，是模拟自然界中智能系统的生化过程（人的感知、脑结构、进化和免疫等）而设计的问题求解算法，通过对不确定、不精确及不完全真值的容错处理以取得低代价的解决方案。其主要包括几种计算模式:模糊逻辑、人工神经网络、遗传算法和混沌理论等，这些技术彼此互补、相互配合。应用软计算方法开展五脏系统辨证体系的研究，可以弥补传统方法的不足。因此，本文尝试从心系统入手，利用软计算方法开展心系基础证诊断知识库的研究。整个研究过程分为以下四个部分:
　　第一部分:利用聚类分析、因子分析和关联分析开展心系病位、病性特征与基础证的相关性研究，尝试从1741份心系病案资料中提炼最能反映心系基础证特点的病位、病性特征，为后续知识库的构建做准备。
　　第二部分:开展自动模式下的心系基础证诊断知识库研究。利用BP神经网络算法建立心系基础证诊断模型，利用网络强大的自主学习功能，从心系病案资料中自动提取隐式知识。当模型收敛后，知识以连接权值和阈值的形式存储在网络节点中，从而形成心系基础证诊断的知识库。限于算法本身的收敛速度、运算效率，训练样本的有效性、完整性等问题，使得知识库的完整性和有效性有待进一步提高。
　　第三部分:开展人工模式下的心系基础证诊断知识库研究。利用模糊识别方法建立心系基础证诊断知识库模型。首先，邀请中医专家对心系病位、病性特征的重要性进行评分;其次，采用内容效度分析对专家意见一致率进行评价，将效度值作为症状对病位、病性模糊集合的隶属度，最终建立病位、病性模糊集合的隶属函数;最后，根据模糊识别中的“择近原则”建立症状→病位和病性→心系基础证的模糊诊断数学模型。
　　第四部分:利用面向对象的软件开发技术设计符合上述模糊诊断数学模型的心系基础证智能辨证诊断系统。利用该系统分别开展心系医案的智能辨证研究和心系疾病病位、病性的组合规律研究。在心系医案智能辨证研究中，通过对心系病案资料进行整理、规范，提取其中的主要症状及体征，将其输入智能辨证诊断系统，系统将自动辨识患者的病位、病性和证型，通过与原始诊断进行比对，证明系统能够较好地完成心系医案的辨证;在心系疾病的病位、病性组合规律研究中，通过搜集胸痹（冠心病心绞痛）患者的病案资料417份，将其输入智能辨证诊断系统，系统将自动辨识患者的病位、病性和证型，利用统计软件对辨识结果进行分析，总结出五脏系统辨证体系下胸痹（冠心病心绞痛）病位、病性的组合规律。
　　总之，将软计算方法引入中医辨证体系研究领域，构建心系基础证诊断知识库模型，符合中医辨证体系的内涵要求，具有可行性。本文从理论原理、数学模型到软件设计及应用，多角度探索心系基础证的基本原理与规律，具有一定的创新性。该研究思路可以进一步应用于五脏系统辨证体系的研究中，建立五脏系统基础证诊断知识库，为中医教学、临床和科研服务。

目录

声明

摘要

第一章 引言

1．1 研究背景及意义

1．1．1 软计算及知识库简介

1．1．2 中医辨证研究面临的挑战

1．1．3 心系基础证诊断知识库研究的意义

1．2 国内外研究现状

1．3 研究内容

1．4 研究目标

1．5 技术路线

第二章 心系病位、病性特征与基础证的相关性研究

2．1 聚类分析在心系病位、病性特征与基础证相关性研究中的应用

2．1．1 聚类分析简介

2．1．2 心系基础证病位、病性特征的聚类分析研究

2．1．3 结果分析及讨论

2．2 因子分析在心系病位、病性特征与基础证相关性研究中的应用

2．2．1 因子分析简介

2．2．2 心系基础证的因子分析研究

2．2．3 结果分析及讨论

2．3 关联规则在心系病位、病性特征与基础证相关性研究中的应用

2．3．1 关联规则简介

2．3．2 心系基础证与病位、病性特征的关联分析研究

2．2．3 结果分析及讨论

2．4 本章小结

第三章 基于神经网络的心系基础证诊断知识库的研究

3．1 人工神经网络简介

3．1．1 BP神经网络模型

3．1．2 BP神经网络设计的基本方法

3．2 心系基础证神经网络诊断知识库的构建

3．2．1 数据预处理

3．2．2 建模过程

3．2．3 模型测试

3．3 结果分析及讨论

3．3．1 正确率讨论

3．3．2 知识提取过程

3．3．3 模型的局限性

3．4 本章小结

第四章 基于模糊逻辑的心系基础证诊断知识库的研究

4．1 模糊数学简介

4．1．1 模糊数学概述

4．1．2 模糊集合概念

4．2 中医辨证问题的数学模型转化

4．3 心系基础证模糊识别数学模型的构建

4．3．1 确定论域

4．3．2 构造隶属函数

4．3．3 建立模糊识别数学模型

4．4 模糊识别举例

4．5 常见心系病位及病性模糊隶属函数

4．5．1 心系病位模糊隶属函数

4．5．2 病性模糊隶属函数

4．6 常见心系基础证诊断

4．7 本章小结

第五章 心系基础证智能辨证诊断系统的设计与应用

5．1 设计思路

5．2 详细设计

5．3 系统介绍

5．4 系统应用举例

5．4．1 心系医案的智能辨证

5．4．2 心系疾病病位、病性组合规律研究

5．5 本章小结

第六章 总结及展望

6．1 研究总结

6．2 研究成果及创新

6．3 不足之处及后续研究思路

6．4 结语

参考文献

附录

攻读博士学位期间取得的研究成果

致谢

作者简介