决策树算法在小儿肺炎中医临床诊断中的研究与应用

摘要

中医学是我国优秀的民族文化瑰宝，几千年的传承与沉淀，形成了较为完整的独特的理论体系，是中华民族几千年文明和智慧的结晶，为人类的繁衍与健康作出了极其重要的贡献，至今仍具有强大的生命力。中医学在长期的医疗实践中积累了大量的数据信息，虽然承载这些信息的载体形式多种多样，但其中蕴藏着的丰富的信息资源是祖先留给我们的宝贵财富。在当前的时代背景下，如何采用新的研究方法充分挖掘中医学所蕴含的数据信息，促进中医学的现代化发展，已成为一个新的研究方向与热点，也是中医学与计算机技术等学科相互结合，相互促进的典范。应用计算机等相关技术通过对中医学数据进行总结与分析，找出它们内在的联系与规律，不仅能丰富中医学自身的理论体系，推动中医学的系统化、信息化、标准化和现代化进程，更能够促进中医学与现代医学的相互融合与借鉴，为当前人类所面临的各种难治性疾病提供新的研究思路及治疗方案。
　　 数据挖掘(Data Mining，DM)，是从大量数据信息中提取出可信的、新颖的、有效的并最终能被人理解的信息模式处理过程，它涉及数据库、人工智能、统计学、模式识别等众多知识领域。目前，不仅是计算机领域，生产经营、农业、医疗卫生、国防、科研、流通和金融等各领域都有对数据进行深入应用的迫切需要，因为通过对数据信息的充分应用，可大大提高各领域的工作效率，找到解决问题的新思路新方法，甚至可能对某一领域的发展做出前瞻性的预测。这些需求就是我们对数据挖掘技术进行深入研究的强大动力和支持。
　　 正是基于以上研究背景，本文探讨了决策树算法在中医临床辨证中的应用。决策树算法是一种描述数据受各变量影响情况的分析预测模型，已被成功的应用于某些疾病的诊断和治疗中。本项研究针对小儿肺炎指纹临床辩证分类要求和特点，以小儿肺炎中医辨证规律为基础，成功构建了基于决策树算法的小儿肺炎指纹辨证分类模型。经临床实测数据检验，结果表明，该模型的计算量相对较小，速度较快，分类的准确率在80％以上，具有良好的临床实用价值。