基于加权关联规则的中医慢性肾脏疾病配伍挖掘的研究

摘要

中医学是中国人民在长期临床实践过程中形成的独特理论框架和诊疗模式，为维护人民群众的身心健康发挥重要作用。方剂是中医治疗疾病的主要载体，在中医理论指导下，经过辨证论治，选择合适药物、剂量和用法，按照配伍原则有机组合而成的药方。配伍是选择药物进行组合、配合应用的方法，是方剂取得临床疗效的关健。慢性肾脏疾病已成为全球性公共健康问题，是严重危害人类健康的一类慢性非传染性疾病。中医辨证论治慢性肾脏疾病，在改善患者临床症状方面具有独特优势。关联规则挖掘技术能有效挖掘方剂配伍规律，推进中医方剂配伍研究的现代化继承与发展，为中医临床诊治提供客观化依据，减少临床组方不确定性，辅助医生合理设计疾病治疗方剂配伍，为新药研制提供决策支持。论文以临床疗效为核心，开展中医慢性肾脏疾病配伍挖掘研究，工作内容如下： (1)为提高方剂配伍模式挖掘效率，提出基于高压缩前缀树结构（Highly Compressed Prefix Tree,HCPT-tree）的关联规则算法HCPT-growth实现慢性肾脏疾病配伍频繁模式挖掘，获得中医治疗慢性肾脏疾病常用核心药物、药对和药物组合。通过采用路径计数节点，HCPT-tree支持更多前缀共享，显著减少树节点数量，故HCPT-growth能有效减少递归调用数量并提升挖掘效率。实验结果表明，与LP-growth、NSFI、MAFIA-FI等算法相比，HCPT-growth运行速度更快，内存消耗更小，具有更好的可扩展性。 (2)疗效是中医药发展的源泉与动力，而现有配伍模式挖掘研究多关注药物支持度，存在所挖掘的支持度最高药物或组合可能未必是有效药物或组合的问题；同时由于未考虑临床疗效，存在忽略支持度低但临床疗效好的药物或组合问题。针对上述问题，提出基于高压缩加权前缀树结构（Weighted Highly Compressed Prefix Tree，WHCPT-tree）的加权关联规则算法WHCPT实现面向疗效的中医慢性肾脏疾病配伍模式挖掘，为医生提供疗效好的核心药物、药对和药物组合辅助决策，所挖掘药物及组合均明显改善患者的临床症状。 (3)加权关联规则挖掘中最小加权支持度阈值设置过低将导致大量短模式，设置过高则造成有用长模式遗漏。针对现有最小加权支持度阈值确定过程繁琐且易引发低效挖掘问题，提出一种高效TOP-K加权关联规则算法（top-k Prescription Weighted Frequent Patterns growth，PWFP-growth），实现面向疗效的慢性肾脏疾病配伍主模式挖掘。通过设置期望挖掘的有效药物组合最大长度和每种长度的药物组合数量，PWFP-growth实现全局树构建过程中预估最小加权支持度阈值并对非加权频繁项目剪枝，实验结果表明PWFP-growth运行效率高于CRMN、BOMO等算法。 (4)临床环境下中医方剂持续增长，现有中医方剂配伍模式挖掘聚焦静态方剂挖掘，鲜见慢性肾脏疾病中医方剂增量挖掘研究，提出增量TOP-K加权关联规则算法（Incremental top-k Weighted Frequent Patterns growth，IWFP-growth）实现慢性肾脏疾病方剂配伍主模式动态增量挖掘。实验结果显示，针对持续增加的动态方剂数据，IWFP-growth算法实现增量的治疗慢性肾脏疾病有效药物组合挖掘，减少疗效差的药物组合数量，有效辅助医生进行临床用药调整，设计慢性肾脏疾病治疗的合理方剂。

目录

声明

第一章 绪论

1. 1 慢性肾脏疾病的现代临床研究

1. 2慢性肾脏疾病的中医临床研究

1. 3基于数据挖掘的方剂配伍规律研究进展

1. 4 本文主要工作

1. 5 论文组织结构

第二章 中医方剂配伍与关联规则挖掘

2. 1中医方剂配伍

2. 2 关联规则挖掘

2. 2. 1常用基本关联规则算法

2. 2. 2 加权关联规则算法

2. 2. 3 TOP-K关联规则算法

2. 2. 4 增量关联规则算法

2. 3基于关联规则的慢性肾脏疾病配伍模式挖掘

2. 3 本章小结

第三章 基于HCPT-growth的慢性肾脏疾病配伍模式挖掘

3. 1 慢性肾脏疾病配伍模式挖掘框架

3. 2 基于高压缩前缀树的关联规则算法HCPT-growth

3. 2. 1 高压缩前缀树HCPT-tree

3. 2. 2 HCPT-tree构建

3. 2. 3 HCPT-tree分析

3. 2. 4 HeaderTable重用

3. 2. 5频繁模式的挖掘

3. 3慢性肾脏疾病配伍模式挖掘实验结果

3. 4 本章小结

第四章 面向疗效的慢性肾脏疾病配伍模式挖掘

4. 1 面向疗效的慢性肾脏疾病配伍模式挖掘框架

4. 2. 1 配伍权值确定

4. 2. 2 WHCPT-tree的构建

4. 2. 3 加权频繁模式挖掘

4. 3 面向疗效的慢性肾脏疾病配伍模式挖掘实验结果

4. 4 本章小结

第五章 基于TOP-K加权关联规则的慢性肾脏疾病配伍主模式挖掘

5. 1 基于TOP-K加权关联规则的慢性肾脏疾病配伍主模式挖掘框架

5. 2 TOP-K加权关联规则算法PWFP-growth

5. 2. 1 基于动态增加阈值的全局PWFP-tree构建

5. 2. 2 全局PWFP-tree构建复杂度分析

5. 2. 3 TOP-K加权频繁模式挖掘

5. 3 基于PWFP-growth的慢性肾脏病配伍挖掘实验结果

5. 4 本章小结

第六章 基于增量加权关联规则的慢性肾脏疾病配伍主模式挖掘

6. 1 面向疗效的慢性肾脏病配伍增量更新主模式挖掘框架

6. 2 增量加权关联规则算法IPWFP-growth

6. 2. 1 IWFP-tree构建

6. 2. 2 IWFP-tree重构

6. 2. 3 增量更新加权频繁模式挖掘

6. 3 慢性肾脏病配伍增量更新主模式的实验结果

6. 4 本章小结

第七章 总结与展望

7. 1 论文工作总结

7. 2 后续工作展望

致谢

参考文献

攻读博士学位期间取得的成果