數(shù)據(jù)挖掘技術(shù)在中醫(yī)小兒肺炎辨證規(guī)范中的應(yīng)用

數(shù)據(jù)挖掘技術(shù)在中醫(yī)小兒肺炎辨證規(guī)范中的應(yīng)用【摘要】以小兒肺炎為例，采用數(shù)據(jù)挖掘技術(shù)建立中醫(yī)小兒肺炎辨證規(guī)范，并與“十五”前期的小兒肺炎辨證規(guī)范進(jìn)行對(duì)比分析，以期為數(shù)據(jù)挖掘技術(shù)在中醫(yī)辨證規(guī)范化方面做出貢獻(xiàn)。

【關(guān)鍵詞】辨證規(guī)范數(shù)據(jù)挖掘小兒肺炎

傳統(tǒng)的中醫(yī)診斷疾病包括辨病和辨證兩部分。辨證是中醫(yī)學(xué)中最富有特色的科學(xué)精華，也是中醫(yī)診斷學(xué)的主要研究?jī)?nèi)容。中醫(yī)辨證標(biāo)準(zhǔn)的研究，對(duì)于發(fā)展中醫(yī)理論及提高臨床診治水平，具有極其重要的意義。目前，中醫(yī)學(xué)尚缺乏公認(rèn)的中醫(yī)辨證規(guī)范。已經(jīng)出現(xiàn)的中醫(yī)辨證的方法多采用統(tǒng)計(jì)方法和邏輯分析方法，但受人為經(jīng)驗(yàn)因素的影響，難以擺脫傳統(tǒng)的經(jīng)驗(yàn)?zāi)Ｊ?。本文以小兒肺炎為例，提出運(yùn)用數(shù)據(jù)挖掘技術(shù)，通過(guò)數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、挖掘結(jié)果處理，從而建立中醫(yī)小兒肺炎辨證規(guī)范。

１中醫(yī)小兒肺炎辨證規(guī)范數(shù)據(jù)挖掘的相關(guān)技術(shù)

數(shù)據(jù)挖掘是在大量的數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)有用的信息的過(guò)程，是知識(shí)發(fā)現(xiàn)的一部分。運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)行知識(shí)發(fā)現(xiàn)的過(guò)程如圖１所示。

１．１數(shù)據(jù)預(yù)處理

在進(jìn)行數(shù)據(jù)挖掘之前必須要經(jīng)過(guò)數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理的任務(wù)是將現(xiàn)有的數(shù)據(jù)集轉(zhuǎn)換成符合挖掘算法要求的集中的數(shù)據(jù)集。預(yù)處理工作主要通過(guò)以下步驟完成：從多個(gè)數(shù)據(jù)源中進(jìn)行數(shù)據(jù)的匯集；去掉噪聲數(shù)據(jù)和重復(fù)數(shù)據(jù)；進(jìn)行屬性選擇，可以采用交互的方式讓用戶自己進(jìn)行屬性篩選，去掉那些與挖掘工作無(wú)關(guān)的屬性；維度約簡(jiǎn)，可以通過(guò)某些技術(shù)，例如粗糙集技術(shù)，約簡(jiǎn)掉那些對(duì)決策不重要的屬性；數(shù)據(jù)規(guī)范化處理，最終得到符合挖掘要求的數(shù)據(jù)集。由于數(shù)據(jù)集可能來(lái)自各種不同的途徑，因此數(shù)據(jù)預(yù)處理過(guò)程是整個(gè)知識(shí)發(fā)現(xiàn)過(guò)程中最耗費(fèi)時(shí)間的步驟。

１．２數(shù)據(jù)挖掘

數(shù)據(jù)挖掘過(guò)程就是根據(jù)挖掘人物的不同，選擇不同算法進(jìn)行數(shù)據(jù)分析的過(guò)程，主要的算法包括關(guān)聯(lián)規(guī)則算法、聚類算法、時(shí)間序列分析算法。

１．２．１關(guān)聯(lián)規(guī)則

數(shù)據(jù)庫(kù)中關(guān)聯(lián)規(guī)則的挖掘可形式地定義為

設(shè)Ｉ＝｛ｉ１，ｉ２，…ｉｍ｝是所有項(xiàng)目的集合，即數(shù)據(jù)庫(kù)中的所有字段；Ｄ是所有事務(wù)的集合，即數(shù)據(jù)庫(kù)；每個(gè)事務(wù)Ｔ是一些項(xiàng)目的集合，Ｔ包含在Ｉ中，每個(gè)事務(wù)可以用唯一的標(biāo)識(shí)符ＴＩＤ來(lái)表示。設(shè)Ｘ為某些項(xiàng)目的集合，如果Ｘ?哿Ｔ，則稱事務(wù)Ｔ包含Ｘ。關(guān)聯(lián)規(guī)則表示為：ＸＹ，其中，ＸＩ，ＹＩ，Ｘ∩Ｙ＝。關(guān)聯(lián)模型主要描述了一組數(shù)據(jù)項(xiàng)目的密切度或關(guān)系。

１．２．２聚類算法

聚類就是把整個(gè)數(shù)據(jù)分成不同的組，并使組與組之間的差距盡可能地大，組內(nèi)數(shù)據(jù)的差異盡可能地小。聚類分析時(shí)數(shù)據(jù)集合的特征是未知的。聚類根據(jù)一定的聚類規(guī)則，將具有某種相同特征的數(shù)據(jù)聚在一起，也稱為無(wú)監(jiān)督學(xué)習(xí)。聚類的數(shù)學(xué)描述如下所示：給定數(shù)據(jù)集合Ｖ＝｛νｉ｜ｉ＝１，２，…ｎ｝，其中νｉ為數(shù)據(jù)對(duì)象，根據(jù)對(duì)象間的相似度將數(shù)據(jù)集合分成ｋ組，并滿足：｛Ｃｊ｜ｊ＝１，２，…ｋ｝，其中ＣｉＶ；Ｃｉ∩Ｃｊ＝∪ｋｉ＝１Ｃｉ＝Ｖ，則該過(guò)程稱為聚類，Ｃｉ稱為簇。

１．２．３時(shí)間序列分析

時(shí)間序列是指系統(tǒng)中某一變量的觀測(cè)值按時(shí)間順序排列成一個(gè)數(shù)值序列，展示研究對(duì)象在一定時(shí)期內(nèi)的變動(dòng)過(guò)程，從中尋找和分析事物的變化特征、發(fā)展趨勢(shì)和規(guī)律。它是系統(tǒng)中某一變量受其他各種因素影響的總結(jié)果。研究時(shí)間序列的實(shí)質(zhì)是通過(guò)處理預(yù)測(cè)目標(biāo)本身的時(shí)間序列數(shù)據(jù)，獲得事物隨時(shí)間過(guò)程的演變特性與規(guī)律，進(jìn)而預(yù)測(cè)事物的未來(lái)發(fā)展。

１．２．４粗糙集

粗糙集理論［２］由波蘭科學(xué)家Ｚ．Ｐａｗｌａｋ在１９８２年提出。它是一種刻劃不完整性和不確定性的數(shù)學(xué)工具，能有效地分析不精確、不一致、不完整等各種不完備的信息，還可以對(duì)數(shù)據(jù)進(jìn)行分析和推理［３］，從中發(fā)現(xiàn)隱含的知識(shí)，揭示潛在的規(guī)律。粗糙集中的一個(gè)特點(diǎn)就是對(duì)于所需處理的問(wèn)題無(wú)需先驗(yàn)知識(shí)，因此具有相當(dāng)?shù)目陀^性。目前，粗糙集理論已經(jīng)被成功地應(yīng)用于挖掘?qū)傩砸蕾嚩群蛯傩约s簡(jiǎn)。

１．３挖掘結(jié)果處理

經(jīng)過(guò)數(shù)據(jù)挖掘之后得到的信息是一些數(shù)據(jù)，并不能直接幫助用戶進(jìn)行決策，需要將挖掘結(jié)果進(jìn)行集成或可視化處理，確保將有效、有用的信息呈現(xiàn)出來(lái)，或者從多個(gè)不同角度進(jìn)行數(shù)據(jù)分析和

挖掘結(jié)果的分析。

２中醫(yī)小兒肺炎辨證規(guī)范數(shù)據(jù)挖掘系統(tǒng)的實(shí)現(xiàn)

中醫(yī)小兒肺炎數(shù)據(jù)挖掘系統(tǒng)是在前期“十五”攻關(guān)課題“小兒肺炎中醫(yī)證治規(guī)律研究”的研究成果基礎(chǔ)上，通過(guò)１０００例小兒肺炎前瞻性臨床研究建立計(jì)算機(jī)數(shù)據(jù)處理平臺(tái)，應(yīng)用數(shù)據(jù)挖掘技術(shù)，客觀建立中醫(yī)辨證規(guī)范、療效評(píng)價(jià)指標(biāo)和方法體系。通過(guò)臨床信息采集和數(shù)據(jù)挖掘，將重新確認(rèn)小兒肺炎證型的分布；各證型癥狀的基本構(gòu)成；確認(rèn)癥狀間的關(guān)聯(lián)關(guān)系；確認(rèn)癥狀對(duì)病證診斷和療效評(píng)價(jià)的貢獻(xiàn)率以及證型之間的轉(zhuǎn)換規(guī)律。系統(tǒng)的處理流程如圖２所示。

２．１數(shù)據(jù)預(yù)處理

在進(jìn)行數(shù)據(jù)挖掘之前，必須經(jīng)過(guò)數(shù)據(jù)預(yù)處理。在本系統(tǒng)中，數(shù)據(jù)預(yù)處理完成的任務(wù)包括數(shù)據(jù)導(dǎo)入、缺失值處理、數(shù)據(jù)規(guī)范化處理、異常數(shù)據(jù)處理、屬性約簡(jiǎn)、數(shù)據(jù)分割。

２．２數(shù)據(jù)挖掘過(guò)程

２．２．１聚類分析得到小兒肺炎證型的分布和癥狀構(gòu)成

系統(tǒng)中挖掘工作的第一步是進(jìn)行聚類分析。聚類過(guò)程是一個(gè)無(wú)指導(dǎo)地將對(duì)象進(jìn)行歸類的過(guò)程。

聚類的結(jié)果包括以下兩部分

證的分布。證的分布指的是疾病證型的構(gòu)成，很明顯這是一個(gè)無(wú)指導(dǎo)的過(guò)程。聚類的結(jié)果形成多個(gè)簇，每個(gè)簇就是所說(shuō)的證。證的命名通過(guò)與專家的交互，完成了辨證標(biāo)準(zhǔn)的客觀功能部分。

證的構(gòu)成。聚類后，每個(gè)證包含了若干癥狀向量，可以得到每個(gè)證的癥狀構(gòu)成情況。

２．２．２關(guān)聯(lián)規(guī)則分析得到癥狀間的關(guān)聯(lián)關(guān)系

關(guān)聯(lián)規(guī)則分析是在聚類挖掘的基礎(chǔ)之上，在每個(gè)不同的證型中進(jìn)行關(guān)聯(lián)規(guī)則挖掘，得到每個(gè)證的癥狀之間的關(guān)聯(lián)關(guān)系。中醫(yī)小兒肺炎數(shù)據(jù)的層次關(guān)系可用圖４表示。

系統(tǒng)中數(shù)據(jù)具有層次關(guān)系。在進(jìn)行挖掘時(shí)，一方面，可以在最上層，即癥狀級(jí)，例如發(fā)熱、咳嗽、氣促這樣的級(jí)別中進(jìn)行挖掘，尋找關(guān)聯(lián)關(guān)系；另一方面，也可以在具體的層次中進(jìn)行挖掘，例如在稽留熱、弛張熱、間歇熱、劇烈咳嗽、咳聲無(wú)力、咳聲重濁、氣急、鼻煽、呼吸困難等這些具體的癥狀表現(xiàn)層次上進(jìn)行挖掘，得到不同層次的不同的挖掘結(jié)果。通過(guò)關(guān)聯(lián)規(guī)則分析，得到癥狀之間的關(guān)聯(lián)關(guān)系。

２．２．３粗糙集屬性重要度計(jì)算癥狀對(duì)證的貢獻(xiàn)率

屬性的重要度［４］是指在一個(gè)信息系統(tǒng)中，不同的條件屬性對(duì)于決策屬性所起的作用是不同的。有些條件屬性可能對(duì)于決策屬性的取值起著重要作用，但有些可能不起作用。

用屬性的重要度來(lái)表示條件屬性對(duì)于決策屬性的影響程度，可以采用分別去掉各個(gè)屬性后，檢測(cè)整個(gè)信息系統(tǒng)是否因?yàn)槿サ袅诉@個(gè)屬性而導(dǎo)致了分類或決策結(jié)果發(fā)生了變化。若是，則這個(gè)屬性對(duì)于這個(gè)決策屬性是重要的，計(jì)算的值越大，重要性越大；反之，這個(gè)屬性不是重要的，計(jì)算出的值就小。ｄＢ－Ｂ’＝ｒＢ－ｒＢ－Ｂ’，其中ｒＢ＝■，屬性子集Ｂ’?Ｂ，ＰＯＳＢ為正域，ｃａｒｄ為該集合的元素的基數(shù)。

２．２．４時(shí)間序列分析挖掘出證的變化規(guī)律

系統(tǒng)收錄了每個(gè)病人在整個(gè)病程中每天的病情數(shù)據(jù)，構(gòu)成了一個(gè)帶有時(shí)序的序列。對(duì)這些序列進(jìn)行分析，獲得證隨時(shí)間過(guò)程的演變特性與規(guī)律。

２．３挖掘結(jié)果的驗(yàn)證

為驗(yàn)證挖掘結(jié)果，將從１０００例樣本數(shù)據(jù)中隨機(jī)取出２００例數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，用于多種辨證標(biāo)準(zhǔn)的驗(yàn)證測(cè)試。這２００例驗(yàn)證數(shù)據(jù)將不參與數(shù)據(jù)挖掘，僅僅用于辨證標(biāo)準(zhǔn)的驗(yàn)證。為保證驗(yàn)證結(jié)果的可信度，將按照同年齡兒童中小兒肺

炎的患病率，通過(guò)采集非小兒肺炎兒童的數(shù)據(jù)，將其與２００例驗(yàn)證數(shù)據(jù)混合構(gòu)成混合樣本數(shù)據(jù)集。據(jù)統(tǒng)計(jì)，同年齡兒童中小兒肺炎的患病率為１０％左右，這樣將采集２０００例非小兒肺炎兒童的數(shù)據(jù)，構(gòu)成２２００例數(shù)據(jù)組成的驗(yàn)證數(shù)據(jù)及用于辨證標(biāo)準(zhǔn)的驗(yàn)證，認(rèn)為這一數(shù)據(jù)量基本能夠滿足需要。

２．３．１驗(yàn)證處理

經(jīng)過(guò)數(shù)據(jù)挖掘處理后，可以得到挖掘的辨證標(biāo)準(zhǔn)、各證所屬癥狀的劃分方法以及具體癥狀的量化賦分方法。這樣系統(tǒng)具有四種辨證或診斷標(biāo)準(zhǔn)

《中醫(yī)病證診斷和療效標(biāo)準(zhǔn)》等確立的小兒肺炎辨證標(biāo)準(zhǔn)和各證所屬癥狀二級(jí)劃分方法以及具體癥狀的量化賦分方法。

進(jìn)行小兒肺炎辨證規(guī)范和療效評(píng)價(jià)方法研究之初，先期在邏輯判斷基礎(chǔ)上建立第二套辨證標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)針對(duì)小兒肺炎中醫(yī)各證的癥狀，依據(jù)各自對(duì)病證診斷的貢獻(xiàn)情況分為特異癥狀、主要癥狀和次要癥狀三級(jí)。并對(duì)復(fù)合癥狀、注釋性癥狀、極端癥狀、起鑒別作用癥狀、不宜作為療效判定癥狀等做出說(shuō)明和處理，借以對(duì)每個(gè)癥狀的程度水平進(jìn)行三級(jí)量化處理。

西醫(yī)的診斷標(biāo)準(zhǔn)，包括小兒肺炎臨床表現(xiàn)：呼吸系統(tǒng)、循環(huán)系統(tǒng)、神經(jīng)系統(tǒng)、消化系統(tǒng)以及并發(fā)證；小兒肺炎實(shí)驗(yàn)室檢查：病原學(xué)檢查、外周血檢查、Ｘ線檢查等。

數(shù)據(jù)挖掘的辨證標(biāo)準(zhǔn)。數(shù)據(jù)挖掘的辨證標(biāo)準(zhǔn)主要包括辨證指標(biāo)以及具體癥狀的量化賦分方法。辨證指標(biāo)包括關(guān)聯(lián)挖掘、時(shí)序挖掘、聚類挖掘。可以挖掘出具體癥狀的量化賦分方法。４種辨證標(biāo)準(zhǔn)分別在驗(yàn)證數(shù)據(jù)庫(kù)中進(jìn)行測(cè)試，得出客觀度對(duì)比表，同時(shí)構(gòu)造出整體的客觀度曲線。如圖５所示。

２．３．２優(yōu)化辨證標(biāo)準(zhǔn)

比較４套標(biāo)準(zhǔn)之間、３套辨證標(biāo)準(zhǔn)與西醫(yī)診斷標(biāo)準(zhǔn)之間在病證診斷方面的符合情況，修正各證構(gòu)成比、癥狀對(duì)證診斷的貢獻(xiàn)率等；確定客觀的量化方法，形成新的分級(jí)量化表，最終建立小兒肺炎辨證規(guī)范和方法體系。

２．３．３建立輔助診斷系統(tǒng)

在客觀辨證標(biāo)準(zhǔn)的基礎(chǔ)上，設(shè)計(jì)輔助診斷系統(tǒng)，輔助專家對(duì)小兒肺炎各證進(jìn)行科學(xué)的診斷。

３結(jié)論

利用數(shù)據(jù)挖掘技術(shù)進(jìn)行中醫(yī)辨證規(guī)范的研究具有重要意義和挑戰(zhàn)性。中醫(yī)海量的病例數(shù)據(jù)為挖掘工作提供了很好的研究基礎(chǔ)，中醫(yī)復(fù)雜的癥狀間的關(guān)系和證型間的變化為研究提出了挑戰(zhàn)。數(shù)據(jù)挖掘過(guò)程是一個(gè)需要人機(jī)交互、多次反饋修正的過(guò)程，高質(zhì)量的數(shù)據(jù)、相應(yīng)算法的合理參數(shù)是有效挖掘的基礎(chǔ)。運(yùn)用數(shù)據(jù)挖掘技術(shù)建立中醫(yī)小兒肺炎辯證規(guī)范，必將為促進(jìn)中