一、基于数据挖掘的数字化中医诊断系统（论文文献综述）
孙忠人,游小晴,韩其琛,徐思禹,尹洪娜[1]（2021）在《人工智能在中医药领域的应用进展及现状思考》文中研究说明人工智能（Artificial Intelligence,AI）的蓬勃兴起为现代社会带来了前所未有的机遇,中医药是中华民族传承千年的文化瑰宝。随着人工智能技术不断在中医药领域的科技创新中崭露头角,二者的融合不断加深,人工智能在中医药领域的发展前景、争议挑战也引发了诸多思考。本文将从人工智能在中医药领域的应用入手,对人工智能辅助中医诊断、智能决策与数据挖掘、健康管理及中草药现代化研究等方面,就近年来国内外研究进展进行总结与分析,以期为AI视域下实现中医药现代化、智能化赋能。
刘梦柳[2]（2021）在《基于Apriori算法的《伤寒杂病论》“麻黄-石膏”的证-方-药关联分析》文中提出目的:建立《伤寒杂病论》麻黄-石膏的证-方-药关联规则网络模型,结合中医药专业理论知识分析出麻黄-石膏间的相关规律,为系统研究《伤寒论》等经典古籍提供新思路,最终真正实现中医经典方剂的数据化、可视化。方法:本研究首先对《伤寒杂病论》含麻黄、石膏的原文按方剂、中药、症状进行规范化处理,之后统计相应的频次、频率,并录入Microsoft Excel软件建立原始数据库;继而采用IBM SPSS Modeler 18.0软件包初步构建关联规则图;再用IBM SPSS Statistics 22.0软件绘制聚类分析图;之后依据置信度、支持度提取相关数据,最后依据所制图表结合相关中医专业知识将数学语言转换为中医专业语言并分析、归纳、总结其中隐藏的规律与关系。结果:（1）涉及麻黄、石膏的方剂中,使用最多的中药是甘草,麻黄汤、白虎加人参汤是使用最多的方子,常见药对是甘草-生姜-大枣。方剂主要分布在太阳病篇,除少阳经、太阴经外均有涉及,既重视六经辨证又采用脏腑经络辨证,太阳病的证治以伤寒、中风、风温分类,太阳主证用麻黄汤,兼证经气不利用葛根汤、兼有饮证用小青龙汤,变为肺热证时用麻黄杏仁甘草石膏汤等。（2）高频次、多链接的症状为脉浮、发热、汗出、喘、口渴,可作为一个症候群起到诊断与鉴别诊断的作用。脉浮、发热、汗出可辨为太阳伤寒,审证用方选麻黄汤,无汗时则是太阳中风,方证结合则用桂枝汤;仲景对于疾病的诊断注重色脉,对于色脉的掌握是很精到的:察色有“面色反有热色”、“面色缘缘正赤者”、“一身面目悉黄”、“黧黑”等,既描述了面色,又凸出了特点;诊脉,脉浮、脉浮紧、脉浮缓、脉浮滑,脉沉、脉沉迟等,体现了其重脉思想。结论:本次研究采用关联规则、聚类分析和频次、频率统计工具与方法,对《伤寒杂病论》涉及麻黄、石膏的原文从方剂、中药、症状等方面进行专业知识的梳理总结,分析得出证-方-药间的规律与复杂关系。本研究所展示的结果为:应用数据挖掘得到的关联规则网络与模型,其呈现的图形清晰、直观,有良好的具体化、可视化效果,实现了由点带面对《伤寒杂病论》辨证、遣方、用药规律的探索与解释。对精研张仲景辨证求因、审因论治、方证相合等规律有重要意义,同时也可指导后世流派,数据挖掘技术是系统研究《伤寒杂病论》相对科学而行之有效的工具。
刘依雯[3]（2021）在《基于数据挖掘总结王必勤教授治疗子宫内膜异位症的用药规律》文中指出[目的]利用数据挖掘系统,采用多种数据挖掘方法统计分析王必勤教授临床治疗子宫内膜异位症的用药规律,总结王教授治疗内异症的临床经验,促进其经验的传承。[方法]从北京中医药大学东直门医院妇科王必勤教授门诊保存纸质医案,按纳排标准选取2016年1月至2020年12月内异症患者医案84例,共计322诊次。利用Microsoft Excel及古今医案云平台数据挖掘系统,采用频数分析、关联规则、聚类分析、复杂网络分析等方法,对患者一般信息、四诊资料、中医诊断及处方用药进行统计分析。[结果]1.患者年龄分布集中在28-41岁年龄段,其中以28-34岁最多见（51.19%）。2.患者平素症状以畏寒、眠差、下腹痛、大便溏薄、腰酸为多见,累计占比41.13%;月经情况以夹血块、腹痛、经色暗、腰酸、乳胀为多见,累计占比73.41%;中医诊断以不孕、症瘕、痛经、经期延长、腹痛、月经过少为多见,累计占比84.16%;舌象以舌红（65.17%）、苔薄白（82.43%）为主,脉象以脉细（42.28%）为主。3.纳入医案共用573则处方,165味中药,基础方使用频率最高的为两固汤（40.85%）,使用频率>40%的14味药物依次为当归、熟地黄、党参、益母草、续断、菟丝子、枸杞子、淫羊藿、怀牛膝、红藤、川芎、炙黄芪、山药、炒白术,性以温、平为主,味以甘、辛、苦为主,归经以肝、肾、脾为主,功效以补肝肾、清热解毒、补肾阳、活血调经为主。4.基于关联规则,得出常用药对包括熟地黄—当归、党参—当归、川芎—益母草、川芎—熟地黄、川芎—当归、菟丝子—当归、枸杞子—当归、枸杞子—菟丝子、淫羊藿—菟丝子、淫羊藿—当归。基于聚类分析,将药物分为四类,分别为养血活血类、活血消症类、补肾健脾类、滋补肝肾类。基于复杂网络分析,得出核心处方药物12味,包括熟地黄、当归、益母草、菟丝子、枸杞子、续断、炙黄芪、红藤、党参、淫羊藿、怀牛膝、川芎。5.行经期使用频率>75%的15味药物依次为益母草、红藤、泽兰、丹参、赤芍、红花、熟地黄、桃仁、川芎、川牛膝、当归、三棱、莪术、水蛭、党参,性以温、平为主,味以苦、辛为主,归经以肝、脾为主,功效以清热解毒、活血调经、散瘀止痛为主。6.卵泡期使用频率>80%的12味药物依次为菟丝子、淫羊藿、当归、续断、益母草、女贞子、熟地黄、川芎、枸杞子、黄精、党参、怀牛膝,性以平、温为主,味以甘、辛为主,归经以肝、肾为主,功效以强筋骨、滋补肝肾为主。7.排卵期使用频率>90%的15味药物依次为三棱、菟丝子、当归、怀牛膝、丹参、羌活、党参、益母草、续断、枸杞子、泽兰、皂角刺、紫石英、水蛭、细辛,性以温、平为主,味以甘、辛为主,归经以肝、肾为主,功效以强筋骨、补肝肾、活血调经为主。8.黄体期使用频率>50%的14味药物依次为当归、熟地黄、菟丝子、覆盆子、淫羊藿、续断、巴戟天、枸杞子、锁阳、怀牛膝、山药、炙黄芪、党参、补骨脂,性以温、平为主,味以甘、辛为主,归经以肾、肝为主,功效以强筋骨、补肾阳、补肝肾为主。9.基于聚类分析,将各期药物分为三类:行经期为养血活血类、行气止痛类、活血调经类;卵泡期为补益肝肾类、活血通经类、补气健脾类;排卵期为滋阴温阳类、破血消症类、补气行气类;黄体期为补肾健脾类、活血散寒类、温阳滋阴类。[结论]根据数据挖掘结果,明确王教授对于内异症病因病机的认识,以阳虚血瘀为主,其中以脾肾阳虚为本,瘀血阻滞为标,兼具寒凝、痰饮、气滞、湿热。总结王教授治疗内异症以温补脾肾为总则,兼以滋补肝肾、养血活血消症,重视攻补兼施,标本兼治。发现王教授在辨病辨证论治的基础上,结合月经周期的特点,采用分期施治,行经期以活血消症、逐瘀止痛为主;卵泡期以滋养肾精、温肾助阳为主;排卵期以滋阴温阳、活血通经为主;黄体期以温肾助阳、健脾益气为主。本研究通过数据挖掘技术,系统地总结了王教授治疗内异症的用药规律。
石英杰,李宗友,赵攀,杨硕,刘成源[4]（2021）在《我国中医计算机辅助诊断研究热点与趋势的知识图谱分析》文中提出目的分析我国近40年中医计算机辅助诊断研究的相关文献,探索该领域发展现状、研究热点及前沿动态,为后期研究提供参考和借鉴。方法检索中国知识资源总库（CNKI）自建库至2020年10月31日发表的中医计算机辅助诊断研究相关文献,运用CiteSpace v.5.7.R2软件对发文量、作者、发文机构、关键词进行分析挖掘,并绘制相关科学知识图谱。结果共纳入文献428篇,最早关于中医辅助诊断研究的论文发表于1981年。近40年来,中医计算机辅助诊断研究有2个研究高峰时期,分别为1989-1992年和2001-2010年。主要合作团队有吕汉兴团队、李海鲲团队、杨学智团队和温川飙团队,形成以北京中医药大学、湖南中医药大学、南京中医药大学为核心的研究机构网络,研究机构之间合作较少。中医类研究机构占比44.40%,非医学类研究机构占比36.51%。研究内容集中在中医专家系统、中医电脑诊疗系统、中医辨证论治模型、中医诊断客观化、中医诊断智能化5个方面;前沿热点主要集中在中医药的知识发现、人工智能、机器学习、神经网络、知识图谱研究等方面。结论随着信息技术的进步和大数据、人工智能技术的广泛应用,中医计算机辅助诊断逐渐客观化、精确化、智能化,其研究深度和广度也不断拓展和延伸。
夏淑洁,杨朝阳,林雪娟,李书楠,王洋,李灿东[5]（2021）在《基于文献计量分析的数据挖掘在中医诊断学领域的应用研究》文中进行了进一步梳理为系统探索数据挖掘在中医诊断学领域应用的科研产出、研究主体及研究主题演化路径和前沿热点问题,研究以中国知网（CNKI）期刊数据库为数据源,收集自建库以来至2019年该领域相关文献,并利用CiteSpace和VOSviewer科学计量软件进行可视化知识图谱绘制。该研究领域的成长依次经历了起源阶段、探索阶段、发展阶段、平台阶段及新的发展阶段,学者们对该领域研究的关注度总体上呈上升趋势。目前,该领域高产作者共有35位,发文期刊主要为中医领域的核心期刊,机构以上海中医药大学、北京中医药大学、湖南中医药大学科研产出最多。研究主题主要形成四大聚类:计算机与中医辨证论治、数据挖掘与疾病用药规律、中医计量诊断、人工智能与中医四诊。主要研究主题从较早的计算机辅助诊断、数学模型、计量诊断、证素辨证等在中医诊断的应用发展至近年来的数据挖掘、关联规则、中医药、模糊数学、用药规律、聚类算法、大数据、状态辨识、名老中医等。特别是在现今互联网+及"健康中国"的时代背景下,中医诊断有了新的内涵,充分发挥数据挖掘优势,立足中医思维与名医经验,挖掘中医药真实世界的健康大数据规律成为新兴热点。
田少磊[6]（2020）在《吴中朝教授痹证诊疗经验真实世界研究》文中指出研究目的:本研究在真实世界研究理念指导下,利用频数统计、关联规则、点式互信息、聚类分析、复杂网络、知识图谱可视化等技术深入挖掘并展示吴中朝教授痹证诊疗经验,为现代中医痹证的辨证论治提供借鉴;探索复杂、多维、多态的中医临床数据挖掘与名老中医诊疗经验整理总结思路与方法,为名老中医诊疗经验真实世界研究提供参考。研究内容与方法:本研究紧扣“真实世界研究”与“经验总结”两大主题,在“人机结合、以人为主、深度访谈”研究理念指导下让吴教授深入课题研究全过程,并在其指导建议下,研究符合中医理论特点、吴教授诊疗特色的痹证诊断标准和痹证临床诊疗信息采集表,并将其运用到临床诊疗数据的采集中。按照符合临床实际的名老中医临床诊疗信息采集方案采集吴教授痹证诊疗数据并将其录入数据库。采用数据挖掘和知识图谱可视化技术对诊疗经验进行分析挖掘与展示,结合名老中医深度访谈结果深入系统阐释吴教授痹证诊疗经验,并撰写本次研究的思路与方法。1.真实世界痹证诊断标准研究对现有痹证相关疾病诊断标准进行文献调研,并对现有痹证相关疾病诊断标准的结构和要素进行抽取和分析。之后将痹证相关疾病诊断标准调研及结构、要素分析报告提请吴教授审核且与之深度访谈。结合文献调研、分析情况和吴教授具体建议制订痹证诊断标准调研表并利用该表对中国中医科学院针灸医院吴教授门诊处患者进行临床调研,将调研结果进行统计分析并请吴教授对统计结果进行审定,最终形成本研究痹证诊断标准。2.痹证临床诊疗信息采集表研究对既往发表的真实世界痹证诊疗经验研究论文中信息采集的结构与内容进行调研、抽取和分析,结合文献调研、抽取与分析结果、吴教授个人诊疗特色及名老中医经验总结方面专家的指导意见形成痹证临床诊疗信息采集表初稿并进行试用,发现其不足并完善。之后将完善后的痹证临床诊疗信息采集表提请吴教授审核,结合临床实际情况、数据挖掘情况及吴教授审核建议形成终稿。3.吴中朝教授痹证诊疗经验数据挖掘与规律发现利用上述痹证诊断标准、痹证临床诊疗信息采集表研究结果和符合临床实际的临床诊疗信息采集方案完成研究对象的纳入与数据采集。利用数据挖掘方法对吴教授痹证诊疗经验进行挖掘,利用统计学方法对吴教授痹证治疗效果进行评价。4.吴中朝教授痹证诊疗经验知识图谱构建与可视化基于痹证诊断标准、痹证临床诊疗信息采集表调研、制订结果和临床诊疗数据采集、分析结果,参考吴教授及其弟子建议,构建吴教授痹证诊疗知识框架。利用Gephi软件构建吴教授痹证诊疗经验知识图谱并对吴教授痹证诊疗经验进行可视化。5.“人机结合、以人为主、深度访谈”模式指导下的吴中朝教授痹证诊疗经验整理在“人机结合、以人为主、深度访谈”模式指导下,根据吴教授痹证诊疗经验数据挖掘、可视化展示和吴教授深度访谈结果,参考吴教授既往撰写的痹证相关书籍、论文,结合吴教授平日口传心授的痹证诊疗经验,对吴教授痹证诊疗经验进行系统性整理。结果:1.通过痹证诊断标准研究,制订出适合于本研究的痹证诊断标准,其具体内容为:①主要临床表现:肢体筋肉、关节、皮肤等部位疼痛,或酸楚,或重着,或麻木不仁,或屈伸不利,或晨僵,甚则关节变形,强直不伸。②诱发因素:天气潮湿阴冷,或遇风着凉,或饮食不当,或劳累。③病程:多在1个月以上,甚则可达10年以上。④发病时间特点:发病急骤,或发病缓慢,或间断发作、时轻时重。⑤伴发症状:全身或局部发热,或无力,或畏寒,或怕风,畏寒怕风多呈常态化。⑥既往史:病前有涉水淋雨史,或久居湿地史,或外感史,或关节病史,或肿瘤病史,或外伤史。⑦生活习惯:嗜烟饮酒,或情绪焦虑易怒,或长期贪凉饮冷。⑧西医辅助检查;抗链“O”>500单位,或血沉增快,或类风湿性因子阳性,或C反应蛋白阳性,或抗链激酶>80单位,或抗透明质酸酶>128单位,甚则X线或CT可见骨质侵害。具备上述①、②、③、④四项,参考⑤、⑥、⑦、⑧项,可确诊。以上①-⑧项中,每项中的“或然”内容,但见其一便可支持该项作为诊断参考项。2.通过痹证临床诊疗信息采集表研究,制订出适合于本研究的的痹证临床诊疗信息采集表（具体表格内容、结构、形式见正文第二部分研究结果）。3.数据统计发现,痹证患者女性多于男性;痹证患者发病年龄普遍较高,但已出现年轻化趋势;痹证病症复杂、病性顽固、病程迁延,平均每人约患两个症状或体征,2个部位患病,疼痛、屈伸不利为痹证患者主要症状或体征,腰、颈项、膝、肩为主要患病部位;痹证患者多存在神情异常情况,焦虑和急躁是患者主要神情状态;偏胖是痹证患者主要形体异常状态;黯红、红、淡红是痹证患者常见舌质颜色,齿痕和裂纹是常见舌质状态,白、黄、黄白相间是常见舌苔颜色;腻、厚、干是常见苔质,瘀滞、青紫、怒张是常见舌下脉异常状态,沉、细、弦为常见脉象;绝大多数痹证患者有疾病诱发因素,劳累、遇寒、遇风为主要诱因;约一半痹证患者已见理化检查异常;前来吴教授处寻医的患者病机主要以标实为主,病势属急性发作期和缓慢治疗期者多,病位深达至骨者最多,其次至筋,再次至肉。针刺方面,分析得到了吴教授针刺治疗痹证的核心穴位处方和常用穴位组合;针刺经脉分析显示诸阳经的使用率远高于诸阴经的使用率,在诸阳经中,足太阳膀胱经使用率最高;针刺方向、深度与刺激量分析显示吴教授治疗痹证时多采用补泻同施之法,且泻法大于补法,常将直、斜、平刺三种角度同时施用,使针刺呈现出立体三维之态,多深刺以取深邪远痹,多在患病局部施行重刺激以通其经脉、动其经筋、调其经气。遣方用药方面,分析得到吴教授治疗痹证核心中药处方和常用中药组合,中药药性属温平、药味属辛甘苦、归经属肝肺脾心肾的中药是吴教授治痹常用中药类型。疗效评价结果总体显示就诊次数多的患者总有效率较就诊次数少的患者高,就诊次数大于6次的患者总有效率可达100%,95%置信区间为100%。4.构建了吴中朝教授痹证诊疗经验知识框架,利用Gephi软件构建出吴教授痹证诊疗经验知识图谱并围绕吴教授痹证诊断经验、治疗经验和吴教授诊疗痹证疗效评价三方面进行了可视化。5.在“人机结合、以人为主、深度访谈”模式指导下,总结出吴中朝教授痹证诊疗要术、心悟、思想。吴教授痹证诊疗要术包括痹证辨治方法、针刺治疗和遣方用药等;吴教授痹证诊疗心悟包括痹证实质探析、痹证与经脉学、经筋学、痹证病因病位、发展转归、预防与护理、中医调治特色等;吴教授痹证诊疗思想包括腔窍理论、功能带理论、护阳散邪思想、本神化郁思想、调筋解结思想。结论:1.本研究在真实世界研究理念指导下,利用数据挖掘方法,应用“人机结合、以人为主、深度访谈”模式,系统深入揭示了吴中朝教授痹证诊疗经验。诊断方面,吴教授重视患者运动状态与组织形质、情志的考察,重视患者症状体征等表面因素与五体、五脏等核心因素的关联,重视多态合参、多层辨证、精准辨识,衷于中医四诊信息,参考西医检查信息。针刺治疗方面,吴教授针刺治疗痹证的核心处方为:肾俞、风池、大椎、足三里、合谷、太冲、三阴交、委中、期门、大肠俞、肝俞、气海,次核心处方为百会、神庭、膈俞、次髎、中脘、印堂、膻中、环跳、天枢、外关。穴位配伍与组方规律方面,吴教授多将背俞穴、同名经穴、表里经穴、上肢穴与下肢穴相配,注重精血、气血、阴阳、肝脾肾同调、“疏、养、通、舒”相结合以及补泻同施、标本兼顾。遣方用药方面,吴教授治疗痹证的核心中药处方为:醋柴胡12g、当归15g、牡丹皮15g、白芍15g、茯苓15g、炒白术15g、焦栀子12g、陈皮12g、泽泻12g、桃仁10g、红花10g、鸡血藤30g、络石藤20g、川牛膝15g、川芎15g、葛根15g、远志12g、桂枝6g、威灵仙20g、忍冬藤20g、法半夏9g。吴教授常将经方、时方并用治疗痹证,常用经方有桂枝加葛根汤、参苓白术散、半夏厚朴汤,时方有加味逍遥散、二陈汤、桃红四物汤、木香顺气丸、四妙散、人参归脾汤、五藤一仙汤、血府逐瘀汤、半夏白术天麻汤、独活寄生汤。腔窍、功能带理论和护阳散邪、本神化郁、调经解结思想是吴教授诊疗痹证的重要学术思想。吴教授治疗痹证,疗效显着。2.名老中医经验真实世界研究应当根据中医思维与理论特点、中西医融合特点、中医临证特点以及所总结疾病特点研究适合于本类研究需求的疾病诊断标准。3.名老中医临床诊疗信息采集表设计对名老中医经验真实世界研究至关重要,在设计过程中应广泛听取各类研究者建议、充分尊重临床实际、聚焦研究目标与内容并且有名老中医本人及其弟子全程参与指导。4.名老中医经验真实世界研究应当充分发挥名老中医的主动能动性,让其全程、全面、深入、细致的参与到研究的各个部分。5.数据挖掘与经验展示方法的选择应用应注重名老中医诊疗经验数据系统、深入挖掘与清晰化展示,参数设置应符合挖掘方法功能特点与数据实际情况。6.基于知识图谱的名老中医诊疗经验可视化方法能较清晰展示名老中医诊疗经验。
李燕[7]（2020）在《应用特征选择和机器学习算法预测类风湿关节炎病人的中医证型》文中研究指明医生对中医证型的准确判断对整个治疗过程有着至关重要的作用,它是了解疾病性质、判定病人身体状态、总体把握病人身体情况的重要概括。本研究通过利用类风湿关节炎患者的基础信息、病史信息以及症状等200个维度的特征信息,对类风湿关节炎的湿热痹阻证（60.5%）、痰瘀痹阻证（19.8%）、肝肾亏虚证（15.8%）和风寒阻络证（4%）等4种中医证型进行分类和预测。首先,针对临床诊断数据高维且稀疏的特性,我们提出缺失值、单一值、相关性、零重要度和低重要度等5个规则进行特征选择,而后应用6种典型的机器学习算法,K近邻算法、支持向量机算法、决策树算法、随机森林算法、人工神经网络算法和AdaBoost算法对病人的中医证型进行预测。经过特征选择,我们将原200维数据降至42维,其中包括年龄、舌诊和脉诊等信息。在验证特征选择的有效性时,我们将42维的特征子集与200维的特征全集在6个算法上的预测效果进行比较。结果显示,特征选择有效提高了预测器的预测精度,并大大降低了数据集的维度,在6个算法中的预测效果均不同程度地高于基于全部特征的预测准确率。特征选择辅助神经网络算法在类风湿关节炎病人的中医证型上的预测效果最好,准确率达88%。机器学习算法可以帮助医生找到和识别重要信息,并可以作为辅助诊断系统,有助于提高医生诊断的效率和准确率,并帮助医院优化管理流程。
邢娟韬[8]（2020）在《基于监督学习分类算法的中医诊疗辨证分型方法研究》文中认为多标签分类问题是数据挖掘领域的一个重要分支,因其应用领域的广泛被人们熟知,也是大数据时代的研究热点。传统中医症状-证型的辨证论治思想在中医界并未达成共识,各家仍以经验为主,主观性较强。为了科学化处理医师的诊断经验,将诊疗数据训练成一个客观的诊断模型,将多标签分类技术应用于中医失眠辨证分型研究当中。希望该方法能够帮到临床医者,凸显其价值。中医病案本身具有异质性、多样性、冗余性等特点,为了客观公正的描述患者病情症状,有必要对病案症状信息进行分级量化处理,并按照多标签数据规格记录整理,以备训练算法模型。算法模型采用改进KNN算法的多标签分类模型,并将多标签算法进行分类讨论,详细阐述各个算法的原理和步骤,并比较各算法之间的优缺点,为了验证该算法的适用数据集范围,将该算法运用到不同数据集领域当中,以证明该算法的普适性、高效性。针对传统的KNN算法学习的是周围相似数据分布情况,而贝叶斯方法学习的是数据的全局分布情况这一问题,将KNN与贝叶斯方法相结合,即多标签K近邻算法（ML-KNN）,这样既很好的继承了二者的优点,又能克服因样本数据不均衡带来的影响。然而ML-KNN算法并没有考虑到:在样本空间中,随着近邻点到预测样本点距离的改变应该分配的权重也随之改变。针对这一缺陷,故提出对ML-KNN算法的改进,将其命名为RML-KNN算法。并将该算法运用到中医领域,取得了很好的效果,证明了由病例数据构建的算法模型可靠,将中医诊断失眠症过程向客观化、科学化道路推进一步。针对原失眠症数据集不均衡问题,我们所采用的解决方案是将每种证型一分为二,其一为主,另一为次,随之带来的问题就是部分次证样本数量太少,训练模型极其困难,也就无法完成数据的分类,故提出标签重组解决多标签不均衡的算法LRMI（Label Recombination to solve Multi-label Imbalance）。LRMI科学的运用信息熵来衡量数据集的不均衡程度,并且因子集中包含的标签个数不同而采用不同的标准,之后采用LRMI算法对原数据集进行拆分重组以构建均衡子集,这样才能适应多标签算法,最终得到实验结果。
张静驿[9]（2020）在《贝叶斯网络在《伤寒论》阳明病篇方、药、症规律研究中的应用》文中研究说明目的:建立《伤寒论》阳明病篇的中药、方剂、症状的贝叶斯网络模型,结合中医理论知识推理得出《伤寒论》阳明病篇方药及证治的相关规律,为《伤寒论》方证知识的系统研究提供一个新的切入点。方法:本研究首先对《伤寒论》阳明病篇的中药、方剂、症状进行规范化处理,统计中药、方剂、症状的频次、频率,并录入Microsoft Excel软件建立数据库;随后采用SPSS 23.0软件包及R3.4.3软件初步构建贝叶斯网络关系图;再用Netica软件绘制得到贝叶斯网络模型;之后统计贝叶斯网络模型中研究变量的节点度;最后根据图表特征结合中医理论知识分析总结相关规律。结果:（1）方药方面:在《伤寒论》阳明病篇中,仲景使用最多的中药是大黄,使用最多的方剂是承气汤,与其他药物组成药对最多的是甘草和大枣。仲景在阳明病篇中强调阳明实证、阳明变证及阳明热证的治疗,其中用承气汤治疗阳明实证;小柴胡汤、茵陈蒿汤和抵当汤治疗阳明变证;栀子豉汤和猪苓汤治疗阳明热证。仲景亦对表证做了论述,所用方剂为麻黄汤和桂枝汤。（2）证治方面:仲景在阳明病篇中对“发热”做了鉴别,分别指出“发热”相兼“脉浮”为“表热证”、“发热”相兼“便秘”为“里热证”,其中“表热证”用麻黄汤和桂枝汤治疗,“里热证”用承气汤治疗。仲景对“喘”也做了鉴别,指出喘伴恶寒、发热和汗出,用桂枝汤治疗;喘伴潮热、腹胀和便秘,用大承气汤治疗;喘伴发热、汗出和腹胀,用白虎汤治疗。仲景用通利小便的方法治疗发黄,所用方剂为猪苓汤。除此之外,仲景用厚朴治疗谵语、潮热和便秘,栀子治疗身黄、发热和心烦,桂枝治疗恶寒和脉浮,芒硝治疗喘和腹胀,人参治疗潮热;用大承气汤治疗便秘、喘和潮热,栀子豉汤治疗心烦和发热,小承气汤治疗便秘,茵陈蒿汤治疗身黄,小柴胡汤治疗潮热,麻黄汤治疗脉浮,桂枝汤治疗汗出。结论:本研究采用贝叶斯网络和频次、频率统计方法,对《伤寒论》阳明病篇的中药、方剂、症状的知识进行梳理,分析得出方药、证治两方面的规律。研究结果显示:应用贝叶斯网络得到的模型图简洁、清晰、可视化效果好,实现了对《伤寒论》阳明病篇中的方药、证治规律的深入理解,对学习仲景用药和辨证规律有着十分重要的意义,贝叶斯网络是系统研究《伤寒论》的有效方法。
郭小乐[10]（2020）在《国医大师张磊辨治肺系疾病临证经验及学术思想研究》文中研究表明研究目的:本课题借助张磊名医工作室的学术资料进行收集整理,选择肺系疾病作为研究对象,探讨该领域内其学术特点、临证经验、组方用药规律。通过这些研究,客观公正的总结张老的学术成就,为未来传承、发扬张磊先生学术经验提供借鉴与启示。研究方法:本论文运用文献资料分析方法和数据挖掘方法,通过搜集和整理张磊教授的学术着作、发表的学术论文、往年的门诊病例以及历代医家治疗肺系疾病的相关着作和论文,对多方面的资料进行分析和归纳,并通过数据挖掘,力求系统地总结和提炼张磊教授治疗肺系疾病的学术思想和临证经验。研究结果:病因病机方面,总结出风、痰浊、热三个特点;诊断辨证方面,首先重视脏腑关系,其次重视辨证与辨病的结合;治法治则方面,总结出张老治肺十法,分别是:宣肺去壅、清肺泻热、涤肺祛浊、降肺下气、补肺益气、滋阴润肺、清肝肃肺、肺胃同治、肺肠同治、解毒通络;用药特点方面,总结出用药轻灵、量小力专,动静结合、以动为主,亦润亦燥、相济相随,加减用药,随症而转四个特点。研究结论:本论文首次系统地总结了张磊教授辨治肺系疾病的学术思想与临证经验。由浅到深,从纵向方面,较为全面的、系统的整理和凝练了张磊教授的学术思想,将其理论中最具活力的部分展现出来,从而有效的指导临床实际应用。
二、基于数据挖掘的数字化中医诊断系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于数据挖掘的数字化中医诊断系统（论文提纲范文）
（1）人工智能在中医药领域的应用进展及现状思考（论文提纲范文）
| 1 人工智能与深度学习 |
| 2 AI与中医诊断 |
| 2.1 智能化中医四诊 |
| 2.1.1 望诊 |
| 2.1.2 切诊 |
| 2.1.3 闻诊与问诊 |
| 2.1.4 四诊合参 |
| 2.2 数字化中医辨证 |
| 2.3 系统化辅助辨病 |
| 2.4 标准化体质辨识 |
| 3 智能决策与数据挖掘 |
| 3.1 专家系统 |
| 3.2 数据挖掘 |
| 4 AI与健康管理 |
| 5 AI与中草药现代化 |
| 5.1 规范化中药炮制 |
| 5.2 客观化中药性能 |
| 5.3 创新化中药评价 |
| 6 不足与展望 |
（2）基于Apriori算法的《伤寒杂病论》“麻黄-石膏”的证-方-药关联分析（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 常用缩写词中英文对照表 |
| 前言 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.4 论文组织结构 |
| 2 《伤寒杂病论》相关知识 |
| 2.1 《伤寒杂病论》的学术渊源与成就 |
| 2.2 《伤寒杂病论》中麻黄、石膏的作用 |
| 2.3 《伤寒杂病论》对治“时行之气” |
| 3 研究对象与方法 |
| 3.1 数据收集 |
| 3.2 数据整理与规范 |
| 3.3 质量控制与数据挖掘方法 |
| 3.4 网络图形构建 |
| 4 结果 |
| 4.1 《伤寒论》相关数据 |
| 4.2 《金匮要略》相关数据 |
| 4.3 《伤寒论》《金匮要略》数据汇总 |
| 5 讨论 |
| 5.1 方剂部分 |
| 5.2 中药部分 |
| 5.3 症状部分 |
| 6 结论与展望 |
| 参考文献 |
| 综述 中医药体系数据挖掘可视化 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（3）基于数据挖掘总结王必勤教授治疗子宫内膜异位症的用药规律（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一部分 文献综述 |
| 一、子宫内膜异位症的西医研究进展 |
| 1. 发病机制 |
| 2. 诊断方式 |
| 3. 西医治疗 |
| 4. 小结 |
| 参考文献 |
| 二、子宫内膜异位症的中医研究进展 |
| 1. 病因病机 |
| 2. 中医治疗 |
| 3. 中西医结合治疗 |
| 4. 小结 |
| 参考文献 |
| 三、数据挖掘技术及其在中医医案研究中的应用现状 |
| 1. 定义 |
| 2. 方法 |
| 3. 数据挖掘在中医医案研究中的运用 |
| 4. 小结 |
| 参考文献 |
| 前言 |
| 第二部分 基于数据挖掘总结王必勤教授治疗子宫内膜异位症的用药规律 |
| 1. 研究对象 |
| 1.1 医案来源 |
| 1.2 子宫内膜异位症西医诊断标准 |
| 1.3 纳入标准 |
| 1.4 排除标准 |
| 2. 研究方法 |
| 2.1 医案收集 |
| 2.2 数据采集 |
| 2.3 数据分析 |
| 3. 研究结果 |
| 3.1 纳入医案情况 |
| 3.2 年龄统计 |
| 3.3 临床症状统计 |
| 3.4 月经情况统计 |
| 3.5 中医诊断统计 |
| 3.6 舌脉统计 |
| 3.7 总体方药信息统计 |
| 3.8 分期用药统计 |
| 4. 分析与讨论 |
| 4.1 临床基本情况分析结果讨论 |
| 4.2 方药分析结果讨论 |
| 参考文献 |
| 结语 |
| 1. 结论 |
| 2. 不足与展望 |
| 致谢 |
| 个人简介 |
（4）我国中医计算机辅助诊断研究热点与趋势的知识图谱分析（论文提纲范文）
| 1 资料与方法 |
| 1.1 数据来源与检索策略 |
| 1.2 纳入与排除标准 |
| 1.3 数据处理 |
| 1.4 研究方法 |
| 2 结果与讨论 |
| 2.1 发文时间分布 |
| 2.2 作者分布 |
| 2.3 发文机构分布 |
| 2.4 中医计算机辅助诊断研究热点分析 |
| 2.5 突现词分析 |
| 3 小结 |
（5）基于文献计量分析的数据挖掘在中医诊断学领域的应用研究（论文提纲范文）
| 1 研究方法 |
| 1.1 文献来源 |
| 1.2 数据处理 |
| 2 研究结果 |
| 2.1 总体分布特征 |
| 2.1.1 年度发文量 |
| 2.1.2 学科和期刊分布 |
| 2.2 研究主体 |
| 2.2.1 主要作者分布 |
| 2.2.2 研究机构分布 |
| 2.3 研究主题与发展趋势 |
| 2.3.1 关键词共现分析 |
| 2.3.2 主题演变路径 |
| 2.3.3 前沿趋势预测 |
| 3 结论 |
（6）吴中朝教授痹证诊疗经验真实世界研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 文献综述 |
| 1 名老中医诊疗经验真实世界研究状况 |
| 1.1 数字化平台构建 |
| 1.2 研究方案设计与组织实施 |
| 1.3 数据来源、采集、处理、存储与挖掘 |
| 1.4 人机结合、以人为主、深度访谈 |
| 1.5 经验传承内容 |
| 1.5.1 学术思想 |
| 1.5.2 辨治方法 |
| 1.5.3 遣方用药及针灸 |
| 1.6 存在问题与不足 |
| 1.6.1 数据质量 |
| 1.6.2 挖掘方法 |
| 1.6.3 结果分析 |
| 2. 现代痹证研究状况 |
| 3. 小结 |
| 前言 |
| 第一部分: 真实世界痹证诊断标准研究 |
| 1. 资料与方法 |
| 1.1 研究对象与思路 |
| 1.2 研究方法 |
| 1.2.1 描述性统计 |
| 1.2.2 共现分析 |
| 1.2.3 资料抽取方法 |
| 2. 结果 |
| 2.1 痹证相关疾病诊断标准文献总体分布及调研情况 |
| 2.2 现有痹证相关疾病诊断标准结构、要素分布及共现分析 |
| 2.2.1 现有痹证相关疾病诊断标准结构分布及共现分析 |
| 2.2.2 现有痹证相关疾病诊断标准要素分布及共现分析 |
| 2.3 痹证诊断标准临床调研结果 |
| 2.3.1 患者一般情况分布 |
| 2.3.2 临床患者诊断要素分布 |
| 2.4 痹证诊断标准研究结果 |
| 3. 分析 |
| 4. 小结 |
| 第二部分: 痹证临床诊疗信息采集表研究 |
| 1. 资料与方法 |
| 1.1 研究对象与思路 |
| 1.2 研究方法 |
| 1.2.1 描述性统计 |
| 1.2.2 共现分析 |
| 1.2.3 文献检索与纳入 |
| 1.2.4 资料抽取方法 |
| 2. 结果 |
| 2.1 纳入文献总体描述 |
| 2.2 真实世界痹证诊疗经验研究信息采集结构分布及共现分析 |
| 2.3 真实世界痹证诊疗经验研究信息采集内容分布及共现分析 |
| 2.4 痹证临床诊疗信息采集表制订结果 |
| 3. 分析 |
| 4. 小结 |
| 第三部分: 吴中朝教授痹证诊疗经验数据挖掘与规律发现 |
| 1. 资料与方法 |
| 1.1 研究对象的纳入与数据采集 |
| 1.1.1 前瞻性研究对象的纳入与数据采集 |
| 1.1.2 回顾性研究对象的纳入与数据采集 |
| 1.2 临床诊疗数据规范 |
| 1.3 临床诊疗数据分析挖掘软件与方法 |
| 1.4 临床疗效评价标准与方法 |
| 1.4.1 临床疗效判定及症状体征量化标准 |
| 1.4.2 临床疗效评价方案 |
| 1.5 数据分析方案 |
| 2. 结果 |
| 2.1 基本信息 |
| 2.2 诊断信息 |
| 2.2.1 四诊信息 |
| 2.2.2 中医辨证 |
| 2.3 治疗信息 |
| 2.3.1 针刺治疗 |
| 2.3.2 遣方用药 |
| 2.4 疗效评价 |
| 3. 分析 |
| 3.1 基本信息 |
| 3.2 诊断信息 |
| 3.3 治疗信息 |
| 3.3.1 针刺治疗 |
| 3.3.2 遣方用药 |
| 3.4 疗效评价 |
| 4. 小结 |
| 第四部分: 吴中朝教授痹证诊疗经验知识图谱构建与可视化 |
| 1. 吴中朝教授痹证诊疗经验知识框架构建 |
| 2. 吴中朝教授痹证诊疗经验知识图谱构建 |
| 2.1 知识图谱构建工具 |
| 2.2 节点与边的设置 |
| 2.3 节点与边的存储 |
| 2.4 图谱布局与参数设置 |
| 3. 吴中朝教授痹证诊疗经验可视化 |
| 3.1 吴中朝教授痹证诊断经验知识图谱 |
| 3.2 吴中朝教授痹证治疗经验知识图谱 |
| 3.3 吴中朝教授诊疗痹证疗效评价知识图谱 |
| 4. 小结 |
| 第五部分: “人机结合、以人为主、深度访谈”模式指导下的吴中朝教授痹证诊疗经验整理 |
| 1. 资料与方法 |
| 1.1 研究对象与思路 |
| 1.2 研究方法 |
| 1.2.1 深度访谈设计 |
| 1.2.2 资料收集 |
| 2. 结果 |
| 2.1 吴中朝教授痹证诊疗要术 |
| 2.1.1 痹证辨治方法 |
| 2.1.2 痹证针刺治疗 |
| 2.1.3 痹证遣方用药 |
| 2.2 吴中朝教授痹证诊疗心悟 |
| 2.2.1 痹证实质探析 |
| 2.2.2 痹证与经脉学 |
| 2.2.3 痹证与经筋学 |
| 2.2.4 痹证病因病位 |
| 2.2.5 痹证的发展转归、预防与护理 |
| 2.2.6 痹证中医调治特色 |
| 2.3 吴中朝教授痹证诊疗思想 |
| 2.3.1 腔窍理论 |
| 2.3.2 功能带理论 |
| 2.3.3 护阳散邪思想 |
| 2.3.4 本神化郁思想 |
| 2.3.5 调筋解结思想 |
| 3. 小结 |
| 讨论 |
| 1. 真实世界痹证诊断标准应凸显四大特点 |
| 2. 真实世界名老中医临床诊疗信息采集表设计 |
| 3. 数据挖掘与经验展示方法的选择应用 |
| 4. “人机结合、以人为主、深度访谈”模式探讨 |
| 5. 真实世界名老中医诊疗经验总结整理与撰写 |
| 结论 |
| 创新之处 |
| 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（7）应用特征选择和机器学习算法预测类风湿关节炎病人的中医证型（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 第2章 文献综述 |
| 2.1 中医数据研究 |
| 2.2 中医证型分类与预测 |
| 2.3 特征选择的研究现状 |
| 第3章 数据与模型 |
| 3.1 数据来源 |
| 3.2 特征选择与预测模型 |
| 3.2.1 特征选择规则 |
| 3.2.2 预测模型 |
| 第4章 实验结果 |
| 4.1 特征选择结果 |
| 4.2 特征选择和证型预测效果 |
| 第5章 讨论 |
| 第6章 结论 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（8）基于监督学习分类算法的中医诊疗辨证分型方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数据挖掘在中医领域的应用 |
| 1.3 多标签学习在中医失眠诊断的应用 |
| 1.3.1 中医对失眠症的研究现状 |
| 1.3.2 中医量表的研究现状 |
| 1.3.3 多标签学习应用于失眠症诊断的思路 |
| 1.4 本文工作安排及组织结构 |
| 2 多标签分类算法相关介绍 |
| 2.1 相关多标签算法介绍 |
| 2.1.1 问题转化法 |
| 2.1.2 算法适应法 |
| 2.2 多标签算法的评价标准 |
| 2.3 本章小结 |
| 3 基于数据挖掘的中医病案处理 |
| 3.1 数据挖掘 |
| 3.2 中医病案数据特点 |
| 3.3 中医失眠症数据量化 |
| 3.4 多标签分类常用数据集 |
| 3.5 本章小结 |
| 4 基于KNN的多标签分类算法 |
| 4.1 KNN算法 |
| 4.1.1 KNN算法实质及流程 |
| 4.1.2 KNN算法三要素 |
| 4.1.3 KNN改进 |
| 4.2 BR-KNN算法 |
| 4.2.1 BR-KNN算法原理 |
| 4.2.2 优化BR-KNN的两种算法 |
| 4.2.3 BR-KNN分类实验结果与分析 |
| 4.3 LP-KNN |
| 4.4 ML-KNN算法 |
| 4.5 RML-KNN算法及实验结果 |
| 4.5.1 RML-KNN算法 |
| 4.5.2 实验结果 |
| 4.6 本章小结 |
| 5 基于标签重组解决多标签不均衡问题 |
| 5.1 背景知识 |
| 5.1.1 单标签不均衡相关技术 |
| 5.1.2 多标签不均衡相关概念 |
| 5.2 基于标签重组解决多标签不均衡的算法LRMI的描述 |
| 5.2.1 不均衡估量 |
| 5.2.2 LRMI算法框架 |
| 5.3 实验与分析 |
| 5.3.1 实验准备 |
| 5.3.2 实验结果和分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（9）贝叶斯网络在《伤寒论》阳明病篇方、药、症规律研究中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 前言 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 贝叶斯网络技术应用于中医诊断的研究 |
| 1.3.2 贝叶斯网络技术应用于方剂的研究 |
| 1.3.3 贝叶斯网络技术应用于中药的研究 |
| 1.3.4 贝叶斯网络技术应用于中医证候的研究 |
| 1.4 论文的组织结构 |
| 2 《伤寒论》的相关知识 |
| 2.1 《伤寒论》一书的介绍 |
| 2.2 《伤寒论》阳明病篇的介绍 |
| 3 贝叶斯网络的介绍 |
| 3.1 贝叶斯网络的定义 |
| 3.2 贝叶斯网络的结构 |
| 4 研究的材料与方法 |
| 4.1 数据收集 |
| 4.2 数据的整理与规范 |
| 4.2.1 方剂的规范化与频次计数说明 |
| 4.2.2 中药的规范化与频次计数说明 |
| 4.2.3 症状的规范化与频次计数说明 |
| 4.3 质量控制及数据挖掘方法 |
| 5 结果 |
| 5.1 中药、方剂频次和贝叶斯网络模型 |
| 5.2 症状频次和贝叶斯网络模型 |
| 5.3 中药与症状间的贝叶斯网络模型 |
| 5.4 方剂与症状间的贝叶斯网络模型 |
| 6 讨论 |
| 6.1 方药分布规律 |
| 6.2 症状分布规律 |
| 6.3 中药与症状间的分布规律 |
| 6.4 方剂与症状间的分布规律 |
| 6.5 小结 |
| 7 结论与展望 |
| 参考文献 |
| 综述 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（10）国医大师张磊辨治肺系疾病临证经验及学术思想研究（论文提纲范文）
| 提要 |
| Abstract |
| 引言 |
| 第一部分 张磊教授生平与治学 |
| 1 简介 |
| 2 学医经历与治学思想 |
| 2.1 基牢根深,取法有源 |
| 2.2 入学深造,初露峥嵘 |
| 2.3 以人为本,仁心济世 |
| 2.4 书山有路,学海无涯 |
| 2.5 苍生大医,医德至上 |
| 2.6 慈心不尽,心系中医 |
| 第二部分 张磊教授治疗肺系疾病的临证经验 |
| 第一章 数据挖掘步骤 |
| 1 研究目的 |
| 2 技术类型 |
| 3 技术路线 |
| 4 资料和方法 |
| 第二章 张磊教授治疗感冒的临证经验 |
| 1 病因病机 |
| 2 辨证论治 |
| 3 特色分型 |
| 4 组方用药规律 |
| 5 医案 |
| 第三章 张磊教授治疗鼻鼽的临证经验 |
| 1 病因病机 |
| 2 辨证论治 |
| 3 特色分型 |
| 4 组方用药规律 |
| 5 医案 |
| 第四章 张磊教授治疗咳嗽的临证经验 |
| 1 病因病机 |
| 2 辨证论治 |
| 3 特色分型 |
| 4 组方用药规律 |
| 5 医案 |
| 第五章 张磊教授治疗哮病和喘证的临证经验 |
| 1 病因病机 |
| 2 辨证论治 |
| 3 特色分型 |
| 4 组方用药规律 |
| 5 医案 |
| 第六章 张磊教授治疗肺癌的临证经验 |
| 1 病因病机 |
| 2 辨证论治 |
| 3 特色分型 |
| 4 组方用药规律 |
| 5 医案 |
| 第七章 张磊教授治疗肺系疾病的组方用药规律分析 |
| 1 中药频次统计 |
| 2 药物性味归经统计 |
| 3 基于关联规则的用药规律分析 |
| 4 基于无监督熵聚类的新方分析 |
| 第八章 张磊教授临床常用对药及角药分析 |
| 1 麻黄与杏仁 |
| 2 桑叶与杏仁 |
| 3 麻黄与苏子 |
| 4 苏子与当归 |
| 5 半夏与陈皮 |
| 6 白前与前胡 |
| 7 沙参与麦冬 |
| 8 桑白皮与地骨皮 |
| 9 白僵蚕与蝉蜕 |
| 10 苍耳子与辛夷 |
| 11 党参与黄芪 |
| 12 桔梗与木蝴蝶 |
| 13 干姜、细辛与五味子 |
| 14 桑叶、竹茹与丝瓜络 |
| 第三部分 张磊教授治疗肺系疾病的学术思想 |
| 1 病因病机学思想 |
| 1.1 六淫邪气为患,风邪为首 |
| 1.2 肺病多痰浊 |
| 1.3 肺病多热 |
| 2 诊断辨证学思想 |
| 2.1 重视脏腑关系 |
| 2.2 注重辨证与辨病结合 |
| 2.3 注重辨主症与次症 |
| 3 治疗学思想 |
| 3.1 扶正祛邪,邪去正安 |
| 3.2 未病先防,既病防变 |
| 3.3 十法灵动,法随证施 |
| 3.4 组方用药特点 |
| 3.4.1 用药轻灵,量小力专 |
| 3.4.2 动静结合,以动为主 |
| 3.4.3 亦润亦燥,相济相随 |
| 3.4.4 加减变化,药随症转 |
| 结论 |
| 参考文献 |
| 文献综述—中医药治疗肺系疾病的研究概况 |
| 参考文献 |
| 致谢 |
| 查新报告 |
| 发表论文 |
四、基于数据挖掘的数字化中医诊断系统（论文参考文献）
- [1]人工智能在中医药领域的应用进展及现状思考[J]. 孙忠人,游小晴,韩其琛,徐思禹,尹洪娜. 世界科学技术-中医药现代化, 2021(06)
- [2]基于Apriori算法的《伤寒杂病论》“麻黄-石膏”的证-方-药关联分析[D]. 刘梦柳. 山西医科大学, 2021(01)
- [3]基于数据挖掘总结王必勤教授治疗子宫内膜异位症的用药规律[D]. 刘依雯. 北京中医药大学, 2021(08)
- [4]我国中医计算机辅助诊断研究热点与趋势的知识图谱分析[J]. 石英杰,李宗友,赵攀,杨硕,刘成源. 中国中医药图书情报杂志, 2021(02)
- [5]基于文献计量分析的数据挖掘在中医诊断学领域的应用研究[J]. 夏淑洁,杨朝阳,林雪娟,李书楠,王洋,李灿东. 天津中医药, 2021(02)
- [6]吴中朝教授痹证诊疗经验真实世界研究[D]. 田少磊. 中国中医科学院, 2020(01)
- [7]应用特征选择和机器学习算法预测类风湿关节炎病人的中医证型[D]. 李燕. 中国科学技术大学, 2020(01)
- [8]基于监督学习分类算法的中医诊疗辨证分型方法研究[D]. 邢娟韬. 内蒙古科技大学, 2020(01)
- [9]贝叶斯网络在《伤寒论》阳明病篇方、药、症规律研究中的应用[D]. 张静驿. 山西医科大学, 2020(11)
- [10]国医大师张磊辨治肺系疾病临证经验及学术思想研究[D]. 郭小乐. 山东中医药大学, 2020(01)