基于軟計算方法的心系基礎證診斷知識庫的構建及應用.pdf

1、在不同的歷史時期，歷代醫(yī)家提出了多種辨證方法，沿用至今的有六經(jīng)辨證、八綱辨證、衛(wèi)氣營血辨證、三焦辨證、臟腑辨證及氣血津液辨證等。這些辨證方法交織重疊，未能形成完整統(tǒng)一的體系。吳承玉教授經(jīng)過數(shù)十年的研究和實踐，提出“以五臟系統(tǒng)為病位核心，按病性分類立證”的五臟系統(tǒng)辨證體系，研究由單一病位和單一病性構成的基礎證，將其有機組合構成臨床復雜多變的證。這一辨證體系符合中醫(yī)“以象測藏，從癥辨證”思維，能夠應用到臨床各科，具有普適性。然而，由于癥狀描

2、述具有模糊性，癥狀與病位、病性之間具有非線性映射關系，病位、病性與基礎證又有著復雜的組合邏輯。采用常規(guī)的數(shù)理統(tǒng)計、數(shù)據(jù)挖掘方法難以深入挖掘病位、病性特征與基礎證之間的關系。上述因素阻礙了五臟系統(tǒng)辨證體系的推廣及應用，阻礙了中醫(yī)辨證信息化、智能化研究進程。
　　軟計算，又稱為智能計算，是模擬自然界中智能系統(tǒng)的生化過程（人的感知、腦結構、進化和免疫等）而設計的問題求解算法，通過對不確定、不精確及不完全真值的容錯處理以取得低代價的解決方

3、案。其主要包括幾種計算模式:模糊邏輯、人工神經(jīng)網(wǎng)絡、遺傳算法和混沌理論等，這些技術彼此互補、相互配合。應用軟計算方法開展五臟系統(tǒng)辨證體系的研究，可以彌補傳統(tǒng)方法的不足。因此，本文嘗試從心系統(tǒng)入手，利用軟計算方法開展心系基礎證診斷知識庫的研究。整個研究過程分為以下四個部分:
　　第一部分:利用聚類分析、因子分析和關聯(lián)分析開展心系病位、病性特征與基礎證的相關性研究，嘗試從1741份心系病案資料中提煉最能反映心系基礎證特點的病位、病性特

4、征，為后續(xù)知識庫的構建做準備。
　　第二部分:開展自動模式下的心系基礎證診斷知識庫研究。利用BP神經(jīng)網(wǎng)絡算法建立心系基礎證診斷模型，利用網(wǎng)絡強大的自主學習功能，從心系病案資料中自動提取隱式知識。當模型收斂后，知識以連接權值和閾值的形式存儲在網(wǎng)絡節(jié)點中，從而形成心系基礎證診斷的知識庫。限于算法本身的收斂速度、運算效率，訓練樣本的有效性、完整性等問題，使得知識庫的完整性和有效性有待進一步提高。
　　第三部分:開展人工模式下的心系

5、基礎證診斷知識庫研究。利用模糊識別方法建立心系基礎證診斷知識庫模型。首先，邀請中醫(yī)專家對心系病位、病性特征的重要性進行評分;其次，采用內(nèi)容效度分析對專家意見一致率進行評價，將效度值作為癥狀對病位、病性模糊集合的隸屬度，最終建立病位、病性模糊集合的隸屬函數(shù);最后，根據(jù)模糊識別中的“擇近原則”建立癥狀→病位和病性→心系基礎證的模糊診斷數(shù)學模型。
　　第四部分:利用面向對象的軟件開發(fā)技術設計符合上述模糊診斷數(shù)學模型的心系基礎證智能辨證診

6、斷系統(tǒng)。利用該系統(tǒng)分別開展心系醫(yī)案的智能辨證研究和心系疾病病位、病性的組合規(guī)律研究。在心系醫(yī)案智能辨證研究中，通過對心系病案資料進行整理、規(guī)范，提取其中的主要癥狀及體征，將其輸入智能辨證診斷系統(tǒng)，系統(tǒng)將自動辨識患者的病位、病性和證型，通過與原始診斷進行比對，證明系統(tǒng)能夠較好地完成心系醫(yī)案的辨證;在心系疾病的病位、病性組合規(guī)律研究中，通過搜集胸痹（冠心病心絞痛）患者的病案資料417份，將其輸入智能辨證診斷系統(tǒng)，系統(tǒng)將自動辨識患者的病位、病

7、性和證型，利用統(tǒng)計軟件對辨識結果進行分析，總結出五臟系統(tǒng)辨證體系下胸痹（冠心病心絞痛）病位、病性的組合規(guī)律。
　　總之，將軟計算方法引入中醫(yī)辨證體系研究領域，構建心系基礎證診斷知識庫模型，符合中醫(yī)辨證體系的內(nèi)涵要求，具有可行性。本文從理論原理、數(shù)學模型到軟件設計及應用，多角度探索心系基礎證的基本原理與規(guī)律，具有一定的創(chuàng)新性。該研究思路可以進一步應用于五臟系統(tǒng)辨證體系的研究中，建立五臟系統(tǒng)基礎證診斷知識庫，為中醫(yī)教學、臨床和科研服務