基于加权关联规则的中医慢性肾脏疾病配伍挖掘的研究

发布时间：2020-11-19 23:11

　　 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。
【学位单位】：电子科技大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP311.13;R277.5
【部分图文】：

电子科技大学博士学位论文isual Studio 2010 进行编译。实验中，使用测试数据集评估算法性能，如表 示。除 Pumsb 数据集①，其它数据集从 Frequent Itemset Mining Dataset②获取试数据集分为两类：密集型数据集和稀疏型数据集。密集型数据集存在许多事务，事务中项目数量相对较少。稀疏型数据集与密集型数据集相反，insup 较小时它们包含许多频繁模式。其中 chess、connect 和 pumsb 是密集数，retail、mushroom和 accidents 是稀疏数据集。表 3-2 给出可扩展性测试用人工数据集参数，数据集由 IBM 数据生成器③。表 3-2 第一部分是用于事务数量改变时测试可扩展性的数据集，其中事务量从 1000K 增加到 5000K。表 3-2 第二部分列出用于在项目数量大小改变时可扩展性的数据集，其中项目数量从 1000 增加到 4000。

电子科技大学博士学位论文27.22%。即使面对数据集 retail，CEN 小于 50%，HCPT-growth 创建的条件树数量仍然比 FP-growth 创造的条件树数量少 21%。实验结果表明，HCPT-growth 能降低条件树构建开销，即使在 CEN 小于 50% 的情况下其效率仍优于 FP-growth。

第三章 基于 HCPT-growth 的慢性肾脏疾病配伍模式挖掘图 3-13 展示当最小支持度阈值 minsup 变化时，挖掘测试数据集所需运行时间。MAFIA 算法采用垂直位图进行频繁模式挖掘，显著增加运行时间和内存消耗。大多数情况下 MAFIA 算法运行性能最差，特别是对稀疏数据集（如 retail），MAFIA 的运行时间过高而无法绘制，如图 3-13（b）所示。
【参考文献】

相关期刊论文 前10条

1 梁荣琰;;山药的药理学研究及现代化应用[J];世界最新医学信息文摘;2015年A3期

2 潘文;;基于数据挖掘的治疗原发性痛经方证与核心药物配伍规律分析[J];西部中医药;2015年12期

3 蒋毅;顾梨静;;加味二仙汤治疗脾肾气虚型慢性肾小球肾炎的临床分析[J];大家健康(学术版);2015年22期

4 亓琦;朱琳;;补脾温肾汤治疗慢性肾炎脾肾阳虚证临床研究[J];中医临床研究;2015年30期

5 屈凯;延佩;张楠;李现成;赵亚峰;史健;成晓萍;;肾复康Ⅱ号胶囊治疗慢性肾小球肾炎的疗效观察[J];湖北中医药大学学报;2015年05期

6 林丰夏;雷彩云;丁陈陈;施利;张四方;;中医治疗慢性肾衰竭用药规律探析[J];上海中医药杂志;2015年05期

7 王娇;张琳琪;;张琳琪教授立足补肾化瘀降浊法治疗慢性肾脏病经验初探[J];中医学报;2015年05期

8 刘善军;刘志华;;淡渗利湿法治疗慢性肾炎蛋白尿临床研究[J];中国医学创新;2015年09期

9 金晓;王文凤;;杨霓芝教授运用加味二至丸治疗肾脏病的临床应用举隅[J];中国中西医结合肾病杂志;2015年03期

10 臧兴峰;;慢性肾炎脾肾气虚型中医内科治疗临床体会[J];基层医学论坛;2015年08期

相关博士学位论文 前10条

1 张稚鲲;疫病（急性传染性疾病）古今用药特点及配伍规律研究[D];南京中医药大学;2017年

2 生慧;大数据背景下中医电子病历关键问题研究[D];山东中医药大学;2017年

3 贾鹰珏;数据挖掘方法总结张宁治疗慢性肾脏病证治规律及愈肾方机理研究[D];中国中医科学院;2017年

4 谈依菱;基于数据挖掘研究当代名老中医治疗银屑病方药证治规律[D];广州中医药大学;2017年

5 肖政华;凌湘力教授辨治脾胃病学术思想、临床经验总结及其基于中医传承辅助系统的脾胃病组方用药规律分析[D];成都中医药大学;2016年

6 刘英;赵纪生教授从风湿论治慢性肾脏病的临床经验研究[D];南京中医药大学;2015年

7 杨曙东;基于数据挖掘探讨李顺民教授治疗慢性肾脏病用药经验[D];广州中医药大学;2015年

8 孙鹏;基于数据挖掘方法的聂莉芳教授治疗慢性肾功能衰竭经验研究[D];中国中医科学院;2014年

9 李赛;慢性肾衰竭中医证治规律研究[D];中国中医科学院;2010年

10 徐建龙;IgA肾病中医证治规律研究及中医药干预随机对照试验文献的系统评价[D];中国中医科学院;2009年

相关硕士学位论文 前6条

1 王明哲;基于数据挖掘的王耀献教授治疗慢性肾脏病经验研究[D];北京中医药大学;2018年

2 刘立文;慢性肾脏病3-5期的证候分布规律研究[D];湖北中医药大学;2014年

3 段昱方;张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究[D];北京中医药大学;2011年

4 董俊龙;关联规则和聚类分析在方剂配伍规律研究中的应用[D];东北大学;2010年

5 冯文战;中西医结合方案治疗慢性肾小球肾炎的临床研究[D];成都中医药大学;2007年

6 刘颖;活血化瘀类中药数据库知识发现研究[D];北京中医药大学;2006年

本文编号：2890569