论文部分内容阅读
慢性肾小球肾炎是临床上常见的一种慢性肾脏病,临床症状主要表现为高血压、水肿、血尿、蛋白尿。该病的产生较为隐匿,且具有冗长的病程、缓慢的病情变化以及较高的临床治疗难度。西医虽使用了适度降低血压、减少蛋白尿、减脂等手段,但预后效果不佳。中医治疗该病具有显著优势,如药物毒性的消除、病情复发的降低等。当前,中医诊疗数据快速大规模增长,造成传统人工分析困难;同时,由于中医诊疗数据的多源、动态、异构及不完整等特性,现有常用统计方法难以发现隐藏知识。使用机器学习技术可从大量中医诊疗数据中学习其诊疗规律,发现潜在于其中的有效知识,从而达到辅助医师实现快速精准诊疗的目的。本文以慢性肾小球肾炎疾病为研究对象,开展中医辨证辅助决策、中医立法辅助决策和中医组方辅助决策研究,设计并实现中医诊疗辅助决策系统。本文主要研究工作如下:1.提出了一种用于中医辨证的主题模型(Syndrome Differentiation Topic Model,SDTM),可有效描述如何依据中医理论生成证候。首先,设计了一种基于隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)模型的医案主题建模方法,用于发现中医症状与证候间的潜在语义关系;为提高主题的可解释性,基于杰卡德相似系数(Jaccard similarity coefficient)对所有主题进行证候标记;最后使用贝叶斯规则识别疾病证候。实验结果表明,SDTM优于其它主题模型,辨证准确率达80.14%。2.首先提出了一种新的用于中医治法推荐的二分类算法Expected Tri-view Training(ETT),可基于患者症状精准预测相应的治疗方法;在ETT算法中,设计了一种新的属性划分方法Expected Tri-view Partition(ETP),它可以在迭代训练过程中自动地划分样本空间。其次,为了进一步验证ETT算法的分类性能,使用了一种深度度量学习方法来量化评估分类器之间的差异性。最后,应用ETT算法为该病进行中医治法推荐。在12种UCI数据集上的实验结果发现,ETT算法的分类性能优于其它的二分类算法,其平均分类准确率最高可达86.31%,同时,在中医临床医案数据集上的实验结果发现,ETT算法的治法推荐准确率为81.60%,亦优于其它二分类算法。3.提出了一种用于中医组方的药物推荐算法,可基于患者症状有效地生成相应的治疗处方。首先,以中医临床医案为研究基础,构建了一种多内容的LDA模型,又称为“症状-证候-药物”主题模型(Symptom-Syndrome-Herb Topic Model,SSHTM),它可以从临床医案中有效地发现症状、证候及药物三者之间的对应关系;然后,基于SSHTM所发现的症状、证候、药物三者之间的对应关系,设计了一种基于症状的处方推荐算法,它可以帮助医师快速精准地为患者症状开出相应的治疗药物。实验结果发现,SSHTM的泛化性能优于LDA模型;同时,在精度、召回率及F1值3个评价指标上,基于症状的处方推荐算法均显著优于基线算法。4.设计实现了中医诊疗辅助决策系统,该系统采用了浏览器/服务器(B/S)结构,基于Java平台的Spring Boot开源轻量级框架进行开发,系统具备用户管理、患者信息采集、辨证论治、处方生成和诊疗结果生成等功能,实现了面向患者症状的中医辨证、中医立法和中医组方,有效地辅助医师进行诊疗决策。