CN104866979B - 一种突发急性传染病的中医病例数据处理方法和系统 - Google Patents

Abstract

本发明提供了一种突发急性传染病的中医病例数据处理方法,包括：接收用户查询，并根据以下方法计算所述用户查询与预生成的中医病案数据库中的病例之间的相似度，并根据计算结果输出中医病案数据库中的病例。上述技术方案提出了一种突发急性传染病的中医病例数据处理方法，能够对古代或现代文献深入挖掘和利用，通过数据挖掘、基于案例推理等人工智能技术的适当应用，结合“五大症候群”中医诊疗规律以及广泛的专家共识，可以有效提高方案制定的证据级别，有利于方案科学性、可行性以及可推广性的提升。

Description

一种突发急性传染病的中医病例数据处理方法和系统

技术领域

本发明涉及数据挖掘和处理技术领域，特别是指一种应用在中医领域中的突发急性传染病的中医病例数据处理方法和系统。

背景技术

中医防治传染病的理论在新发突发传染病领域的应用，相比以病原学为基础的西医，能更快的发挥治疗作用。以“证候”为中心的中医辨证论治，为应对突发急性传染病发病的多样性和不可预测性提供了可能。

现有的中医诊疗方案的制定是在临床证据收集、文献整理以及辨证论治规律研究的基础上，通过广泛系统的论证得出的具有科学性、可操作性和推广性的诊疗方案。新发突发传染病的发病时间、地点及暴发持续的时间难以预测，且发病和传播速度快，且暴发时间往往比较短暂，因此，传染病的事件多需要紧急处理，预防控制措施的决策时间非常短暂。在如此短暂的时间内，很难开展对新发传染病完成中医辨证规律的基础研究，也更不可能获得有效的循证医学证据。所以，目前针对新发突发传染病中医药诊疗方案的制定还主要依靠专家的临床经验，缺乏更有力的证据支持，所以存在明显的局限性。更加之对新发突发传染病开展规范的随机对照研究难度较大，救治方案的有效性难以得到验证，也使其进一步推广应用受到阻碍。中医药救治新发突发传染病的基础理论研究与其他比较成熟的中医临床学科相比也存在着较大差距，对新发突发传染病的病因、病机、诊断等方面存在较大差别，治疗方案和方药更是杂乱，难于在疫情暴发时推广应用。总结突发急性传染病中医诊疗方案制定的难点主要包括以下几方面：(1)决策时间紧迫(2)发病时间、地点以及病情不确定(3)有效地循证医学证据缺乏。以上这些客观原因造成突发急性传染病中医诊疗方案的建立方法不同于一般疾病，其诊疗方案的制定要依靠对古代和现代文献的深入挖掘和利用。

随着计算机软件技术及数据发掘技术的发展，现有技术中出现了各种中医病例数据库。现有的中医病例数据库大多采用病证的关键词来进行检索，这种中医病例数据库在输入一个病症关键词后，会返回大量的具有相同关键词的检索结果。这种结构的中医病例数据库非常粗糙，只是通过关键词匹配的方式生成检索结果，导致检索效果并不理想。

发明内容

本发明要解决的技术问题是提供一种突发急性传染病的中医病例数据处理方法和系统，能够提高病例的检索结果。

为了达到上述目的，本发明提出了一种突发急性传染病的中医病例数据处理方法，包括：

接收用户查询V_i，并根据以下方法计算所述用户查询V_i与预生成的中医病案数据库中的病例V_j之间的关联度μ_i,j，并根据计算结果输出中医病案数据库中的病例：

将所述用户查询V_i划分为无量级字段和有量级字段，并分别标识为无量级字段向量V_it和有量级字段向量V_ik；将所述中医病案数据库中的病例V_j划分为无量级字段和有量级字段，并分别表示为无量级字段向量V_jt和有量级字段向量V_jk；对所述用户查询V_i的有量级字段和中医病案数据库中的病例V_j的有量级字段分别进行赋值；其中V_it和V_jt为所述用户查询V_i和中医病案数据库中的病例V_j的无量级字段的两个向量化表示；V_ik和V_jk为所述用户查询V_i和中医病案数据库中的病例V_j的有量级字段的两个向量化表示；

根据欧氏距离算法通过以下公式计算用户查询V_i与所述中医病案数据库中的病例V_j的有量级字段之间的相似度：

其中V_ik和V_jk为所述用户查询V_i和中医病案数据库中的病例V_j的有量级字段的归一化后的数值型取值，Max(V_k)为有量级字段V_k的最大值；

根据余弦相似度算法通过以下公式计算所述用户查询V_i与所述中医病案数据库中的病例V_j的无量级字段之间的相似度：

其中V_it和V_jt为所述用户查询V_i和中医病案数据库中的病例V_j的无量级字段的两个向量化表示；

根据无量级字段之间的相似度和有量级字段之间的相似度，根据以下公式计算所述用户查询V_i与所述中医病案数据库中的病例V_j之间的相似度：

其中M为病例中所具有的有量级字段的数量；N表示一个病例所具有的无量级字段数；w_k和w_t表示每一有量级字段和无量级字段的权重值。

进一步的，所述方法还包括：将所述中医病案数据库中的所有与所述用户查询相似度大于预设的相似度阈值μ的病例输出。

进一步的，所述方法还包括：将所述中医病案数据库中的所有与所述用户查询相似度排名靠前的前n个病例输出。

进一步的，所述方法还包括：对所述古代病案数据库进行关联规则挖掘以生成症状与证素、以及药物与证素之间的关联关系。

进一步的，所述对所述病案数据库进行关联规则挖掘以生成症状与证素、以及药物与证素之间的关联关系包括：对所述中医病案数据库中的病例进行修订，具体包括：

计算病例中的症状X与证素Y之间的关系Υ(S_X,Y,C_X,Y)；

计算病例中的证素Y与药物Z之间的关系Υ(S_Y,Z,C_Y,Z)；

其中S表示项目集合的支持度，C表示项目集合的置信度；对于中医病案数据库的病例数据集D中任意两个项目集A,B的支持度S_A,B与置信度C_A,B通过以下公式计算：

支持度S_A,B＝<S_A,S_B>，其中σ_A,σ_B分别为数据集D中包含在项目集A,B中的事务数；其中|D|为数据集D中事务数；

置信度其中S_A∪B表示项目集A∪B的支持度，S_A表示项目集A的支持度。

进一步的，所述中医病案数据库包括古代病案、现代病案，且所述中医病案数据库是通过以下方法生成的：

将突发急性传染病归纳为：发热板呼吸道症候群、发热伴出疹症候群、发热伴腹泻症候群、发热伴出血症候群、发热伴脑炎脑膜炎症候群；并将病案根据来源建立古代病案数据库、现代病案数据库和综合数据库；其中所述古代病案数据库内包括：发热伴出疹、发热伴脑炎脑膜炎症候群；其中所述现代病案数据库内包括：发热伴腹泻、发热伴呼吸道症候群；其中所述综合数据库内包括：发热伴出血症候群。将各症状统一命名，并将症状字段从0-10进行取值进行量化。

进一步的，所述方法还包括：根据使用者反馈对所述中医病案数据库中的病例进行修订或增加。

本发明实施例的有益效果是：

上述技术方案提出了一种突发急性传染病的中医病例数据处理方法，能够针对古代文献的深入挖掘和利用，通过数据挖掘、基于案例推理等人工智能技术的适当应用，结合“五大症候群”中医诊疗规律以及广泛的专家共识，可以有效提高方案制定的证据级别，有利于方案科学性、可行性以及可推广性的提升。运用基于案例推理Case-Based Reasoning，CBR)结合关联规则挖掘技术，模拟人脑诊病、辨证的思维过程，研制中医辅助诊疗系统，为中医防治突发急性传染病诊疗方案的制定以及临床一线医生的辨证论治提供有效支持。

附图说明

通过下面结合附图对本发明的一个优选实施例进行的描述，本发明的技术方案及其技术效果将变得更加清楚，且更加易于理解。其中：

图1为本发明实施例的方法的流程示意图。

具体实施方式

以下将结合所附的附图对本发明的一个优选实施例进行描述。

本发明提供了一种如图1所示的突发急性传染病的中医病例数据处理方法，使用者通过人机交互界面输入检索条件，该检索条件可以是几个关键词；同时还可以针对每一个关键词设置权重值。进一步的，还可以设置相似度阈值、需要的病例数(默认为10条)等条件，然后系统自动进行搜索相似病例。在计算时，利用用户查询V_i与预生成的中医病案数据库中的病例V_j之间的关联度μ_i,j，并根据使用者设置的相似度阈值，输出所有相似度大于该阈值的病例；或根据使用者设置的需要的病例数，输出排名靠前的n条相似病例。使用者根据检索到的相似病例进行重用，并将相似病例与用户查询病例进行对比分析，得到初步的诊疗方案。使用者根据初步诊疗方案进行评估和修订，并参考由关联挖掘引擎分析得到的关联规则，结合自身的中医知识，最终修订得到可以应用到新病例的诊疗方案；然后使用者选择是否将新病例和最终的诊疗方案存储到病例数据库中。

具体的，该方法包括：

步骤1、将突发急性传染病归纳为：发热板呼吸道症候群、发热伴出疹症侯群、发热伴腹泻症候群、发热伴出血症候群、发热伴脑炎脑膜炎症候群；并将病案根据来源建立古代病案数据库、现代病案数据库和综合数据库；其中所述古代病案数据库内包括：发热伴出疹、发热伴脑炎脑膜炎症候群；其中所述现代病案数据库内包括：发热伴腹泻、发热伴呼吸道症候群；其中所述综合数据库内包括：发热伴出血症候群；在此基础上，将各症状统一命名，并将症状字段从0-10进行取值进行量化。

步骤2、接收用户查询V_i，并根据以下方法计算所述用户查询V_i与预生成的中医病案数据库中的病例V_j之间的关联度μ_i,j，并根据计算结果输出中医病案数据库中的病例：

将所述用户查询V_i划分为无量级字段和有量级字段，并分别标识为无量级字段向量V_it和有量级字段向量V_ik；将所述中医病案数据库中的病例V_j划分为无量级字段和有量级字段，并分别表示为无量级字段向量V_jt和有量级字段向量V_jk；对所述用户查询V_i的有量级字段和中医病案数据库中的病例V_j的有量级字段分别进行赋值；

根据欧氏距离算法通过以下公式计算用户查询V_i与所述中医病案数据库中的病例V_j的有量级字段之间的相似度：

其中V_ik和V_jk为所述用户查询V_i和中医病案数据库中的病例V_j的有量级字段的归一化后的数值型取值，Max(V_k)为有量级字段V_k的最大值；

根据余弦相似度算法通过以下公式计算所述用户查询V_i与所述中医病案数据库中的病例V_j的无量级字段之间的相似度：

其中V_it和V_jt为所述用户查询V_i和中医病案数据库中的病例V_j的无量级字段的两个向量化表示；

根据无量级字段之间的相似度和有量级字段之间的相似度，根据以下公式计算所述用户查询V_i与所述中医病案数据库中的病例V_j之间的相似度：

其中M为病例中所具有的有量级字段的数量；N表示一个病例所具有的无量级字段数；w_k和w_t表示每一有量级字段和无量级字段的权重值；

步骤3、然后将所述中医病案数据库中的所有与所述用户查询相似度大于预设的相似度阈值μ的病例输出；或是将所述中医病案数据库中的所有与所述用户查询相似度排名靠前的前n个病例输出；

步骤4、对所述古代病案数据库进行关联规则挖掘以生成症状与证素、以及药物与证素之间的关联关系，具体包括：

计算病例中的症状X与证素Y之间的关系Υ(S_X,Y,C_X,Y)；

计算病例中的证素Y与药物Z之间的关系Υ(S_Y,Z,C_Y,Z)；

其中S表示项目集合的支持度，C表示项目集合的置信度；对于中医病案数据库的病例数据集D中任意两个项目集A,B的支持度S_A,B与置信度C_A,B通过以下公式计算：

支持度S_A,B＝<S_A,S_B>，其中σ_A,σ_B分别为数据集D中包含项目集A,B的事务数；

置信度其中S_A∪B表示项目集A∪B的支持度，S_A表示项目集A的支持度。

下面通过一个具体的例子对本发明实施例进行进一步说明：

首先，针对病例数据库症状各字段大都为描述性文本取值的特点，在计算相似度之前，需要对其做进一步归一化预处理，即将病例分为无量级字段和有量级字段；其中无量级字段是指无法量化的特征，而有量级字段是指可以量化的特征：

对于无量级字段(如“疹色”)，采用自然语言处理的方法对其进行分词，然后将其根据词典用向量表示。其中字典采用：

症状术语参照《中医症状学研究》(中国中医科学院临床基础研究所的张启明教授、刘保延教授、王永炎院士等知名专家编写)。

方药规范命名要依据全国统编第七版《中药学》教材(以下简称“《中药学》”)及《中药大辞典》(南京中医药大学主编上海科学技术出版社出版)。

对于有量级字段(如“腹痛”)，分别将各类文本描述转化为恰当的数值型取值，从而将其连续化(如“腹痛”字段，可分别将空值、“腹满”、“腹痛”、“腹痛剧烈”转化为0、3、6、10)。

计算预处理后的病例间相似度：

对于无量级字段的相似度，采用余弦相似度算法计算如下：

其中V_i和V_j是无量级字段V的两个向量化表示。

对于有量级字段的相似度，采用欧氏距离算法计算如下：

其中V_i和V_j是有量级字段V的两个归一化后的数值型取值，Max(V)为有量级字段V的最大取值。

对上述无量级和有量级两种字段的相似度计算方法进行整合，最终得到基于权重的病例间相似度计算公式如下：

其中，i,j分表表示两条病例；M：一个病例所具有的有量级字段数；N：一个病例所具有的无量级字段数；w为每个属性所占权重，可在人机交互子界面中进行设定，由医生根据自身知识和实用效果来确定，其中

通过病历数据的电子化，针对五大症候群数据库进行挖关联规则挖掘，由挖掘后所得到的信息，挖掘出潜在于症状与证素以及证素与药物之间的关联规则。该模块主要分为五大部分：

(1)症状确定

将每一位病人的电子病历档案数据转换成可供数据挖掘处理的形式，将古籍中的五大症候群中的症状建立症状对照表，将病人可能的症状给予代码，比如将发热表示为A1，头痛表示为A2等。

(2)建立病例数据库

此阶段主要执行重点为扫描病例就医数据，并根据上文自定义的症状对照表，将病例症状数据转换为可供处理的代码，并与病例中证素数据相结合，形成病人就诊数据表。

(3)产生频繁项集

1)利用病人就诊数据表，以Apriori算法处理，产生1-项集数据集合。将最小支持度设为20％，最小可信度则设定为75％，以期望获得较高的关联程度。其中通过所设定的最小支持度20％的有A1、A2、S1、S2等项集，所以在产生2-项集时，将以频繁1-项集为基础，不考虑其他项集。

2)根据频繁1-项集的项集做合并，产生2-项集候选项集集合，依照最小支持度判断其是否能成为频繁2-项集，其中通过最小支持度的有S1S2、S1A1、S1A2、S2A1、S2A2等项集。

3)针对频繁2-项集做合并，其中S1A1、S1A2、A1A2因A1A2未能超过最小支持度，故无法合出S1A1A2此候选项集，经判断后得频繁3-项集。同理，因S1A1A2未能超过最小支持度,故无法合出S1S2A1A2此候选项集，所以产生频繁项集的阶段工作到此完成。

(4)建立症状与证素之间的关联规则

根据获得的频繁3-项集,由于S1S2A1支持度为50％，S1的支持度为66％，故可计算得S1→S2 A1的可信度为75％,将符合最小可信度的要求，故关联规则成立。依上述原则可建立如表1的关联规则表。若以S1代表咳嗽、S2表示为发烧、A1为感冒时，S1→S2 A1此关联规则的含义为，当病人出现咳嗽此症状时，表示有75％以上的可能伴随有发烧现象产生，而这些症状之所以发生，主要的原因则可能是因感冒所引起的。

表1关联规则表

(5)建立证素与药物之间的关联规则

针对证素与药物之间的关联关系，本文以建立对照表的形式，形成证素与对应方剂的一一对应关联表，通过查询关联表的形式来进行证素与药物之间的关联规则挖掘。

关联规则挖掘的相关基础定义以及关联规则挖掘算法-Apriori算法：

关联规则挖掘：从数据库中挖掘出满足一定条件的依赖关系，事务数据库记为D，一般来说，D为事务记录，每一记录中的各条款为项目，关联规则挖掘的主要对象是项目间形如支持度＝S％；置信度＝C％的规则，或称强关联关系。

支持度：数据集D中包含项目集X的事务数称为项目集X的支持数,记为σ_x，项目集X的支持度记为support(X)：其中D为数据库D中的事务数。支持度表示规则的频度，最小支持度用minsup表示。

置信度：若X、Y为项目集，且蕴涵式X Y称为关联规则，项目集X∪Y的支持度称为关联规则的支持度，记为关联规则的置信度(可信度)置信度用来衡量关联规则的可信程度，最小置信度用minconf表示。

频繁项集：项目集X的支持度support(X)不小于最小支持度minsup，则称X为频繁项集，简称频集(或大项目集)。

强规则：若则称关联规则为强规则，否则为弱规则。

关联规则挖掘主要是强规则挖掘，在数据库D中找出具有用户给定的最小支持度用minsup和最小置信度用minconf的关联规则，一般由发现大项目集和生成强规则两部分组成。具体步骤为：(1)找出存在于事务数据库中的所有大项目集：先计算侯选1-项集(k-项集是含有k个项目的集合)，找出频繁1-项集；根据频繁1-项集，确定侯选2-项集，找出频繁2-项集，…，依次类推，直到不再有侯选项集为止。最后得到的项集就是所求的大项集。(2)用大项集按生成规则和置信度产生所需要的强规则。

Apriori算法通过对数据库D的多趟扫描(Pass)来发现所有的强项集。

Apriori算法在第一趟扫描数据库时，对项集I中的每一个数据项计算其支持度，确定出满足最小支持度的1-强项集的集合L₁。在后续的第k趟扫描中，首先以k-1趟扫描中所发现的含k-1个元素的强项集的集合L_k-1作为种子集，利用该种子集生成新的潜在的k-强项集的集合，即候选集C_k(Candidate Itemsets)，然后扫描数据库，计算这些候选集的支持度，最后从候选集C_k中确定出满足最小支持度的k强项集的集合L_k，并将L_k作为下一趟扫描的种子集。上述过程不断重复直至不在有新的强项集产生为止。

假设数据库中每一个事务的数据项保持字母顺序，给定事务数据库D，一个数据项集的支持度可认为是所有包含该数据项集的事务数。对于每一个数据项集有一个域Count来保存它的支持度计数。

Apriori算法的基本框架描述如下：

Input:DatabaseDoftransactions；minimumsupportthreshold minimum supportMethod；

Output:L₁frequent itemsets in D

(1)L₁＝{Large 1-itemsets}；

(2)For(k＝2；L_k-1≠φ；k++)do begin

(3)C_k＝apriori_gen(L_k-1,minsupport)；/*生成候选k项集*/

(4)For all transactions t∈D do begin

(5)

C_k＝subset(C_k,t)；/*候选集C_k中提取包含在事务t中的候选k项集*/

(6)For all Candidates C∈C_tdo

(7)C.Count++；

(8)End

(9)L_k＝{C∈C_k|C.Count≥minsupport}；

(10)End

(11)Answer＝U_kL_k；/*求L_k的和*/

Apriori算法的突出特点是利用第k-1趟扫描中得到的强项集的集合L_k-1来生成候选集C_k。它通过以(k-1)-强项集的集合L_k-1来生成为参数的函数Apriori_gen(L_k-1)来实现，该函数返回k-强项集的集合L_k超集，即候选集C_k。

函数Apriori_gen按如下方式分两步进行工作：

拼接

Insert into C_k

SelectP.item₁,，P.item₂，…，P.item_k-1,P.item_k

From L_k-1P,L_k-1Q

Where P.item₁＝Q.item₁,…，P.item_k-2＝Q.item_k-2,P.item_k-1＝Q.item_k-1；

修剪：如果k项集C∈C_k的某(k-1)子集不是(k-1)强项集，则将C从C_k中删除。

For all itemsetsC∈C_kdo

For all(k-1)-subsets b of c do

Delete C from C_k

对于所属技术领域的技术人员而言，随着技术的发展，本发明构思可以不同方式实现。本发明的实施方式并不仅限于以上描述的实施例，而且可在权利要求的范围内进行变化。

Claims (6)

1.一种突发急性传染病的中医病例数据处理方法，其特征在于，包括：

接收用户查询V_i，并根据以下方法计算所述用户查询V_i与预生成的中医病案数据库中的病例V_j之间的关联度μ_i,j，并根据计算结果输出中医病案数据库中的病例：

将所述用户查询V_i划分为无量级字段和有量级字段，并分别标识为无量级字段向量V_it和有量级字段向量V_ik；将所述中医病案数据库中的病例V_j划分为无量级字段和有量级字段，并分别表示为无量级字段向量V_jt和有量级字段向量V_jk；对所述用户查询V_i的有量级字段和中医病案数据库中的病例V_j的有量级字段分别进行赋值；其中无量级字段是指无法量化的特征，有量级字段是指可以量化的特征；

根据欧氏距离算法通过以下公式计算用户查询V_i与所述中医病案数据库中的病例V_j的有量级字段之间的相似度：

其中和为所述用户查询V_i和中医病案数据库中的病例V_j的有量级字段的归一化后的数值型取值，Max(V_k)为有量级字段V_k的最大值；

根据余弦相似度算法通过以下公式计算所述用户查询V_i与所述中医病案数据库中的病例V_j的无量级字段之间的相似度：

其中和为所述用户查询V_i和中医病案数据库中的病例V_j的无量级字段的两个向量化表示；

根据无量级字段之间的相似度和有量级字段之间的相似度，根据以下公式计算所述用户查询V_i与所述中医病案数据库中的病例V_j之间的相似度：

其中M为病例中所具有的有量级字段的数量；N表示一个病例所具有的无量级字段数；w_k和w_t表示每一有量级字段和无量级字段的权重值。

2.根据权利要求1所述的突发急性传染病的中医病例数据处理方法，其特征在于，所述方法还包括：将所述中医病案数据库中的所有与所述用户查询相似度大于预设的相似度阈值μ的病例输出。

3.根据权利要求1所述的突发急性传染病的中医病例数据处理方法，其特征在于，所述方法还包括：对所述病案数据库进行关联规则挖掘以分别生成症状与证素的关联关系以及药物与证素的关联关系。

4.根据权利要求3所述的突发急性传染病的中医病例数据处理方法，其特征在于，对所述病案数据库进行关联规则挖掘以分别生成症状与证素的关联关系以及药物与证素的关联关系具体包括：

计算病例中的症状X与证素Y之间的关系Υ(S_X,Y,C_X,Y)；

计算病例中的证素Y与药物Z之间的关系Υ(S_Y,Z,C_Y,Z)；

其中S表示项目集合的支持度，C表示项目集合的置信度；对于中医病案数据库的病例数据集D中任意两个项目集A,B的支持度S_A,B与置信度C_A,B通过以下公式计算：

支持度S_A,B＝<S_A,S_B>，其中σ_A,σ_B分别为数据集D中包含在项目集A,B中的事务数；

置信度其中S_A∪B表示项目集A∪B的支持度，S_A表示项目集A的支持度。

5.根据权利要求1所述的突发急性传染病的中医病例数据处理方法，其特征在于，所述中医病案数据库包括古代病案、现代病案，且所述中医病案数据库是通过以下方法生成的：

将突发急性传染病归纳为：发热板呼吸道症候群、发热伴出疹症候群、发热伴腹泻症候群、发热伴出血症候群、发热伴脑炎脑膜炎症候群；并将病案根据来源建立古代病案数据库、现代病案数据库和综合数据库；其中所述古代病案数据库内包括：发热伴出疹症候群、发热伴脑炎脑膜炎症候群；其中所述现代病案数据库内包括：发热伴腹泻症候群、发热伴呼吸道症候群；其中所述综合数据库内包括：发热伴出血症候群；

在此基础上，将各症状统一命名，并将症状字段从0-10进行取值进行量化。

6.根据权利要求1所述的突发急性传染病的中医病例数据处理方法，其特征在于，所述方法还包括：根据使用者反馈对所述中医病案数据库中的病例进行修订或增加。