CN111599487B - 一种基于关联分析的中药配伍辅助决策方法 - Google Patents
一种基于关联分析的中药配伍辅助决策方法 Download PDFInfo
- Publication number
- CN111599487B CN111599487B CN202010395383.2A CN202010395383A CN111599487B CN 111599487 B CN111599487 B CN 111599487B CN 202010395383 A CN202010395383 A CN 202010395383A CN 111599487 B CN111599487 B CN 111599487B
- Authority
- CN
- China
- Prior art keywords
- core
- chinese medicine
- medicine group
- compatibility
- traditional chinese
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Chemical & Material Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于关联分析的中药配伍辅助决策方法,包括将方剂处方数据根据中医诊断病症描述词分组为不同的方剂数据子集,通过关联分析发现每个方剂数据子集的核心药组集合,形成病症与核心药组集合的关联关系表;根据医生录入的中医诊断病症描述词,从关联关系表获取病症对应的核心药组集合;将核心药组集合作为第一词条模板向用户推荐;根据第一词条模板中选取的核心药组,生成在该方剂数据子集中剔除该核心药组所含药物外的所有可能配伍集合,形成非核心药组集合,统计非核心药组集合相对于核心药组的置信度,将非核心药组集合根据置信度排序,作为第二词条模板供用户选择录入;定期更新病症与核心药组集合的关联关系表。
Description
技术领域
本发明涉及在中医处方信息处理技术领域,具体涉及基于关联分析的中药配伍辅助决策方法。
背景技术
中医医生在开具中药汤剂处方时需要进行键盘录入,在门诊工作环境中,医生通常都是比较繁忙的状态,希望能够快速地完成处方录入工作。一种方法是信息系统提供自建处方模板功能,医生将自己常用的处方预先录入到信息系统中,使用时选择相应的处方模板进行修改,这种方法需要医生自己进行持续总结和模板录入,比较费时费力,而比较考验医生的经验。
另一方面,对于既往的方剂数据,方剂药物组成中的核心药物配伍结构尤为重要,它决定着该方剂的主要功用和主治取向,通过对不同类型方剂数据集的关联分析可以得到中药与中药间的相关性,从而发现目标方剂集的核心药对或药组。
本发明给出了一种基于关联分析的中药配伍辅助决策方法,信息系统通过对既往中医处方数据的关联分析,自动推荐关联性较大的可能中药配伍组合作为输入词条模板,医生选择词条实现快速录入,提高工作效率。
发明内容
为解决现有技术中存在的问题,本发明给出了一种基于关联分析的中药配伍辅助决策方法,能让使用者快速获取到与病症关联度较高的推荐中药配伍集合。
为实现上述目的,本发明采用的技术方案是:
一种基于关联分析的中药配伍辅助决策方法,包括:
将方剂处方数据根据中医诊断病症描述词分组为不同的方剂数据子集,通过关联分析发现每个方剂数据子集的核心药组集合,将其存储在病症与核心药组集合的关联关系表中;
获取医生录入的中医诊断病症描述词,查找病症与核心药组集合的关联关系表,获取所述病症对应的核心药组集合;
将所述核心药组集合作为第一词条模板向用户推荐,用户选取其中某个核心药组录入后,获取用户选取的词条;
根据所述第一词条模板中选取的核心药组,生成在该方剂数据子集中剔除该所述核心药组所含药物外的所有可能配伍集合,形成非核心药组集合,统计所述非核心药组集合相对于所述核心药组的置信度,将所述非核心药组集合根据置信度排序,作为第二词条模板供用户选择录入;
定期更新所述病症与核心药组集合的关联关系表;
其中,定义x和y是不相交的中药配伍集合,x和y在包含x的方剂集中同时出现的频率称为置信度。
所述病症与核心药组集合的关联关系表由以下步骤建立:
统计每个方剂数据子集中所含药物自由组合生成任意可能的中药配伍集合的支持度及长度,再基于给定的支持度阈值和长度阈值,初选出所需要的中药配伍集合;将所述初选出的中药配伍集合进行排序,再基于排序后的所述中药配伍集合进行两两中药配伍集合之间的相似度计算,若相似度大于等于给定的相似度阈值,剔除排序在后的中药配伍集合;经上述分析后产生的中药配伍集合为该方剂数据子集的核心药组集合,按照排序将其存储在所述病症与核心药组集合的关联关系表中;
其中,x和y是不相交的中药配伍集合,定义x和y在目标方剂集中同时出现的频率称为该目标方剂集的支持度;
其中,定义中药配伍集合包含的药物个数为该集合的长度。
优选地,所述将非核心药组集合根据置信度排序,采用的是根据置信度由大到小的方式进行排序。
优选地,所述定期更新病症与核心药组集合的关联关系表,设置为1-2个月执行一次。
优选地,根据经验,所述支持度阈值取0.1,所述长度阈值取5。
优选地,所述将初选出的中药配伍集合进行排序,采用的是按照长度从大到小排序,长度相同的按支持度大小排序。
优选地,所述两两中药配伍集合之间的相似度计算,采用的是:
对于中药配伍集合排序队列A1,A2,......AK,定义两个集合的相似度qi,j=l(Ai∩Aj)/l(Ai∪Aj),i<j;
计算qi,j,给定一个相似度阈值q,根据经验,取q=0.5。
与现有技术相比,本发明能够达到的有益效果为:(1)本发明与现有技术直接推荐既往的处方不同,而是通过在既往的处方中发现每一类病症的核心药物配伍结构,并在此基础上推荐可能的中药配伍集合。(2)采用支持度、长度、置信度相结合的方式保证了核心药组与病症的相关性,也保证了核心药组与非核心药组的相关性。(3)预先维护了一个病症与核心药组集合的关联关系表,可以大大节省运算量和查询时间。(4)采用相似度计算,减少了非核心药组的重复推荐,可以避免非核心药组过多,进而对医生的选取产生混淆。(5)采用第一词条模板和第二词条模板相结合的方式,可以动态地给医生推荐,方便医生直接快速选取有较大参考价值的中药配伍集合。
附图说明
图1为实施例1中基于关联分析的中药配伍辅助决策方法的流程图;
图2为实施例1中生成病症与核心药组集合的关联关系表的流程图;
图3为实施例1中将方剂处方数据按照中医诊断病症描述词分组为不同的方剂数据集;
图4为实施例1中将方剂数据子集中的所有药物去重后重组为任意可能的中药配伍集合示例;图5为实施例1中病症与核心药组集合的关联关系表;
图6为实施例1中第一词条模板和第二词条模板的关系图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例1
如图1所示,为本发明提供的基于关联分析的中药配伍辅助决策方法的流程图。包括如下步骤:
S101:将方剂处方数据根据中医诊断病症描述词分组为不同的方剂数据子集,通过关联分析发现每个方剂数据子集的核心药组集合,将其存储在病症与核心药组集合的关联关系表中。
如图3所示,从中医信息系统中获取既往的方剂处方数据,将方剂处方数据根据中医诊断病症描述词分组为不同的方剂数据子集,如方剂数据集中产生“畏寒-脾肾两虚”的方剂数据子集、“不寐-气血不足”的方剂数据子集、“不寐-心脾两虚、肝肾亏虚”的方剂数据子集,以及其它方剂数据子集,每个方剂数据子集由一个以上的方剂处方组成,每个方剂处方为一种治疗该病症对应的中药配伍集合,如{'陈皮','茯苓','山茱萸','炙甘草','桂枝'}。
如图2所示,通过以下步骤发现每个方剂数据子集的核心药组集合,形成病症与核心药组集合的关联关系表:
S101’:统计每个方剂数据子集中所含药物自由组合生成任意可能的中药配伍集合的支持度及长度,再基于给定的支持度阈值和长度阈值,初选出所需要的中药配伍集合。
对于具有M个方剂处方的方剂数据子集,提取这些处方中的所有药物,去重后形成具有d个药物为元素的集合S,将S集中的元素重组成任何可能的中药配伍集合,如图4所示为可能的中药配伍集合示例,每个可能的中药配伍包含的药物个数为集合的长度len,其中len∈[1,d]。
某个中药配伍在该方剂数据子集的N个处方中出现,则出现频率N/M称为该配伍集合的支持度,计算这些可能的中药配伍的支持度和长度len。
给定一个支持度阈值p和长度阈值l找出所有支持度不小于p,长度不小于l的所有可能的中药配伍集合。根据经验,支持度阈值p=0.1,长度阈值l=5。
S102’:将初选出的中药配伍集合进行排序,再基于排序后的中药配伍集合进行两两中药配伍集合之间的相似度计算,若相似度大于等于给定的相似度阈值,剔除排序在后的中药配伍集合。
将S101’初选出的这些中药配伍集合按照长度从大到小排序,长度相同的按支持度大小排序,得到中药配伍集合排序队列A1,A2,......AK。定义两个集合的相似度qi,j=l(Ai∩Aj)/l(Ai∪Aj),i<j。计算qi,j,给定一个相似度阈值q,根据经验,取q=0.5。对所有qi,j,i<j,当qi,j≥q时,将Aj从配伍集合排序队列中剔除。
S103’:经上述分析后产生的中药配伍集合为该方剂数据子集的核心药组集合,按照排序将其存储在病症与核心药组集合的关联关系表中。
如图5所示,经上述分析后产生的中药配伍集合为该方剂数据子集的核心药组集合,这些核心药组在其对应的方剂数据子集中出现的频率较高,与该方剂数据子集中所有的方剂处方的关联度较高。按照S102’中的排序将其存储在病症与核心药组集合的关联关系表中。
S102:获取医生录入的中医诊断病症描述词,查找病症与核心药组集合的关联关系表,获取该病症对应的核心药组集合。
S103:将核心药组集合作为第一词条模板向用户推荐,用户选取其中某个核心药组录入后,获取用户选取的词条。
如图6所示,向用户推荐的模板由第一词条模板和第二词条模板构成,其中第一词条模板中的词条为该病症对应的核心药组集合,按照顺序列表展示,供用户选择,用户选取某个核心药组后,获取用户选取的词条,用于生成第二词条模板。
S104:根据第一词条模板中选取的核心药组,生成在该方剂数据子集中剔除该核心药组所含药物外的所有可能配伍集合,形成非核心药组集合,统计非核心药组集合相对于核心药组的置信度,将非核心药组集合根据置信度排序,作为第二词条模板供用户选择录入。
由于第一词条模板是治疗该病症所有方剂处方的核心药组,它决定着该方剂的主要功用和主治取向,除此之外医生很可能还需要录入跟该核心药组相关性较高的非核心药组。如图6所示,根据第一词条模板中选取的核心药组,从该方剂数据子集的S集中剔除该核心药组所含药物外的所有可能中药配伍集合,形成非核心药组集合,该集合包含一系列的非核心药组,其中所有的非核心药组均不含有核心药组的元素。
在同一个方剂数据子集中,定义核心药组和非核心药组在包含核心药组的方剂集中同时出现的频率称为置信度。
分别统计非核心药组集合中每一个非核心药组的置信度,将非核心药组集合根据置信度排序,作为第二词条模板供用户选择录入。
S105:定期更新病症与核心药组集合的关联关系表。
由于生成病症与核心药组集合的关联关系表,需要针对所有既往方剂处方数据进行处理,数据量庞大,如果实时生成则会占用较高的计算机资源,因此设置为定期执行,设置为1-2个月执行一次,最终实现了中医配伍词条模板的定期更新。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (6)
1.一种基于关联分析的中药配伍辅助决策方法,其特征在于,包括以下步骤:
将方剂处方数据根据中医诊断病症描述词分组为不同的方剂数据子集,通过关联分析发现每个方剂数据子集的核心药组集合,将其存储在病症与核心药组集合的关联关系表中;
获取医生录入的中医诊断病症描述词,查找病症与核心药组集合的关联关系表,获取所述病症对应的核心药组集合;
将所述核心药组集合作为第一词条模板向用户推荐,用户选取其中某个核心药组录入后,获取用户选取的词条;
根据所述第一词条模板中选取的核心药组,生成在该方剂数据子集中剔除该所述核心药组所含药物外的所有可能配伍集合,形成非核心药组集合,统计所述非核心药组集合相对于所述核心药组的置信度,将所述非核心药组集合根据置信度排序,作为第二词条模板供用户选择录入;
定期更新所述病症与核心药组集合的关联关系表;
所述病症与核心药组集合的关联关系表由以下步骤建立:
统计每个方剂数据子集中所含药物自由组合生成任意可能的中药配伍集合的支持度及长度,再基于给定的支持度阈值和长度阈值,初选出所需要的中药配伍集合;
将所述初选出的中药配伍集合进行排序,再基于排序后的所述中药配伍集合进行两两中药配伍集合之间的相似度计算,若相似度大于等于给定的相似度阈值,剔除排序在后的中药配伍集合;
经上述分析后产生的中药配伍集合为该方剂数据子集的核心药组集合,按照排序将其存储在所述病症与核心药组集合的关联关系表中;
其中,x和y是不相交的中药配伍集合,
定义x和y在目标方剂集中同时出现的频率称为该目标方剂集的支持度,
定义x和y在包含x的方剂集中同时出现的频率称为置信度;
定义中药配伍集合包含的药物个数为该集合的长度。
2.根据权利要求1所述的基于关联分析的中药配伍辅助决策方法,其特征在于,所述将非核心药组集合根据置信度排序,采用的是根据置信度由大到小的方式进行排序。
3.根据权利要求1或2所述的基于关联分析的中药配伍辅助决策方法,其特征在于,所述定期更新病症与核心药组集合的关联关系表,设置为1-2个月执行一次。
4.根据权利要求1所述的基于关联分析的中药配伍辅助决策方法,其特征在于,根据经验,所述支持度阈值取0.1,所述长度阈值取5。
5.根据权利要求1所述的基于关联分析的中药配伍辅助决策方法,其特征在于,所述将初选出的中药配伍集合进行排序,采用的是按照长度从大到小排序,长度相同的按支持度大小排序。
6.根据权利要求1所述的基于关联分析的中药配伍辅助决策方法,其特征在于,所述两两中药配伍集合之间的相似度计算,采用的是:
对于中药配伍集合排序队列A1,A2,......AK,定义两个集合的相似度qi,j=l(Ai∩Aj)/l(Ai∪Aj),i<j;
计算qi,j,给定一个相似度阈值q,根据经验,取q=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395383.2A CN111599487B (zh) | 2020-05-12 | 2020-05-12 | 一种基于关联分析的中药配伍辅助决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395383.2A CN111599487B (zh) | 2020-05-12 | 2020-05-12 | 一种基于关联分析的中药配伍辅助决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111599487A CN111599487A (zh) | 2020-08-28 |
CN111599487B true CN111599487B (zh) | 2023-06-27 |
Family
ID=72182283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010395383.2A Active CN111599487B (zh) | 2020-05-12 | 2020-05-12 | 一种基于关联分析的中药配伍辅助决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111599487B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112133382B (zh) * | 2020-09-24 | 2024-02-20 | 南京泛泰数字科技研究院有限公司 | 一种利用算法模型进行医药分析的学习方法及系统 |
CN113409911B (zh) * | 2021-07-14 | 2022-12-23 | 浙江大学 | 一种基于病例临床表型关联度的中药组方推荐方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122325A (zh) * | 2011-04-20 | 2011-07-13 | 天津师范大学 | 一种中药方剂功效自动分析方法 |
EP2985711A1 (en) * | 2014-08-14 | 2016-02-17 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257202B (zh) * | 2017-12-29 | 2021-09-10 | 四川师范大学 | 一种基于使用场景的医学图像容积重建优化方法 |
CN110019410A (zh) * | 2017-12-30 | 2019-07-16 | 广州明领基因科技有限公司 | 针对中医药临床案例信息的大数据挖掘系统 |
CN108899072B (zh) * | 2018-05-31 | 2024-04-05 | 平安医疗科技有限公司 | 中药药方推荐方法、装置、计算机设备和存储介质 |
CN109215777A (zh) * | 2018-08-03 | 2019-01-15 | 电子科技大学 | 中医文献智能挖掘与组方辅助决策方法及系统 |
CN110675938A (zh) * | 2019-09-24 | 2020-01-10 | 成都成信高科信息技术有限公司 | 一种针灸医学数据处理系统及方法、信息数据处理终端 |
-
2020
- 2020-05-12 CN CN202010395383.2A patent/CN111599487B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122325A (zh) * | 2011-04-20 | 2011-07-13 | 天津师范大学 | 一种中药方剂功效自动分析方法 |
EP2985711A1 (en) * | 2014-08-14 | 2016-02-17 | Accenture Global Services Limited | System for automated analysis of clinical text for pharmacovigilance |
Also Published As
Publication number | Publication date |
---|---|
CN111599487A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111191020B (zh) | 基于机器学习和知识图谱的处方推荐方法和系统 | |
JP7261846B2 (ja) | 類似するプロファイルを持つ患者を共に分類する分類モデルの性能を改善するための適合性フィードバック | |
WO2017152802A1 (zh) | 将文本类医疗报告转换为结构化数据的智能系统及方法 | |
US20140067813A1 (en) | Parallelization of synthetic events with genetic surprisal data representing a genetic sequence of an organism | |
US20130197925A1 (en) | Behavioral clustering for removing outlying healthcare providers | |
US20180113994A1 (en) | Adherence measurement for carepath protocol compliance | |
CN113345577B (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
CN105678052B (zh) | Dicom 文件的管理方法及管理系统 | |
US20170147753A1 (en) | Method for searching for similar case of multi-dimensional health data and apparatus for the same | |
CN111599487B (zh) | 一种基于关联分析的中药配伍辅助决策方法 | |
JP6737884B2 (ja) | 臨床データの特性を解析して患者コホートを生成するためのパターン発見視覚的解析システム | |
CN115497631A (zh) | 一种临床科研大数据分析系统 | |
WO2021238436A1 (zh) | 多药共用查询方法、移动终端及存储介质 | |
Widanagamaachchi et al. | Interactive visualization and exploration of patient progression in a hospital setting | |
CN111145846A (zh) | 临床试验患者招募方法及装置、电子设备和存储介质 | |
CN111061835B (zh) | 查询方法及装置、电子设备和计算机可读存储介质 | |
JP2004185547A (ja) | 医療データ解析システム及び医療データ解析方法 | |
Madyatmadja et al. | Implementation of big data in hospital using cluster analytics | |
Bannach et al. | Visual analytics for radiomics: Combining medical imaging with patient data for clinical research | |
EP3602362A1 (en) | Genomic data analysis system and method | |
US20210202111A1 (en) | Method of classifying medical records | |
Kalankesh et al. | Taming EHR data: using semantic similarity to reduce dimensionality | |
Lacson et al. | DSGeo: Software tools for cross-platform analysis of gene expression data in GEO | |
CN110010231A (zh) | 一种数据处理系统及计算机可读存储介质 | |
CN115691735A (zh) | 一种基于慢阻肺专科数据的多模态数据管理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |