[发明专利]一种基于改进贝叶斯统计判断中医证候的方法

说明书

本发明涉及一种研究中医证候的方法。一种基于改进贝叶斯统计计算中医证候阈值和症状分值的方法，可以对所有的中医证候疾病进行分析。以肺痿病为例，对已建立的肺痿患者症状与专家组证候分类数据，利用贝叶斯统计算法计算证候阈值和症状分值，研究肺痿病证候的分型规则：从所有肺痿患者症状和证候分类数据出发，计算每个证候和症状的先验概率；统计症状和证候发生的概率，通过对数比值比来计算并确定每个证候中所有症状贡献分值及证候阈值；采用拉普拉斯平滑改进算法计算所有症状贡献分值及证候阈值，从而改进统计结果，取前十个分值较高的症状作为证候分型规则，以提高辨证规则的健壮性，从而为临床肺痿疾病的证候诊断提供参考。

技术领域

本发明涉及一种使用贝叶斯研究中医证候的方法，该方法可以对所有的中医证候疾病进行分析。基于我们前期研究基础，对已经建立的名老中医治疗肺系疾病数据库进行分析，以肺痿病为例，利用改进贝叶斯统计方法，对肺痿疾病的症状和证候进行归纳研究，基于对数比值比推导计算出各证候阈值、及证候对应症状的分值，从而建立肺痿病的证候分型诊断规则，为临床肺痿疾病的证候诊断提供参考。

背景技术

中医诊病辨证思维是中医的精髓，但辨证过程存于中医师心中且难以表述，如何从挖掘呈现出中医辨证过程，建立被广泛认可的中医证候辩证规则具有较高价值和意义。中医文献、名老中医专家的经验最具中医辩证思维，以中医文献和名老中医经验为背景，结合现代技术研究证候分型及诊断标准，能够挖掘出价值较高的中医经验。

有多种方法可对中医药数据进行分析挖掘，包括因子分析、主成成分分析、分类和贝叶斯统计。其中贝叶斯分类是最常用的一种，它最大特点是不需要搜索优化过程，只计算训练集中各个属性值发生的频率数，一般假定类条件独立求出每个属性的先验概率值，然后根据先验概率求解后验概率。整个求解过程具有坚实的数学推理，因此贝叶斯分类具有较高的效率和可解释性。贝叶斯相关算法在医学诊断中具有广泛的应用，在贝叶斯用于计算机辅助疾病诊断和疫情判别方面，李博东等对其原理与方法、应用现状、优点及各类算法间的比较，阐述了贝叶斯方法的优越性。孙亚男等研究得出贝叶斯算法在中医冠心病临床诊断模型中具有良好的分类性能，有助于提高临床辨证能力及发现新的辨证要素。付欢欢从局部学习的角度出发，提出了一种基于余弦相似度进行实例加权改进的朴素贝叶斯分类算法用于疾病预测，改进了算法的分类精度。刘京华使用贝叶斯模型对医学影像分类技术进行研究与应用，得到了较满意的效果。

上述的分析和研究成果表明，使用贝叶斯研究中医证候是可行的方法。一般情况下，证候分型诊断规则数学描述是：已知一组症状X1,…,Xn出现，判定其属于证候Z的取值是s，或不属于证候～s？其中症状X1,…,Xn的取值都为1；证候Z的取值为1(s)或0(～s)，Z＝s代表存在证候，～s为不存在该证候。常规的方法是：基于贝叶斯公式，计算Z的后验概率分布P(Z|X₁，...，X_n)，查看Z＝s的概率是否大于Z＝～s的概率，即是否满足式(2)：

P(Z＝s|X₁，...，X_n)≥P(Z＝～s|X₁，...，X_n)(2)

若大于，则把患者归到Z＝s这一类；若小于，则判定患者属于Z＝～s这一类。

但是，现有方法研究时都是以概率值给出结果，不方便进行推广使用，中医大夫在应用时难以进行数学推理。此类方法要求医生进行概率推理是不合适的，也难以实际应用。

发明内容

本发明针对现有技术不足，提出一种基于改进贝叶斯统计计算中医证候阈值和症状分值的方法，可以对所有的中医证候疾病进行分析。