论文部分内容阅读
背景复杂性科学被誉为21世纪的科学,这种注重事物的复杂性、整体性和非线性的科学研究方法,为中医证候研究提供了全新的视角。中医证候体系是一个非线性的复杂巨系统,将基于复杂性科学的人工神经网络技术引入中医证候研究领域将有可能实现证候研究的突破。冠心病是当前严重危害人类健康的多发病。目前,如何应用人工神经网络对冠心病中医证候资料进行大规模的数据挖掘并建立证候模型,在国内尚未见成熟报道。目的以临床流行病学调查所得资料构建冠心病中医证候数据库系统,以此为基础采用人工神经网络技术建立并应用冠心病中医证候的神经网络模型,探讨中医证候研究的方法学,为当前证候研究提供一种新的思路。方法通过对冠心病病历档案的回顾性调研,分析提取冠心病常见症征,制定规范的临床调查表,以此为基础开展冠心病临床流行病学调查,并应用Oracle10j和Vc++6.0建立冠心病中医证候数据库系统；在此基础上,运用逐步试验法完成冠心病中医证候BP神经网络模型设计,并通过反复比较五种BP算法的优劣,选择共轭梯度算法作为最优算法,应用MATLAB6.5实现了冠心病中医证候的BP神经网络模型,并将其应用于冠心病证候的诊断,对模型的诊断效果进行了回顾性检验和前瞻性检验。结果成功地开发了冠心病中医证候数据库系统,并且运用MATLAB6.5建立了基于共轭梯度算法的冠心病中医证候BP神经网络模型,将该模型应用于冠心病证候的判别,结果显示：(1)对已采集纳入病例的回顾性检验提示：对于496个检测样本,诊断正确的共计449例,判断准确率达90.5%。准确率的高低与学习样本的多少呈正相关,诊断准确率依次是心阳亏虚证(93.0%)、痰阻心脉证(92.6%)、心血瘀阻证(91.8%)、心气亏虚证(91.0%)、心阴亏虚证(88.7%)、气滞心脉证(88.6%),寒滞心脉证判别准确率最低,只有37.5%。(2)对新采集病例的前瞻性检验显示：在81个样本中正确识别74例,识别率达91.36%。说明该模型能够较好地获取证候的内在规则。结论基于人工神经网络的冠心病中医证候模型能够较好地获取证候的内在规则,将人工神经网络技术应用中医证候研究具有可行性,该方法在冠心病中医证候研究的成功尝试为深入开展心病证候规范化及其证候实质研究提供了一种新的思路。