论文部分内容阅读
本文作者的研究课题是基于国家重点基础研究发展计划(973计划)资助项目“证侯规范及其与疾病、方剂相关的基础研究”，课题研究的主要任务包括两部分内容：一部分是利用复杂系统的熵方法和抽象神经自动机理论为中医的证候建模并规范疾病中的证候，为证候的客观存在提供数理基础；另外一部分是研究中医证候的微观子集，在给定证候诊断的前提下，寻找出诊断证候的相应的理化指标或分子层面的指标，为证候的现代化和客观诊断奠定基础.针对课题的主要研究任务，本文作者的研究课题主要完成以下四方面的工作，包括：
1基于改进互信息的复杂系统熵聚类方法
基于信息熵的互信息是刻画相关的一种非线性度量，目前已经大量应用于理论和实践中。但是，传统的互信息不能区分开正相关和负相关。本文改进了传统的互信息，使之能区分正相关和负相关，在此基础上提出了熵聚类方法，它不但能对自变量聚类，同时也可以实现一些变量在不同的类中出现，把此方法运用到冠心病和肾衰临床数据中，提取了疾病中的中医证候，并利用因变量数据验证了复杂系统熵聚类方法，得到了很高的敏感性，此方法为证候的规范化奠定了数理基础。
2随机神经网络系统
随机神经网络有很好的学习性能，但是用随机神经网络聚类目前还没有相关的工作，同时，随机神经网络中的相位转移的发现目前也没有相关的工作。本文提出了一类基于多重类随机神经网络的聚类方法并运用到冠心病临床数据中，提取了冠心病中的中医证候，并验证这些证候，也达到很高的敏感性。同时，本文发现了齐次随机神经中存在相位转移，临界点与神经元的神经机制——阈值有关。最后，本文用随机神经网络系统阐释了同证异病和异病同证.
3有监督分类方法建立宏观子集与证候的关系
四诊信息和中医证候存在着非线性关系。诊断是治疗的前提，如何把这种非线性建立起来关系到证候诊断的准确性。本文利用五种非线性的有监督分类方法，即贝叶斯方法、神经网络方法、决策树方法、支持向量机方法和logstic回归方法建立四诊信息与证候之间的关系，以冠心病数据为例，利用80个四诊信息对痰瘀互阻证候分类的准确性进行比较学习，寻找出解决这类问题最优的分类器，为提高诊断准确率奠定数理基础。
4有监督分类方法研究证候的微观子集
目前中医临床上还没有准确的中医证候与微观子集的关系，这成为证候的客观诊断的障碍。本文通过从三个不同的微观子集层次来建立客观指标与证候的关系。在给出证候诊断信息的前提下，利用有监督分类方法和回归方法建立炎症因子理化指标、蛋白组学和代谢组学与血瘀证证候的关系，为客观诊断证候提供了新方法。
最后，对取得的研究成果进行了总结，并展望了需要进一步开展的研究工作。