谈两种关联规则算法在中医药治疗方面的应用及比较

1、Word 谈两种关联规则算法在中医药治疗方面的应用及比较 关联规章反映一个事物与其他事物之间的相互依存性和关联性。而关联规章挖掘则是数据挖掘中最活跃的讨论方法之一，其本质是要找出隐蔽在数据间的相互关系。关联规章数据挖掘的步骤主要有两步: 找出全部支持度大于或等于规定最小支持度的频繁项集，再由频繁项集产生所期望的关联规章。其关联规章的产生由支持度和置信度打算。在中医药领域，数据挖掘技术可用于证候诊断、方剂配伍、文献讨论、临床病历等方面，以帮助传承中医文化，指导现代中医的进展。在目前针对中医药领域的数据挖掘中，关联规章Apriori 算法和FP-growth 算法倍受讨论人员的青睐。 1 概念 A

2、priori 算法为布尔关联规章挖掘频繁项集的原创性算法。该算法属于宽度优先算法，使用逐层搜寻的迭代方法，其中k 项集用于探究( k + 1) 项集。首先，扫描整个数据库，累计每个项的计数，找出满意最小支持度的项，得到频繁1 项集的集合L1。接下来循环进行以下两步: 连接步，产生候选项集Ck; 剪枝步，依据先验性质频繁项集的全部非空子集也肯定是频繁的，剪除( k - 1) 项子集不在Lk - 1中的候选k 项集，当Lk为空时终止循环。 FP-growth 算法则是一种不产生候选项目集而采纳模式增长的方式挖掘频繁模式的算法。通过两个步骤来完成: 构造频繁模式树FP-tree 和调用FPgrowt

3、h算法进行频繁项集挖掘。其原理是通过把每个事物映射到FP 树中的一条路径将数据库压缩到一颗频繁模式树，但仍保留项目集关联信息，然后将这种压缩后的数据库分成一组条件数据库，每个关联一个频繁项，并分别挖掘每个数据库。对于每个模式片段，只需要考察与它相关联数据集。因此，随着被考察的模式的增长，这种方法可以显著压缩被搜寻的数据集的大小。 2 在中医药领域的应用 2. 1 方剂配 伍规律的讨论方剂配伍规律能阐明方剂与病证之间治法的关系，揭示构成方剂的诸要素与功效之间的关系。关联规章数据挖掘可以帮助熟悉方剂的效用和方内各药物之间的配伍关系，揭示方剂效用的物质基础和作用机制，进而发觉方剂的潜在功效和新用途，

4、以便改进传统剂型，研发复方新药。采纳Apriori 算法对中医方剂大辞典中治疗不同疾病的方剂进行挖掘分析，得到针对不同疾病的相应组方规律、核心药物、高频药对及药物功效配伍规律等。例如对其中587 首肿瘤方进行挖掘。结果表明，肿瘤方中理气和活血药物使用频率最高，支持度高的药对多为活血药与行气药配伍，支持度前20 的药组都含有活血化瘀药，且大多为活血化瘀药与理气药配伍应用。最终发觉中医方剂大词典所收录的肿瘤方常选用的药物多具有行气止痛、活血化瘀、补气健脾的功效。对治疗肺痿疾病的方剂进行组方规律分析，揭示了肺痿组方中药物关联规章，并依据关联结果进行新方分析，得到9 个核心组合和9 个候选新方，为临床

5、治疗肺痿供应了核心组合及候选方剂。应用单味药药对药组的数据挖掘思路，从简洁到简单，对四物汤中4 味药物的配伍关系进行挖掘，发觉四物汤中当归是联系其他药物的中心环节，而当归地黄为方中的核心药对，同时为方剂配伍规律的讨论供应了新的思路和方法。对治疗痛经的217 首方剂进行药对应用规律挖掘，得到当归川芎等高频药对，而它们也是治疗针对寒凝血瘀和气滞血瘀型痛经的少腹逐瘀汤、温经汤两方的主要组成药物，从而发觉临床上痛经发病多为这两种辨证分型，为临床痛经的辨证施药供应参考。在Apriori算法支持度、置信度的基础上再引入爱好度概念，用以修剪无趣的规章，挖掘出更有意义的关联规章，并以脾胃类方剂库中的1 060

6、 首方剂为例使用Apriori算法进行试验，通过设置爱好度值排解无意义的药对人参甘草，得到固定药对白术茯苓和尚未作为药对使用但具有客观关联性的茯苓木香药物组合，提出如何利用这些相互关联的药物，是数据挖掘重点探讨的对象。 采纳FP-growth 算法对方剂教材中的方剂进行挖掘来探讨中药复方配伍的规章。以治风剂中的疏散外风剂为例得到方剂的配方规章，得到防风细辛、甘草细辛、川芎细辛等药物组合，为疏散外风剂组方供应了参考。以解表剂为例得到关系亲密的中药组合，麻黄甘草、甘草芍药、桂枝芍药等，为解表药组方供应了参考。采纳该算法的改进算法FP-growth* 算法，在存在共享前缀的条件下，遍历结点的第一个子

7、女结点就发觉共享前缀，削减搜寻共享前缀的时间，从而削减生成FP-Tree 的时间，以提高挖掘效率。并对取自华佗中医院的临床方剂和上海市中医中药数据中心中医方剂数据库的脾胃方剂进行挖掘，得到脾胃方剂的主药甘草、陈皮、白术、人参等，补气健脾方剂是最基本的用方，显示出脾胃方剂遣方组药的一些规律。 2. 2 中药药性 药效的讨论中药药性理论是中药基本理论的重要组成部分，也是指导临床使用中药和阐释中药作用机制的重要依据。关联规章数据挖掘可以探讨中药药性四气五味与详细功效之间的关联关系，揭示四气五味的药性规律，为开发中药新资源及指导临床用药供应理论线索。采纳Apriori 算法对选自中华本草中8 980

8、味中药的四气数据及关联的药物功能进行关联规章挖掘，得到涉及温、平、寒三性的分类关联规章11 条，揭示了中药温平寒药性规律。挖掘选取神农本草经中的365 味中药，在建立气味效三维立方体的基础上，查找气味效之间的关联规章并进行初步分析，得到四气、五味及四气合五味与功效的关联规章，为中药药性四气五味理论讨论供应新思路和新方法。采纳改进的Apriori 算法，对取自中国药典中药学教材等书籍的中药药性及其他属性的相关数据进行挖掘，将数据库划分成n 部分，针对每个部分单独产生一组频繁项集，然后将这些项集并为一个总体的候选频繁项目集，再对其执行连接及剪枝等循环处理，直至产生强关联规章。挖掘结果显示，药性与药

9、味、归经、化学成分、功能、药理作用关系最亲密的依次为温辛、平肝、温挥发油、寒清热、温抗炎。通过中药药性与其他属性间的关联进行初步探究，所得结果与中药药性传统熟悉相符，对中药的药性分析具有指导意义。采纳FP-growth 算法对含有596 味药、177 个不同功效的数据进行效效关系挖掘。得到的结果表明，FP-growth 算法挖掘中药效效关系正确率较高，60. 30% 基本符合中医学问和中医专家的阅历; 发觉感冒药材间关联规章学问，得到3 味药材组合的配伍规律，体现了感冒药材之间存在客观的药性相互作用，并据此编排设计了新的中药斗谱，供应了探究中药斗谱内外布局编排设计的新思路。 2. 3 中医治

10、法用药规律中医强调辨证论治，即依据证的不同实行不同的治法及方药，并通过古代及当代名医的积累总结产生了很多针对特定病证或证候的治法。关联规章数据挖掘可以探究某一特定中医治法潜在的用药规律，通过其内在的药物联系更深化地剖析中医治法的根本，为中医治法在临床应用和改进上供应有力的理论依据。 采纳Apriori 算法，对检索医学数据库中以滋阴补肾法治疗脑卒中恢复期的临床讨论报道得到的16首方剂，分析方剂中药对的应用规律，得到使用频率较高的药对牛膝桑寄生，牛膝地龙等，与中医经典记载及临床应用相吻合。对检索中国知网、中国生物医学文献数据库中有关运用清热、活血方为主的熏洗法治疗痔病术后恢复期的临床讨论报道得到

11、的87 首方剂，得到应用频率较高的药对苦参黄柏，苦参当归等，并发觉清热药和活血化瘀药物的使用频次、药对配伍最多，对痔病术后预防和缓解并发症疗效准确，治愈率高，可以有效指导临床实践。对检索医学数据库中以补肾益气活血化瘀法治疗脑卒中恢复期的临床讨论报道得到的18 首方剂，得到支持度较高的药对黄芪川芎，黄芪水蛭等，发觉补肾益气活血化瘀法治疗脑卒中恢复期的用药规律，为临床供应有效的理论指导。 2. 4 名老中医 医案挖掘名老中医医案是将中医理论与临床实践相结合并不断创新的结果，包含了中医的基本原则和名老中医的独特见解，为中医的传承供应了珍贵资源。关联规章数据挖掘可以分析记录这些名老中医临床诊疗阅历的医

12、案，发觉他们诊疗方式及辨证用药的独特性，为更好地指导临床工作奠定了理论基础。 采纳Apriori 算法对收集自中医肾病专家聂莉芳治疗CRF( 慢性肾功能衰竭) 患者的门诊及病房病案，对症状、中药、方剂及其相互关联进行分析挖掘。结果说明，慢性肾衰病机气阴两虚证最为多见，并得到治疗CRF 常用中药、常用药对药组和常用方剂等，体现了抓主症选方、随症加减的用药规律，为CRF 在中医临床的诊疗供应了牢靠的依据。以颜正华教授治疗胃脘痛的临床处方为讨论数据，采纳Apriori算法提取关联规章，得到药物的核心组合和新处方，为传承和深化挖掘名老中医的治疗方法供应了参考。以中医院中名老中医关于典型的型糖尿病医案为

13、讨论对象，构建了基于Apriori 算法的数据挖掘平台，挖掘名老中医关于型糖尿病的医案中药物之间的相互关联，得出治疗型糖尿病最常用的中药和药对，为型糖尿病在中医临床诊疗供应了珍贵阅历。 3 结语 在现有中医药领域的关联规章数据挖掘中，就算法本身来说，有试验证明在支持度较小的状况下，FPgrowth算法较Apriori 算法有着明显的优势。Apriori 算法易于实现，但在实际应用中存在一些难以克服的缺陷，频繁扫描数据库、产生大量候选项集等; FP-Growth 算法可以实现对无向项集图的实时构造，无需频繁扫描数据库，算法性能显著提高。就算法应用来说，Apriori 算法多于FP-growth 算法。作为原始经典算法之一的Apriori 算法已广泛应用于中医药方剂配伍、药性药效、中医治法、中医医案等多方_面的挖掘当中，挖掘结果也基本与中医经典记载和临床阅历相吻合; 而FP-growth 算法明显在应用上不及Aprior