基于贝叶斯网的不确定系统的概率建模

基于贝叶斯网的不确定系统的概率建模

医学作为一门科学学科，其非凡的飞跃总是伴随着科学知识的进步。由于历史文化背景的差异,中医学的发展形成了一套和现代医学不一样的发展模式。如今,中医药要走向世界,必须应用现代科学技术对中医理论和实践进行科学的阐释。辨证论治是中医学的基本特点之一,也是中医的精髓所在,辨证准确性的高低是取得疗效的重要前提。但由于证候的确定缺乏客观、定量的研究方法,以致许多诊治经验难以重复。因此,中医辨证规范化研究是发展中医理论、提高临床疗效和中医药国际化的关键。传统的辨证方法往往带有主观性和模糊性,而中医辨证本质可以看作是一个分类问题,将数据挖掘技术等现代方法学引入中医药的研究中,建立海量数据库,并利用多元统计分析方法进行探讨,可以使辨证的结果更具客观性。贝叶斯网作为对信息进行数据挖掘的一种较好算法,如今正被越来越多地应用到中医辨证研究中来。贝叶斯网简介贝叶斯网是用于不确定性推理,带有概率注释的有向无环图模型。它可根据先验知识和现有的统计数据,用概率的方法对未知事件进行预测。它以直观的图形方法描述数据间的相互关系,用概率测度的权重表达多个变量间的时序关系、相关关系或因果关系等多种依赖关系。其坚实的理论基础、直观的知识表达、灵活的推理能力以及方便的决策机制,使其成为数据挖掘领域的新兴技术。贝叶斯网由代表变量节点及连接这些节点的箭头构成。每个节点代表一个随机事件变量,箭头代表了节点间的依赖关系。每当一个原因节点的出现而导致某个结果的产生时,用条件概率进行表述,而不是必然结果。事件变量间关系的概率强度,构成贝叶斯网中的条件概率表。根据贝叶斯网结构以及条件概率表,可以快速得到每个基本事件的组合概率。在已知一些变量发生的条件下,计算机能从条件概率表中计算出变量之问的因果关系和每一变量的局部概率分布,即根据先验概率推求后验概率。贝叶斯网的结构及其先验概率分布,可以借助人的经验、专家知识而指定先验概率,亦可直接分析数据特点,依数据统计确定概率的真实分布。根据先验知识和现有的统计数据而建立数据库,让计算机按照贝叶斯网的学习算法自动进行学习,可获得相应领域的贝叶斯网络模型。表现证素的中医辨证思维和临床思维辨证论治是中医学区别于现代医学最明显的特点。证是中医学的一个特有概念,是对疾病过程中所处当前阶段的病位、病因、病性以及病势所作的病理性概括,是对致病因素与机体反应两方面的综合,是对疾病当前本质所作的结论。患者的症状、体征等各种临床表现,中医称为证候,亦称为症状。中医辨证的目的,是为了明确病位与病性等辨证要素,简称证素。各证素的相互组合,可概括成完整的证名诊断。因此,证素是通过对证候的辨识,而确定的病位和病性,是构成证名的基本要素。辨证就是根据中医学理论,通过对证候进行分析,而确定其证素,并作出证名诊断的思维认识过程。临床上的常见症状,如恶寒、头晕、胸闷、咳嗽、盗汗、口渴、大便干结、面色淡白、舌紫、苔腻、脉弦等,大约有1000个左右。心、肺、脾、肝、肾、胃、表、里等病位,气虚、气滞、血虚、血瘀、阴虚、阳虚、寒、热、湿、燥、痰、饮等病性,约为50个。由50个证素组合而成的证名,如心气虚证、肝脾不调证、脾肾阳虚证等,可达数千个。证素的多样性组合、演变,构成了病变的复杂性,也充分反映了中医辨证的灵活性。不同的医家在辨证时虽有差异,但其辨证思维的基本原理是相通的。辨证要素的确定、某组症状对某个证素的隶属程度、证素如何组合以及证型类别都有一定规律可寻。中医辨证规范化研究的瓶颈在于对四诊海量信息数据进行挖掘分析的技术落后,贝叶斯网的特点决定了它可以用于描述复杂的因果关系。应用贝叶斯网模型可以研究症状之间、症状与证素之间、病与证之间的因果关系。贝叶斯网的结构学习及推理原理也与中医辨证的思维过程颇为相近,因此贝叶斯网处理不确定性知识的方法也能对中医辨证过程进行描述,从而进行分析和推理判断。本博斯茨网络在中医辩证法研究中的应用基于贝叶斯网的中医辨证贝叶斯网可将主观性与模糊性较强的中医辨证过程,用直观的图形和简洁的数据描述出来,为中医辨证规范化研究提供了一个较好的方法学平台。贝叶斯网推理的过程建立在概率计算和数理推导的基础上,可以很好地模拟人脑的学习和思维过程,是对数据挖掘处理的一种较好方法,它对变量没有限制,只要将临床收集到的辨证数据输入计算机,模型可以自行学习并推理出结果,并且相对人脑具有一定客观性。贝叶斯网将临床海量数据包括专家的先验知识和后验数据进行有机融合,对辨证中存在的不确定信息进行了有效的处理,且整个过程采用的全局观点也符合中医辨证的整体思维原则,近年来的研究表明其推理结果与中医专家经验具有很高的吻合性。然而,贝叶斯网的建立来源于临床数据库的资料,病例的信息是否全面和客观以及作为先验知识的专家辨证是否准确决定了模型推理水平的高低,因此对临床数据的质量带来了更高的要求。贝叶斯网是基于频率的算法,为了减少计算量,一些频率低的症状、证素或者证名不能被纳入,这必然会影响推理的准确性。对症状等变量的描述只能定性不能定量,还不能全面反映辨证意义。临床上有的症状和辨证的结果是负相关的,而贝叶斯网计算出的局部概率分布参数没有正负分别。因此,贝叶斯网是中医辨证研究的一种较好方法,但仍未能全面体现中医辨证的思维能力。中医药的现代化和国际化需要多学科的交叉,需要前沿科技方法的支持,更需要不断进行实践和探索。基于贝叶斯网的中医辨证研究已经显示出其强大的生命力,其辨证推理结果符合中医理论及临床,具有一定客观性,有较好的发展前景。利用贝叶斯网挖掘临床数据库中的海量四诊信息,建立中医证侯模型,可能是中医辨证规范化取得突破的有效方法。当然,如何更好的提供高质量的样本,提高贝叶斯网证侯分类的性能,改进其算法等仍是今后需要不断探讨的问题,随着研究工作的深入,贝叶斯网一定会给中医辨证规范化研究带来更大的贡献。1.青少年抑郁症患者中医证候及评估张丽伟等收集了187例胸痹医案,随机选取其中的170例作为训练集,17例作为测试集,并保证两者都涵盖心气虚、心阳虚、脾阳虚、心脾两虚等九种证候,利用朴素贝叶斯分类方法进行证候的诊断识别,结果显示使用遗传算法改进了的朴素贝叶斯分类模型不仅在所需特征上比原来少,而且在分类的准确度上还稍有提升。刘湛清通过分析哈尔滨中医院HIS系统电子病例的证型诊断相关因素,分别构造了中医证型分类朴素贝叶斯和扩展贝叶斯模型,发现在中医临床证型诊断模型中贝叶斯分类算法具有良好的分类性能。曲淼等以611例抑郁症患者的中医证候为样本,制订《抑郁症中医证候观察表》,进行中医症状评定,运用贝叶斯网进行研究,得出中医证型。结果显示拟订的中医证型涵盖了抑郁症的大部分症状,包含了核心症状和周边症状的不同组合方式,体现了抑郁症临床多变的证候特点。张跃宏等利用朴素贝叶斯分类算法构建了肝炎后肝硬化中医证候分类模型,对6种主要证候分类的符合率达83%。刘智等在原有中医药冠心病临床治疗数据采集系统的基础上,使用中医证型的辨证相关因素,提出属性加权朴素贝叶斯算法,对于冠心病4种证侯模型的分类,都略高于朴素贝叶斯分类算法。胡雷琴等针对病例样本少,变量维数高的问题,提出先用层次聚类和主成分分析方法对高维变量进行降维,最后利用生成的主成分进行贝叶斯网络学习和分类,使平均正确率达到了88.75%。李梢等应用贝叶斯网算法对乙肝患者证候学调查和实验室检测的数据进行分析,成功构建了一种能够有效判别慢性乙肝患者肝胆湿热证、肝郁脾虚证的决策树诊断模型。陈宝君等以279例抑郁症肝肾阳虚证患者的证候学指标为基础,联用贝叶斯网络和聚类分析方法并结合专家经验辨证,确定出的有效辨证指标能为抑郁症肝肾阳虚证的中医诊断和临床疗效评价提供客观依据。2.贝叶斯网在证侯关联研究中的应用龚燕冰等运用贝叶斯网分析2501例2型糖尿病不同并发症患者的血糖相关指标与中医症状和证型的相关关系,结果显示贝叶斯网对于慢性并发症的早期预测有积极作用。李仕进等为了挖掘中医“症-证”之问的关系,提出了基于KNN的挖掘算法和基于贝叶斯的挖掘算法。对比实验证明,基于贝叶斯方法正确率达到65.76%,高于KNN的62.50%。3.以贝叶斯网的中医诊断和诊断能力为核心朱咏华等通过将中医体系中的916个症状,51项证素及1700条证名构成中医辨证贝叶斯网的节点集,从而确定症状与证素之间的因果关系。利用建立的贝叶斯网中医辨证系统,进行数据计量分析、推理验证症状与证素间的因果关系、证素与证名问的关系,其结果与中医专家经验有很高的吻合性。王瑞祥等将贝叶斯网应用于以辨证为核心的中医专家系统。根据信息熵判定症状之间是否存在因果关系,然后计算判定症状群的类别所属,其优点在于把各个症状看作彼此相互联系的整体。吴荣等将名老中医诊疗冠心病心绞痛的信息组成数据库,运用贝叶斯网提取证候要素相关症状,并以条件概率的形式表示出各相关症状在辨证中的贡献度,反映了证候诊断的实质,为名老中医经验传承开辟了新的途径。唐启盛等观察6l1例患者的横断面证候,运用贝叶斯网模型进行数据研究,并结合前期聚类分析结果,得出中医证型及诊断标准。在全国11个中心内,完成了1221例患者的中医证候研究,制订《抑郁症中医证候观察表》进行中医症状评定,结合中医专家经验制定诊疗标准,并在全国9所医院完成了1800例患者的临床验证,证明基于贝叶斯网的中医证侯研究较符合中医理论。4.hlc模型的建立张连文等提出了一种中医辨证客观定量标准的研究方法——隐结构法,认为通过四诊直接观察到的症状是显变量,而证候与病机特点是隐变量。隐变量与隐变量之间,以及隐变量与显变量之间的关系构