欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019113331217
申请人: 河南中医药大学
专利类型:发明专利
专利状态:未下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一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,对已建立的肺痿患者症状与专家组证候分类数据,获取患者的症状、证型、证候数据,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,包括步骤如下:步骤1)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;

步骤2)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;

根据证候分型诊断规则数学描述:已知一组症状X1,…,Xn出现,判定其属于证候Z的取值是s,判定其不属于证候的取值是~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;基于贝叶斯公式计算Z的后验概率分布P(Z|X1,...,Xn),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,...,Xn)≥P(Z=~s|X1,...,Xn)    (2)依据已有的西医疾病诊断标准经验,建立以打分形式的诊断规则,从原始数据出发,统计出每个症状的先验概率,使用对数比值比转换给每个症状赋一个分值,且确定证候阈值,当症状总分数达到或超过阈值,则把患者归到Z=s证候,否则患者不属于Z=s这一类;

步骤3)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;

症状分值和证候阈值公式推导证明如下:

将式(3)(4)代入式(2),得出式(5)为:

对式(5)考虑,因为各症状显变量满足相互独立分布,则:

由于上式中症状Xn均等于1,为考虑症状不出现情况,将上式两边同时减去症状为0的情况,不等式转换为对于上式(6),不等式左边 即为症状Xi的分值,记为Score

(Xi),它的含义是在证候为1时症状出现与不出现的比值,除以证候为0时症状出现不不出现的比值,简称比值比;不等式右边为证候阈值,记做Threshold;则证候分析规则根据症状分值和阈值的关系得到如下式(7):Score(X1)+Score(X2)+…+Score(Xn)≥Threshold    (7)若患者症状分值相加总分值大于或等于阈值,则可判断属于证候Z,否则不属于证候Z。

2.根据权利要求1所述的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,其特征在于:步骤1)中,按照如下的顺序遍历获取的所有患者的症状、证型、专家组证候分类数据:首先遍历每一个证候,再遍历每一个证候对应的所有症状,最后遍历每个症状的每行患者数据;建立如下的证候分型算法框架:在最内层循环中,如果每一患者对应证候非空时:若证候为1,s1增加1,考虑对应的症状非空时,当症状为0,s1x0增加1,当症状为1,s1x1增加1;若证候为0时,s0增加1,考虑对应的症状非空,当症状为0,s0x0增加1,当症状为1,s0x1增加1;

内层循环结束后,得到s1x0、s1x1、s0x0、s0x1计算该症状的分值及该证候的阈值的部分数据,将计算结果存入动态数组;

当每个症状遍历结束后,从动态数组中取出各个值,利用上述分值和阈值计算公式计算出结果;输出结果是每个证候一个规则文件,输出症状名称、证候阈值和症状对应的分值。

3.根据权利要求2所述的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,其特征在于:采用拉普拉斯平滑算法,对证候分型算法进行改进:在计算概率时,为每个症状的出现次数加上一个很小的数,这样对结果影响不大,在数据集足够大时,对概率影响忽略不计,但能解决零概率问题;

在拉普拉斯平滑下,计算先验概率P(c)与P(xi|c)为:

其中D表示训练集合,Dc表示训练集中类别为c的样本集合;Dc,xi表示Dc中出现的取值为xi的样本集合,N表示D中出现的可能类别数,Ni表示第i个属性可能的类别数,加1即为解决零概率问题而选择的一个小常数;在平滑处理过程中,当症状初始分值为负无穷且平滑处理后为正值时,将平滑后分值乘以‑1;

由上述算法处理数据,得到每个证候阈值、前十个分值较高的症状,即是肺痿证候分类规则。

4.根据权利要求1、2或3所述的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,其特征在于:贝叶斯统计公式如下:设实验E的样本空间为S,A为E的事件,B1,B2…,Bn为S的一个划分,且P(Ai)>0,P(Bi)>

0(i=1,2,…,n),则

在对中医症状和证候的分析时,上式中A表示症状,B表示证候;

公式(1)的右部分均为先验概率,直接从样本数据求出,分母等于对分子的求和,所以只对分子来分析;分子中P(Bi)为证候B发生的概率,它由两个取值:P(B=0)、P(B=1),分别表示证候B不出现或出现的概率;P(A|Bi)表示症状A在证候B某状态下的概率,它有四个取值:P(A=0|B=0)、P(A=1|B=0)、P(A=0|B=1)、P(A=1|B=1),其中数字0和1分别表示不出现和出现情况;得到上述6个概率值后,后续可实现对贝叶斯推理和统计。