基于貝葉斯網(wǎng)絡技術(shù)的中醫(yī)辨證論治

運用現(xiàn)代科學技術(shù)來科學闡釋中醫(yī)理論和實踐是促進中醫(yī)現(xiàn)代化和現(xiàn)代化的重要手段之一。數(shù)字中醫(yī)是中醫(yī)藥快速發(fā)展的唯一途徑。數(shù)字中醫(yī)藥是利用數(shù)字化技術(shù)手段進行中醫(yī)藥數(shù)據(jù)、信息和知識的獲取、存儲、處理,形成一個將中醫(yī)藥研究、臨床實踐集于一體的綜合中醫(yī)院數(shù)字系統(tǒng)。將數(shù)據(jù)挖掘技術(shù)引入中醫(yī)藥臨床研究,建立基于海量數(shù)據(jù)、以數(shù)據(jù)為導向的臨床研究工作模式,解決以個體化診療為特色的中醫(yī)臨床研究的技術(shù)瓶頸問題,是中醫(yī)藥現(xiàn)代化的一大創(chuàng)舉。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中,提取隱含在其中的、人們事先不知道但又有潛在的有用信息和知識的過程。其中貝葉斯分類是一種典型的基于統(tǒng)計分類方法,貝葉斯定理是貝葉斯學習方法的理論基礎(chǔ),它將事件的先驗概率與后驗概率巧妙地聯(lián)系起來,利用先驗信息和樣本數(shù)據(jù)信息確定事件的后驗概率,可以預測事件發(fā)生的可能性。常用的貝葉斯分類方法為樸素貝葉斯和貝葉斯網(wǎng)絡。1采用系統(tǒng)集成算法樸素貝葉斯方法是貝葉斯分類器中最簡單的一種。它假定一個屬性對給定類的影響獨立其他屬性,這一假定稱作類條件獨立,即假定所有的屬性變量均是相互類條件獨立的。相對于其他分類方法,樸素貝葉斯分類算法的最大特點是不需要搜索,只需簡單地計算訓練例中各個屬性值發(fā)生的頻率數(shù),就可以估計出每個屬性的概率估計值,因而樸素貝葉斯分類算法的效率特別高。樸素貝葉斯分類算法用于兩類分類或者多類分類問題,可用于離散型資料。采用樸素貝葉斯分類算法必須滿足以下2個條件:①要決策分類的類別數(shù)是一定的;②各類別總體的概率分布是已知的。利用信息增益算法進行辨證屬性選擇,并分別采用樸素貝葉斯和強屬性集貝葉斯網(wǎng)絡算法建立中醫(yī)冠心病臨床證型診斷模型。試驗結(jié)果表明:該分類算法在中醫(yī)冠心病臨床診斷模型中具有良好的分類性能,有助于提高臨床辨證能力及發(fā)現(xiàn)新的辨證要素。2節(jié)點的定量信息貝葉斯網(wǎng)絡(BayesianNetwork)又稱為信念網(wǎng)絡、概率網(wǎng)絡或因果網(wǎng)絡,是根據(jù)變量之間的依賴關(guān)系,使用圖論方法表示變量集合的聯(lián)合概率分布的圖形模型。該模型是一種表示概率關(guān)系的有向無環(huán)圖,表達多個變量的分布函數(shù)如何分解為單個變量的條件分布函數(shù)的乘積。貝葉斯網(wǎng)絡由兩部分組成:有向無環(huán)的網(wǎng)絡圖形和條件概率分布,主要由節(jié)點和弧來組成,其中每個節(jié)點代表一個隨機變量,并通過給定節(jié)點的條件概率與其父節(jié)點相關(guān),而每條弧代表一個概率依賴。在貝葉斯網(wǎng)絡中,定性信息主要通過網(wǎng)絡的拓撲結(jié)構(gòu)表達;而定量信息主要通過節(jié)點的聯(lián)合概率密度表示。貝葉斯網(wǎng)絡預測依據(jù)就是取后驗概率最大的類別。貝葉斯網(wǎng)絡以直觀的圖型方法描述數(shù)據(jù)間的相互關(guān)系,用概率測度的權(quán)重表達多個變量間的時序關(guān)系、相關(guān)關(guān)系或因果關(guān)系等多種依賴關(guān)系。它可把概率推理和網(wǎng)絡結(jié)構(gòu)有效地結(jié)合起來,概率推理可有效的利用統(tǒng)計知識,而網(wǎng)絡結(jié)構(gòu)可以把專家的知識表達出來。因貝葉斯網(wǎng)絡提供了進行知識表達、解釋、推理和預測等一個連貫的框架,已成功運用于數(shù)據(jù)挖掘、醫(yī)療診斷等人工智能領(lǐng)域,成為此領(lǐng)域的研究熱點之一。采用貝葉斯網(wǎng)絡算法對證候與證素間的相關(guān)關(guān)系、證素組合形成證名的規(guī)律進行探討,結(jié)果表明:與中醫(yī)專家經(jīng)驗有很高的吻合性。通過將中醫(yī)體系中的916個證候、51項證素及其構(gòu)成的1700條證名構(gòu)成中醫(yī)辨證貝葉斯網(wǎng)絡的節(jié)點集,初步建立中醫(yī)辨證數(shù)據(jù)庫。并通過網(wǎng)絡學習,形成中醫(yī)辨證貝葉斯網(wǎng)絡結(jié)構(gòu)及概率表。利用建立的貝葉斯網(wǎng)絡中醫(yī)辨證系統(tǒng)進行數(shù)據(jù)計量分析、推理驗證證候—證素—證名間的關(guān)系,其結(jié)果與中醫(yī)專家經(jīng)驗有很高的吻合性。因此,貝葉斯網(wǎng)絡是對中醫(yī)辨證進行信息挖掘處理的一種較好方法,可運用于中醫(yī)人工智能辨證系統(tǒng)的建立。3貝葉斯的分類正確率,容易接受進一步的數(shù)據(jù)的同時進行預測對各種分類方法的評估可根據(jù)以下幾條標準進行:①預測準確率,指模型能夠正確預測未知數(shù)據(jù)類別的能力;②速度,指構(gòu)造和使用模型時的計算效率;③魯棒性,指在數(shù)據(jù)帶有噪聲或有數(shù)據(jù)遺失的情況下,模型仍能進行正確預測的能力;④可擴展性,指對處理大量數(shù)據(jù)并構(gòu)造相應有效模型的能力;⑤易理解性,指所獲模型提供的可理解程度;⑥K折交叉驗證,為避免出現(xiàn)過擬合問題,可采用K折交叉驗證的方法測試貝葉斯的分類正確率,評價模型的精確率。K折交叉驗證技術(shù)把數(shù)據(jù)集隨機分成大致相等的K份,取其中1份作為測試集,剩下的K-1份作訓練集,循環(huán)K次,取K次測試的平均正確率作為試驗正確率,這種技術(shù)能有效的降低手動選取數(shù)據(jù)集和測試集的偏置。常用的有5折交叉驗證和10折交叉驗證。4貝葉斯信念網(wǎng)絡①樸素貝葉斯分類算法可以與決策樹和神經(jīng)網(wǎng)絡分類算法相媲美。該算法能運用到大型數(shù)據(jù)庫中,且方法簡單、分類準確率高、速度快。由于貝葉斯定理假設一個屬性值對給定類的影響獨立于其他屬性的值,而此假設在實際情況中經(jīng)常是不成立的,因此,其分類準確率可能會下降。②樸素貝葉斯算法成立的前提是各屬性之間互相獨立,簡化計算。當假定成立時,與其他分類算法相比,樸素貝葉斯分類是最精確的,否則可能較低。然而,其對屬性變量間的獨立性要求較強,但實際上變量間的相互依賴情況是較為常見的,故在實際中較難得到滿足。為解決這個問題,可使用貝葉斯信念網(wǎng)絡描述這種相互關(guān)聯(lián)的概率分布。該網(wǎng)絡能夠描述各屬性子集之間有條件的相互獨立,提供了一個圖形模型來描述其中的因果關(guān)系。貝葉斯分類在處理大規(guī)模數(shù)據(jù)庫時,表現(xiàn)出較高的分類準確性和運算性能。另外,樸素貝葉斯算法沒有直接的分類規(guī)則輸出。③中醫(yī)辨證是中醫(yī)專家系統(tǒng)的核心,運用貝葉斯網(wǎng)絡根據(jù)信息判定癥狀之間是否存在因果關(guān)系,然后利用貝葉斯網(wǎng)絡計算判定癥狀群的類別所屬,貝葉斯網(wǎng)絡的優(yōu)點在于把各個癥狀看作彼此相互聯(lián)系的整體。貝葉斯網(wǎng)絡模型可用于復雜多因果關(guān)系的分析。在中醫(yī)證候研究中,運用此模型可以研究癥狀之間、癥狀與證素間復雜的因果關(guān)系,是對中醫(yī)辨證進行信息挖掘處理的一種較好方法。但仍然存在以下缺點:貝葉斯網(wǎng)絡是一種頻率算法,一些頻率低的癥狀,證素或者證名不能被納入計算,對癥狀等變量的描述只有“出現(xiàn)”“不出現(xiàn)”兩種狀態(tài),不能反映變量的輕、中、重程度。臨床上有的癥狀對某證素的判斷是起否定作用的,如脈沉細就能降低證素陰虛的可能性,而貝葉斯網(wǎng)絡計算出的局部概率分布參數(shù)則無正負之分,勢必對辨證的結(jié)論產(chǎn)生負面影響。