基于Weka關(guān)聯(lián)規(guī)則挖掘的針灸腧穴規(guī)律研究

胡綠慧　任玉蘭

摘要：針灸腧穴規(guī)律在針灸臨床治療中起著十分重要的作用，針對(duì)古今針灸臨床治療方案數(shù)據(jù)量大、關(guān)聯(lián)性強(qiáng)的特點(diǎn)，運(yùn)用關(guān)聯(lián)分析中的Apriori算法，結(jié)合針灸學(xué)科特點(diǎn)和臨床診治規(guī)律，將經(jīng)過(guò)篩選轉(zhuǎn)換的數(shù)據(jù)在Weka平臺(tái)中分析，充分利用其中的類和可視化功能，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果。實(shí)驗(yàn)結(jié)果表明，基于WEKA的關(guān)聯(lián)規(guī)則挖掘技術(shù)能有效的為針灸腧穴規(guī)律研究提供信息支持。

關(guān)鍵詞： Weka；針灸腧穴規(guī)律；數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）07-1361-03

針灸學(xué)是以中醫(yī)理論為指導(dǎo)，在繼承和發(fā)揚(yáng)古代針灸學(xué)術(shù)思想和實(shí)踐經(jīng)驗(yàn)的基礎(chǔ)之上，運(yùn)用傳統(tǒng)和現(xiàn)代科學(xué)技術(shù)研究經(jīng)絡(luò)、腧穴、操作技能、治療法則、作用機(jī)制和防治疾病的一門(mén)學(xué)科，作為中醫(yī)學(xué)科體系中最具特色和優(yōu)勢(shì)的學(xué)科，以其獨(dú)特的治療方法和卓越的臨床療效得到了國(guó)內(nèi)外廣泛關(guān)注和高度重視。臨床上，由腧穴、施術(shù)方法和治療時(shí)間組成的針灸處方是實(shí)現(xiàn)針灸療效的重要條件，但在針灸臨床治療決策中，如何選取最優(yōu)化的針灸處方是針灸醫(yī)生面臨的一大難題。隨著信息技術(shù)的發(fā)展，醫(yī)學(xué)信息的迅猛增加，而人腦的儲(chǔ)存和處理信息的能力又有一定的局限性，因此會(huì)對(duì)臨床問(wèn)題的思考、信息的判斷、尋找解決問(wèn)題的辦法和制定臨床治療方案決策造成必然的困擾。

本文針對(duì)針灸臨床治療方案的數(shù)據(jù)特點(diǎn)，借鑒循證醫(yī)學(xué)的理念和方法整理、加工、更新以及評(píng)價(jià)古今針灸治療疾病的臨床證據(jù)，通過(guò)運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)、管理針灸診斷、治療疾病的古代和現(xiàn)代臨床證據(jù)以及相關(guān)針灸知識(shí)，結(jié)合針灸學(xué)科特點(diǎn)和臨床診治規(guī)律；通過(guò)對(duì)關(guān)聯(lián)規(guī)則及相關(guān)算法進(jìn)行分析，將針灸穴位數(shù)據(jù)與關(guān)聯(lián)規(guī)則相結(jié)合，將歷代針灸數(shù)據(jù)在WEKA軟件中進(jìn)行挖掘，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果，從而指導(dǎo)醫(yī)生的臨床治療方案決策。

1 關(guān)聯(lián)規(guī)則挖掘算法

1.1 關(guān)聯(lián)規(guī)則挖掘的基本概念

關(guān)聯(lián)規(guī)則挖掘是指從事務(wù)數(shù)據(jù)庫(kù)，關(guān)系數(shù)據(jù)庫(kù)和其他信息存儲(chǔ)中的大量數(shù)據(jù)的項(xiàng)集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關(guān)聯(lián)和相關(guān)性。

1.2 APRIORI算法

經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法是Agrawal R提出的Apriori算法，該算法是利用大項(xiàng)目集的任一子集也一定是大的這一性質(zhì)。使用逐層搜索的迭代方法，利用K項(xiàng)集探索K+1項(xiàng)集，將原始數(shù)據(jù)結(jié)構(gòu)分層。Apriori算法的基本思想是生成特定規(guī)模的候選項(xiàng)目集，然后掃描數(shù)據(jù)庫(kù)并進(jìn)行計(jì)數(shù)，以確定這些候選項(xiàng)目集是大的。即掃描一次事務(wù)數(shù)據(jù)庫(kù)，找出頻繁1-項(xiàng)集的集合L1，基于L1來(lái)尋找所有可能的候選2-項(xiàng)集集合L2，類似上一步，L2用于尋找 L3，如此循環(huán)，直到不能找到頻繁項(xiàng)集。其中，候選項(xiàng)集的生成主要通過(guò)兩個(gè)步驟：連接和剪枝。即在第i趟掃描過(guò)程中，對(duì)候選項(xiàng)目集的集合Ci進(jìn)行計(jì)數(shù)，也就是說(shuō)用大項(xiàng)目集的集合Li生成Ci+1。只有一個(gè)項(xiàng)目集的所有子集都是大的，它才被認(rèn)為是一個(gè)候選。為了生成大小為i+1的候選，要對(duì)前一趟掃描發(fā)現(xiàn)的大項(xiàng)目集進(jìn)行連接運(yùn)算。

2 Weka的框架結(jié)構(gòu)

WEKA的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個(gè)運(yùn)行于Java平臺(tái)的開(kāi)源系統(tǒng)，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。

Weka主要提供了數(shù)據(jù)挖掘的框架結(jié)構(gòu)，集合了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，分類，回歸、聚類、關(guān)聯(lián)規(guī)則以及在新的交互式界面上的可視化。這些算法一般是直接應(yīng)用于一個(gè)數(shù)據(jù)集上，還可以在其他的Java代碼中調(diào)用。在這些數(shù)據(jù)挖掘算法生成模型時(shí)，用戶可以自定義算法的各個(gè)相關(guān)參數(shù)，并且可以實(shí)現(xiàn)對(duì)測(cè)試集的驗(yàn)證， 和對(duì)算法的比較。Weka提供了可編程的接口，使我們可以通過(guò)拓展算法來(lái)實(shí)現(xiàn)新的功能，同時(shí)Weka也允許我們通過(guò)調(diào)用它的公用包，在自己的項(xiàng)目中利用包中的算法實(shí)現(xiàn)相應(yīng)的功能。使用WEKA不僅支持本身提供的ARFF格式的數(shù)據(jù)，同時(shí)還提供了對(duì)CSV文件的支持，而這種格式是被很多其他軟件所支持的。此外，WEKA還提供了通過(guò)JDBC訪問(wèn)數(shù)據(jù)庫(kù)的功能。

3 Apriori算法在針灸腧穴規(guī)律中的應(yīng)用

在中醫(yī)藥領(lǐng)域，數(shù)據(jù)挖掘技術(shù)已應(yīng)用于中醫(yī)藥數(shù)據(jù)庫(kù)的建立、方劑配伍規(guī)律的研究、名老中醫(yī)經(jīng)驗(yàn)總結(jié)、中醫(yī)藥數(shù)據(jù)規(guī)范處理，以及臨床診斷、療效評(píng)價(jià)、處方分析、圖像識(shí)別等研究。目前，已有不少學(xué)者開(kāi)始將數(shù)據(jù)挖掘技術(shù)利用在臨床診療決策方面，而數(shù)據(jù)挖掘在針灸臨床決策的研究還處于起步階段，研究還比較少，主要是成都中醫(yī)藥大學(xué)的學(xué)者在從事這方面的研究，還有待進(jìn)一步的發(fā)展，使用數(shù)據(jù)挖掘方法來(lái)處理大量的針灸臨床數(shù)據(jù)已顯得十分重要。本研究挖掘工具采用Weka3.7開(kāi)放源代碼平臺(tái)，用Apriori方法，以貝爾面癱病例數(shù)據(jù)為例，找出其中的用穴規(guī)律。

3.1 數(shù)據(jù)選擇與處理

對(duì)于古代文獻(xiàn)數(shù)據(jù)參照了《中國(guó)針灸文獻(xiàn)提要》、《中國(guó)醫(yī)籍大辭典》《中國(guó)針灸薈萃·現(xiàn)存針灸醫(yī)籍卷》等書(shū)籍，選取影響范圍較大、傳播范圍廣的著作；對(duì)于現(xiàn)代文獻(xiàn)數(shù)據(jù)采用計(jì)算機(jī)檢索和手工檢索；數(shù)據(jù)以針灸療法治療貝爾面癱1400條醫(yī)案為例，取每條數(shù)據(jù)病名、針灸方法、穴位、療程等字段?，F(xiàn)代數(shù)據(jù)分為篇名、作者、病名、取穴等數(shù)據(jù)項(xiàng)。文獻(xiàn)錄入要保證忠實(shí)原始文獻(xiàn)并進(jìn)行規(guī)范，對(duì)難以規(guī)范需要特殊處理的內(nèi)容填入“備注”項(xiàng)。部分?jǐn)?shù)據(jù)如表1所示。

通過(guò)WEKA平臺(tái)使用關(guān)聯(lián)規(guī)則挖掘結(jié)果得出：針灸治療面癱地倉(cāng)、頰車兩穴使用頻次最高，療效最好。其他具體穴位使用頻次見(jiàn)表2。針灸治療面癱腧穴配伍規(guī)律中，頰車與地倉(cāng)兩穴配伍使用最多，他們的支持度和置信度都達(dá)到最高。具體配伍、置信度見(jiàn)表3。

通過(guò)對(duì)針灸治療面癱數(shù)據(jù)庫(kù)進(jìn)行分析，從用關(guān)聯(lián)規(guī)則挖掘結(jié)果并結(jié)合針灸專業(yè)知識(shí)進(jìn)行分析，其結(jié)果顯示：應(yīng)用針灸療法治療貝爾面癱的經(jīng)絡(luò)腧穴的應(yīng)用有明顯的規(guī)律特征。首先，從腧穴使用頻次分析來(lái)看，重視局部取穴，地倉(cāng)、頰車、陽(yáng)白、合谷、翳風(fēng)等面部穴位的應(yīng)用，體現(xiàn)了“腧穴所在，主治所在”的治療規(guī)律；同時(shí)迎香、下關(guān)、四白等穴位的應(yīng)用也十分常見(jiàn)，體現(xiàn)了“經(jīng)脈所過(guò)、主治所及”的治療規(guī)律；其用穴還體現(xiàn)了針灸辯證論治的特點(diǎn)以經(jīng)脈辨治為主，對(duì)經(jīng)脈的選擇中，特別重視對(duì)翳風(fēng)、合谷、風(fēng)池等祛風(fēng)解表穴位的應(yīng)用，體現(xiàn)了對(duì)病因辨證治療的原則。從分析結(jié)果可以看出，循經(jīng)取穴是針灸治療面癱的重要原則，特定穴的運(yùn)用是針灸處方的主要部分，這與針灸理論與臨床實(shí)踐是相符的。

5 結(jié)論

本文以大量針灸文獻(xiàn)為基礎(chǔ)，采用關(guān)聯(lián)規(guī)則挖掘方法，得出針灸治療面癱的用穴規(guī)律和配伍規(guī)律，為臨床醫(yī)生的治療方案提供了決策依據(jù)。 數(shù)據(jù)挖掘技術(shù)，對(duì)針灸臨床治療文獻(xiàn)海量數(shù)據(jù)的處理和分析有著重要的意義，其結(jié)果將為今后針灸臨床和科研提供新的思路和參考。

參考文獻(xiàn)：

[1] 梁繁榮，余曙光，李瑛，等.針灸治療貝爾麻痹臨床多中心隨機(jī)對(duì)照試驗(yàn)研究[J].中醫(yī)雜志，2004，45（8）：584.

[2] 馬麗偉.關(guān)聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應(yīng)用[M].南京：南京理工大學(xué)，2009.

[3] 宋新葵.一種新的改進(jìn)的Apriori算法[J].微計(jì)算機(jī)信息，2009，12（45）：78-81.

[4] Agrawal R，Mannila H，Srikant R，et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining，1996：327-328.

[5] Karaboga D，Basturk B.On the performance of Artificial Bee Colony（ABC） algorithm[J].Applied Soft Comprting， 2010，8（1）：687-697.

摘要：針灸腧穴規(guī)律在針灸臨床治療中起著十分重要的作用，針對(duì)古今針灸臨床治療方案數(shù)據(jù)量大、關(guān)聯(lián)性強(qiáng)的特點(diǎn)，運(yùn)用關(guān)聯(lián)分析中的Apriori算法，結(jié)合針灸學(xué)科特點(diǎn)和臨床診治規(guī)律，將經(jīng)過(guò)篩選轉(zhuǎn)換的數(shù)據(jù)在Weka平臺(tái)中分析，充分利用其中的類和可視化功能，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果。實(shí)驗(yàn)結(jié)果表明，基于WEKA的關(guān)聯(lián)規(guī)則挖掘技術(shù)能有效的為針灸腧穴規(guī)律研究提供信息支持。

關(guān)鍵詞： Weka；針灸腧穴規(guī)律；數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）07-1361-03

針灸學(xué)是以中醫(yī)理論為指導(dǎo)，在繼承和發(fā)揚(yáng)古代針灸學(xué)術(shù)思想和實(shí)踐經(jīng)驗(yàn)的基礎(chǔ)之上，運(yùn)用傳統(tǒng)和現(xiàn)代科學(xué)技術(shù)研究經(jīng)絡(luò)、腧穴、操作技能、治療法則、作用機(jī)制和防治疾病的一門(mén)學(xué)科，作為中醫(yī)學(xué)科體系中最具特色和優(yōu)勢(shì)的學(xué)科，以其獨(dú)特的治療方法和卓越的臨床療效得到了國(guó)內(nèi)外廣泛關(guān)注和高度重視。臨床上，由腧穴、施術(shù)方法和治療時(shí)間組成的針灸處方是實(shí)現(xiàn)針灸療效的重要條件，但在針灸臨床治療決策中，如何選取最優(yōu)化的針灸處方是針灸醫(yī)生面臨的一大難題。隨著信息技術(shù)的發(fā)展，醫(yī)學(xué)信息的迅猛增加，而人腦的儲(chǔ)存和處理信息的能力又有一定的局限性，因此會(huì)對(duì)臨床問(wèn)題的思考、信息的判斷、尋找解決問(wèn)題的辦法和制定臨床治療方案決策造成必然的困擾。

本文針對(duì)針灸臨床治療方案的數(shù)據(jù)特點(diǎn)，借鑒循證醫(yī)學(xué)的理念和方法整理、加工、更新以及評(píng)價(jià)古今針灸治療疾病的臨床證據(jù)，通過(guò)運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)、管理針灸診斷、治療疾病的古代和現(xiàn)代臨床證據(jù)以及相關(guān)針灸知識(shí)，結(jié)合針灸學(xué)科特點(diǎn)和臨床診治規(guī)律；通過(guò)對(duì)關(guān)聯(lián)規(guī)則及相關(guān)算法進(jìn)行分析，將針灸穴位數(shù)據(jù)與關(guān)聯(lián)規(guī)則相結(jié)合，將歷代針灸數(shù)據(jù)在WEKA軟件中進(jìn)行挖掘，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果，從而指導(dǎo)醫(yī)生的臨床治療方案決策。

1 關(guān)聯(lián)規(guī)則挖掘算法

1.1 關(guān)聯(lián)規(guī)則挖掘的基本概念

關(guān)聯(lián)規(guī)則挖掘是指從事務(wù)數(shù)據(jù)庫(kù)，關(guān)系數(shù)據(jù)庫(kù)和其他信息存儲(chǔ)中的大量數(shù)據(jù)的項(xiàng)集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關(guān)聯(lián)和相關(guān)性。

1.2 APRIORI算法

經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法是Agrawal R提出的Apriori算法，該算法是利用大項(xiàng)目集的任一子集也一定是大的這一性質(zhì)。使用逐層搜索的迭代方法，利用K項(xiàng)集探索K+1項(xiàng)集，將原始數(shù)據(jù)結(jié)構(gòu)分層。Apriori算法的基本思想是生成特定規(guī)模的候選項(xiàng)目集，然后掃描數(shù)據(jù)庫(kù)并進(jìn)行計(jì)數(shù)，以確定這些候選項(xiàng)目集是大的。即掃描一次事務(wù)數(shù)據(jù)庫(kù)，找出頻繁1-項(xiàng)集的集合L1，基于L1來(lái)尋找所有可能的候選2-項(xiàng)集集合L2，類似上一步，L2用于尋找 L3，如此循環(huán)，直到不能找到頻繁項(xiàng)集。其中，候選項(xiàng)集的生成主要通過(guò)兩個(gè)步驟：連接和剪枝。即在第i趟掃描過(guò)程中，對(duì)候選項(xiàng)目集的集合Ci進(jìn)行計(jì)數(shù)，也就是說(shuō)用大項(xiàng)目集的集合Li生成Ci+1。只有一個(gè)項(xiàng)目集的所有子集都是大的，它才被認(rèn)為是一個(gè)候選。為了生成大小為i+1的候選，要對(duì)前一趟掃描發(fā)現(xiàn)的大項(xiàng)目集進(jìn)行連接運(yùn)算。

2 Weka的框架結(jié)構(gòu)

WEKA的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個(gè)運(yùn)行于Java平臺(tái)的開(kāi)源系統(tǒng)，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。

Weka主要提供了數(shù)據(jù)挖掘的框架結(jié)構(gòu)，集合了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，分類，回歸、聚類、關(guān)聯(lián)規(guī)則以及在新的交互式界面上的可視化。這些算法一般是直接應(yīng)用于一個(gè)數(shù)據(jù)集上，還可以在其他的Java代碼中調(diào)用。在這些數(shù)據(jù)挖掘算法生成模型時(shí)，用戶可以自定義算法的各個(gè)相關(guān)參數(shù)，并且可以實(shí)現(xiàn)對(duì)測(cè)試集的驗(yàn)證， 和對(duì)算法的比較。Weka提供了可編程的接口，使我們可以通過(guò)拓展算法來(lái)實(shí)現(xiàn)新的功能，同時(shí)Weka也允許我們通過(guò)調(diào)用它的公用包，在自己的項(xiàng)目中利用包中的算法實(shí)現(xiàn)相應(yīng)的功能。使用WEKA不僅支持本身提供的ARFF格式的數(shù)據(jù)，同時(shí)還提供了對(duì)CSV文件的支持，而這種格式是被很多其他軟件所支持的。此外，WEKA還提供了通過(guò)JDBC訪問(wèn)數(shù)據(jù)庫(kù)的功能。

3 Apriori算法在針灸腧穴規(guī)律中的應(yīng)用

在中醫(yī)藥領(lǐng)域，數(shù)據(jù)挖掘技術(shù)已應(yīng)用于中醫(yī)藥數(shù)據(jù)庫(kù)的建立、方劑配伍規(guī)律的研究、名老中醫(yī)經(jīng)驗(yàn)總結(jié)、中醫(yī)藥數(shù)據(jù)規(guī)范處理，以及臨床診斷、療效評(píng)價(jià)、處方分析、圖像識(shí)別等研究。目前，已有不少學(xué)者開(kāi)始將數(shù)據(jù)挖掘技術(shù)利用在臨床診療決策方面，而數(shù)據(jù)挖掘在針灸臨床決策的研究還處于起步階段，研究還比較少，主要是成都中醫(yī)藥大學(xué)的學(xué)者在從事這方面的研究，還有待進(jìn)一步的發(fā)展，使用數(shù)據(jù)挖掘方法來(lái)處理大量的針灸臨床數(shù)據(jù)已顯得十分重要。本研究挖掘工具采用Weka3.7開(kāi)放源代碼平臺(tái)，用Apriori方法，以貝爾面癱病例數(shù)據(jù)為例，找出其中的用穴規(guī)律。

3.1 數(shù)據(jù)選擇與處理

對(duì)于古代文獻(xiàn)數(shù)據(jù)參照了《中國(guó)針灸文獻(xiàn)提要》、《中國(guó)醫(yī)籍大辭典》《中國(guó)針灸薈萃·現(xiàn)存針灸醫(yī)籍卷》等書(shū)籍，選取影響范圍較大、傳播范圍廣的著作；對(duì)于現(xiàn)代文獻(xiàn)數(shù)據(jù)采用計(jì)算機(jī)檢索和手工檢索；數(shù)據(jù)以針灸療法治療貝爾面癱1400條醫(yī)案為例，取每條數(shù)據(jù)病名、針灸方法、穴位、療程等字段?，F(xiàn)代數(shù)據(jù)分為篇名、作者、病名、取穴等數(shù)據(jù)項(xiàng)。文獻(xiàn)錄入要保證忠實(shí)原始文獻(xiàn)并進(jìn)行規(guī)范，對(duì)難以規(guī)范需要特殊處理的內(nèi)容填入“備注”項(xiàng)。部分?jǐn)?shù)據(jù)如表1所示。

通過(guò)WEKA平臺(tái)使用關(guān)聯(lián)規(guī)則挖掘結(jié)果得出：針灸治療面癱地倉(cāng)、頰車兩穴使用頻次最高，療效最好。其他具體穴位使用頻次見(jiàn)表2。針灸治療面癱腧穴配伍規(guī)律中，頰車與地倉(cāng)兩穴配伍使用最多，他們的支持度和置信度都達(dá)到最高。具體配伍、置信度見(jiàn)表3。

通過(guò)對(duì)針灸治療面癱數(shù)據(jù)庫(kù)進(jìn)行分析，從用關(guān)聯(lián)規(guī)則挖掘結(jié)果并結(jié)合針灸專業(yè)知識(shí)進(jìn)行分析，其結(jié)果顯示：應(yīng)用針灸療法治療貝爾面癱的經(jīng)絡(luò)腧穴的應(yīng)用有明顯的規(guī)律特征。首先，從腧穴使用頻次分析來(lái)看，重視局部取穴，地倉(cāng)、頰車、陽(yáng)白、合谷、翳風(fēng)等面部穴位的應(yīng)用，體現(xiàn)了“腧穴所在，主治所在”的治療規(guī)律；同時(shí)迎香、下關(guān)、四白等穴位的應(yīng)用也十分常見(jiàn)，體現(xiàn)了“經(jīng)脈所過(guò)、主治所及”的治療規(guī)律；其用穴還體現(xiàn)了針灸辯證論治的特點(diǎn)以經(jīng)脈辨治為主，對(duì)經(jīng)脈的選擇中，特別重視對(duì)翳風(fēng)、合谷、風(fēng)池等祛風(fēng)解表穴位的應(yīng)用，體現(xiàn)了對(duì)病因辨證治療的原則。從分析結(jié)果可以看出，循經(jīng)取穴是針灸治療面癱的重要原則，特定穴的運(yùn)用是針灸處方的主要部分，這與針灸理論與臨床實(shí)踐是相符的。

5 結(jié)論

本文以大量針灸文獻(xiàn)為基礎(chǔ)，采用關(guān)聯(lián)規(guī)則挖掘方法，得出針灸治療面癱的用穴規(guī)律和配伍規(guī)律，為臨床醫(yī)生的治療方案提供了決策依據(jù)。 數(shù)據(jù)挖掘技術(shù)，對(duì)針灸臨床治療文獻(xiàn)海量數(shù)據(jù)的處理和分析有著重要的意義，其結(jié)果將為今后針灸臨床和科研提供新的思路和參考。

參考文獻(xiàn)：

[1] 梁繁榮，余曙光，李瑛，等.針灸治療貝爾麻痹臨床多中心隨機(jī)對(duì)照試驗(yàn)研究[J].中醫(yī)雜志，2004，45（8）：584.

[2] 馬麗偉.關(guān)聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應(yīng)用[M].南京：南京理工大學(xué)，2009.

[3] 宋新葵.一種新的改進(jìn)的Apriori算法[J].微計(jì)算機(jī)信息，2009，12（45）：78-81.

[4] Agrawal R，Mannila H，Srikant R，et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining，1996：327-328.

[5] Karaboga D，Basturk B.On the performance of Artificial Bee Colony（ABC） algorithm[J].Applied Soft Comprting， 2010，8（1）：687-697.

摘要：針灸腧穴規(guī)律在針灸臨床治療中起著十分重要的作用，針對(duì)古今針灸臨床治療方案數(shù)據(jù)量大、關(guān)聯(lián)性強(qiáng)的特點(diǎn)，運(yùn)用關(guān)聯(lián)分析中的Apriori算法，結(jié)合針灸學(xué)科特點(diǎn)和臨床診治規(guī)律，將經(jīng)過(guò)篩選轉(zhuǎn)換的數(shù)據(jù)在Weka平臺(tái)中分析，充分利用其中的類和可視化功能，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果。實(shí)驗(yàn)結(jié)果表明，基于WEKA的關(guān)聯(lián)規(guī)則挖掘技術(shù)能有效的為針灸腧穴規(guī)律研究提供信息支持。

關(guān)鍵詞： Weka；針灸腧穴規(guī)律；數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）07-1361-03

針灸學(xué)是以中醫(yī)理論為指導(dǎo)，在繼承和發(fā)揚(yáng)古代針灸學(xué)術(shù)思想和實(shí)踐經(jīng)驗(yàn)的基礎(chǔ)之上，運(yùn)用傳統(tǒng)和現(xiàn)代科學(xué)技術(shù)研究經(jīng)絡(luò)、腧穴、操作技能、治療法則、作用機(jī)制和防治疾病的一門(mén)學(xué)科，作為中醫(yī)學(xué)科體系中最具特色和優(yōu)勢(shì)的學(xué)科，以其獨(dú)特的治療方法和卓越的臨床療效得到了國(guó)內(nèi)外廣泛關(guān)注和高度重視。臨床上，由腧穴、施術(shù)方法和治療時(shí)間組成的針灸處方是實(shí)現(xiàn)針灸療效的重要條件，但在針灸臨床治療決策中，如何選取最優(yōu)化的針灸處方是針灸醫(yī)生面臨的一大難題。隨著信息技術(shù)的發(fā)展，醫(yī)學(xué)信息的迅猛增加，而人腦的儲(chǔ)存和處理信息的能力又有一定的局限性，因此會(huì)對(duì)臨床問(wèn)題的思考、信息的判斷、尋找解決問(wèn)題的辦法和制定臨床治療方案決策造成必然的困擾。

本文針對(duì)針灸臨床治療方案的數(shù)據(jù)特點(diǎn)，借鑒循證醫(yī)學(xué)的理念和方法整理、加工、更新以及評(píng)價(jià)古今針灸治療疾病的臨床證據(jù)，通過(guò)運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)、管理針灸診斷、治療疾病的古代和現(xiàn)代臨床證據(jù)以及相關(guān)針灸知識(shí)，結(jié)合針灸學(xué)科特點(diǎn)和臨床診治規(guī)律；通過(guò)對(duì)關(guān)聯(lián)規(guī)則及相關(guān)算法進(jìn)行分析，將針灸穴位數(shù)據(jù)與關(guān)聯(lián)規(guī)則相結(jié)合，將歷代針灸數(shù)據(jù)在WEKA軟件中進(jìn)行挖掘，得出用穴規(guī)律、腧穴配伍規(guī)律等的分析結(jié)果，從而指導(dǎo)醫(yī)生的臨床治療方案決策。

1 關(guān)聯(lián)規(guī)則挖掘算法

1.1 關(guān)聯(lián)規(guī)則挖掘的基本概念

關(guān)聯(lián)規(guī)則挖掘是指從事務(wù)數(shù)據(jù)庫(kù)，關(guān)系數(shù)據(jù)庫(kù)和其他信息存儲(chǔ)中的大量數(shù)據(jù)的項(xiàng)集之間發(fā)現(xiàn)有趣的、頻繁出現(xiàn)的模式、關(guān)聯(lián)和相關(guān)性。

1.2 APRIORI算法

經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法是Agrawal R提出的Apriori算法，該算法是利用大項(xiàng)目集的任一子集也一定是大的這一性質(zhì)。使用逐層搜索的迭代方法，利用K項(xiàng)集探索K+1項(xiàng)集，將原始數(shù)據(jù)結(jié)構(gòu)分層。Apriori算法的基本思想是生成特定規(guī)模的候選項(xiàng)目集，然后掃描數(shù)據(jù)庫(kù)并進(jìn)行計(jì)數(shù)，以確定這些候選項(xiàng)目集是大的。即掃描一次事務(wù)數(shù)據(jù)庫(kù)，找出頻繁1-項(xiàng)集的集合L1，基于L1來(lái)尋找所有可能的候選2-項(xiàng)集集合L2，類似上一步，L2用于尋找 L3，如此循環(huán)，直到不能找到頻繁項(xiàng)集。其中，候選項(xiàng)集的生成主要通過(guò)兩個(gè)步驟：連接和剪枝。即在第i趟掃描過(guò)程中，對(duì)候選項(xiàng)目集的集合Ci進(jìn)行計(jì)數(shù)，也就是說(shuō)用大項(xiàng)目集的集合Li生成Ci+1。只有一個(gè)項(xiàng)目集的所有子集都是大的，它才被認(rèn)為是一個(gè)候選。為了生成大小為i+1的候選，要對(duì)前一趟掃描發(fā)現(xiàn)的大項(xiàng)目集進(jìn)行連接運(yùn)算。

2 Weka的框架結(jié)構(gòu)

WEKA的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個(gè)運(yùn)行于Java平臺(tái)的開(kāi)源系統(tǒng)，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。

Weka主要提供了數(shù)據(jù)挖掘的框架結(jié)構(gòu)，集合了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，分類，回歸、聚類、關(guān)聯(lián)規(guī)則以及在新的交互式界面上的可視化。這些算法一般是直接應(yīng)用于一個(gè)數(shù)據(jù)集上，還可以在其他的Java代碼中調(diào)用。在這些數(shù)據(jù)挖掘算法生成模型時(shí)，用戶可以自定義算法的各個(gè)相關(guān)參數(shù)，并且可以實(shí)現(xiàn)對(duì)測(cè)試集的驗(yàn)證， 和對(duì)算法的比較。Weka提供了可編程的接口，使我們可以通過(guò)拓展算法來(lái)實(shí)現(xiàn)新的功能，同時(shí)Weka也允許我們通過(guò)調(diào)用它的公用包，在自己的項(xiàng)目中利用包中的算法實(shí)現(xiàn)相應(yīng)的功能。使用WEKA不僅支持本身提供的ARFF格式的數(shù)據(jù)，同時(shí)還提供了對(duì)CSV文件的支持，而這種格式是被很多其他軟件所支持的。此外，WEKA還提供了通過(guò)JDBC訪問(wèn)數(shù)據(jù)庫(kù)的功能。

3 Apriori算法在針灸腧穴規(guī)律中的應(yīng)用

在中醫(yī)藥領(lǐng)域，數(shù)據(jù)挖掘技術(shù)已應(yīng)用于中醫(yī)藥數(shù)據(jù)庫(kù)的建立、方劑配伍規(guī)律的研究、名老中醫(yī)經(jīng)驗(yàn)總結(jié)、中醫(yī)藥數(shù)據(jù)規(guī)范處理，以及臨床診斷、療效評(píng)價(jià)、處方分析、圖像識(shí)別等研究。目前，已有不少學(xué)者開(kāi)始將數(shù)據(jù)挖掘技術(shù)利用在臨床診療決策方面，而數(shù)據(jù)挖掘在針灸臨床決策的研究還處于起步階段，研究還比較少，主要是成都中醫(yī)藥大學(xué)的學(xué)者在從事這方面的研究，還有待進(jìn)一步的發(fā)展，使用數(shù)據(jù)挖掘方法來(lái)處理大量的針灸臨床數(shù)據(jù)已顯得十分重要。本研究挖掘工具采用Weka3.7開(kāi)放源代碼平臺(tái)，用Apriori方法，以貝爾面癱病例數(shù)據(jù)為例，找出其中的用穴規(guī)律。

3.1 數(shù)據(jù)選擇與處理

對(duì)于古代文獻(xiàn)數(shù)據(jù)參照了《中國(guó)針灸文獻(xiàn)提要》、《中國(guó)醫(yī)籍大辭典》《中國(guó)針灸薈萃·現(xiàn)存針灸醫(yī)籍卷》等書(shū)籍，選取影響范圍較大、傳播范圍廣的著作；對(duì)于現(xiàn)代文獻(xiàn)數(shù)據(jù)采用計(jì)算機(jī)檢索和手工檢索；數(shù)據(jù)以針灸療法治療貝爾面癱1400條醫(yī)案為例，取每條數(shù)據(jù)病名、針灸方法、穴位、療程等字段?，F(xiàn)代數(shù)據(jù)分為篇名、作者、病名、取穴等數(shù)據(jù)項(xiàng)。文獻(xiàn)錄入要保證忠實(shí)原始文獻(xiàn)并進(jìn)行規(guī)范，對(duì)難以規(guī)范需要特殊處理的內(nèi)容填入“備注”項(xiàng)。部分?jǐn)?shù)據(jù)如表1所示。

通過(guò)WEKA平臺(tái)使用關(guān)聯(lián)規(guī)則挖掘結(jié)果得出：針灸治療面癱地倉(cāng)、頰車兩穴使用頻次最高，療效最好。其他具體穴位使用頻次見(jiàn)表2。針灸治療面癱腧穴配伍規(guī)律中，頰車與地倉(cāng)兩穴配伍使用最多，他們的支持度和置信度都達(dá)到最高。具體配伍、置信度見(jiàn)表3。

通過(guò)對(duì)針灸治療面癱數(shù)據(jù)庫(kù)進(jìn)行分析，從用關(guān)聯(lián)規(guī)則挖掘結(jié)果并結(jié)合針灸專業(yè)知識(shí)進(jìn)行分析，其結(jié)果顯示：應(yīng)用針灸療法治療貝爾面癱的經(jīng)絡(luò)腧穴的應(yīng)用有明顯的規(guī)律特征。首先，從腧穴使用頻次分析來(lái)看，重視局部取穴，地倉(cāng)、頰車、陽(yáng)白、合谷、翳風(fēng)等面部穴位的應(yīng)用，體現(xiàn)了“腧穴所在，主治所在”的治療規(guī)律；同時(shí)迎香、下關(guān)、四白等穴位的應(yīng)用也十分常見(jiàn)，體現(xiàn)了“經(jīng)脈所過(guò)、主治所及”的治療規(guī)律；其用穴還體現(xiàn)了針灸辯證論治的特點(diǎn)以經(jīng)脈辨治為主，對(duì)經(jīng)脈的選擇中，特別重視對(duì)翳風(fēng)、合谷、風(fēng)池等祛風(fēng)解表穴位的應(yīng)用，體現(xiàn)了對(duì)病因辨證治療的原則。從分析結(jié)果可以看出，循經(jīng)取穴是針灸治療面癱的重要原則，特定穴的運(yùn)用是針灸處方的主要部分，這與針灸理論與臨床實(shí)踐是相符的。

5 結(jié)論

本文以大量針灸文獻(xiàn)為基礎(chǔ)，采用關(guān)聯(lián)規(guī)則挖掘方法，得出針灸治療面癱的用穴規(guī)律和配伍規(guī)律，為臨床醫(yī)生的治療方案提供了決策依據(jù)。 數(shù)據(jù)挖掘技術(shù)，對(duì)針灸臨床治療文獻(xiàn)海量數(shù)據(jù)的處理和分析有著重要的意義，其結(jié)果將為今后針灸臨床和科研提供新的思路和參考。

參考文獻(xiàn)：

[1] 梁繁榮，余曙光，李瑛，等.針灸治療貝爾麻痹臨床多中心隨機(jī)對(duì)照試驗(yàn)研究[J].中醫(yī)雜志，2004，45（8）：584.

[2] 馬麗偉.關(guān)聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應(yīng)用[M].南京：南京理工大學(xué)，2009.

[3] 宋新葵.一種新的改進(jìn)的Apriori算法[J].微計(jì)算機(jī)信息，2009，12（45）：78-81.

[4] Agrawal R，Mannila H，Srikant R，et al.Fast discovery of association rules[J].Advances in Knowledge Discovery and Data Mining，1996：327-328.

[5] Karaboga D，Basturk B.On the performance of Artificial Bee Colony（ABC） algorithm[J].Applied Soft Comprting， 2010，8（1）：687-697.