針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘系統(tǒng)開發(fā)

曹旭++金濤偉++董國娟

摘 要：本文主要闡述針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘系統(tǒng)平臺。針灸處方是我國傳統(tǒng)醫(yī)學(xué)寶庫中的奇葩，從古至今在臨床上為許多患者解除了病痛，其中蘊含著大量的信息，這些信息用傳統(tǒng)方式很難發(fā)現(xiàn)，通過數(shù)據(jù)挖掘能為我們提供處方下蘊含的深層知識。針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘平臺包含處方管理、功用查詢、關(guān)聯(lián)規(guī)則查詢和系統(tǒng)設(shè)置等全面功能，可以實現(xiàn)數(shù)據(jù)收集、整理、分析和關(guān)聯(lián)數(shù)據(jù)挖掘等功能。在針灸古方和臨床數(shù)據(jù)挖掘上有重要的應(yīng)用意義。

關(guān)鍵詞：針灸處方；腧穴配伍規(guī)律；數(shù)據(jù)挖掘；系統(tǒng)開發(fā)

中圖分類號：R255.2 文獻標識碼：A 文章編號：1671-2064（2017）02-0171-02

1 針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘平臺開發(fā)的意義

針灸學(xué)是中醫(yī)學(xué)的重要組成部分，屬于傳統(tǒng)經(jīng)驗醫(yī)學(xué)，是對病證病因病機的經(jīng)驗積累，加上臨床技能和臨床經(jīng)驗等實踐活動的一門綜合知識[1]。針灸學(xué)具有適應(yīng)癥廣、療效顯著、應(yīng)用方便、經(jīng)濟安全等優(yōu)點。在漫長的歷史發(fā)展過程中，積累了豐富的文獻資料。針灸古籍作為一種寶貴的文獻資料，以傳統(tǒng)的形式進行傳承和研究已經(jīng)不能滿足現(xiàn)代社會人們對信息獲取的需求。將紙本針灸古籍轉(zhuǎn)換為現(xiàn)代的數(shù)字化信息，并進行研究是針灸文獻研究的發(fā)展方向。透過數(shù)據(jù)的表面，通過一定的算法挖掘其深層次知識的過程就是數(shù)據(jù)挖掘。數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中獲取有效的、新穎的、具有潛在應(yīng)用價值的信息的過程，所以，針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘平臺的建立對針灸學(xué)的研究和發(fā)展具有重要意義[2]。

2 關(guān)于針灸處方數(shù)據(jù)挖掘的國內(nèi)外研究現(xiàn)狀

數(shù)據(jù)挖掘技術(shù)是一個多學(xué)科交叉研究領(lǐng)域，融合了數(shù)據(jù)庫技術(shù)、人工智能、機器學(xué)習(xí)、統(tǒng)計學(xué)等多學(xué)科的研究成果。數(shù)據(jù)挖掘技術(shù)的產(chǎn)生雖然只有十多年的歷史，但其在科學(xué)研究、金融投資、保險、醫(yī)療等行業(yè)都有廣泛應(yīng)用。將數(shù)據(jù)挖掘技術(shù)運用在中醫(yī)藥領(lǐng)域尚處于起步階段，近年來隨著數(shù)據(jù)挖掘的廣泛研究和應(yīng)用，目前已存在一些數(shù)據(jù)挖掘方法和算法，在中藥研究領(lǐng)域中，關(guān)聯(lián)規(guī)則挖掘技術(shù)關(guān)于方-藥-證-癥之間關(guān)系的研究已經(jīng)有所突破[3]。

3 針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘平臺

將數(shù)據(jù)挖掘應(yīng)用在針灸學(xué)領(lǐng)域，主要是研究腧穴運用規(guī)律、經(jīng)絡(luò)運用規(guī)律和特定穴運用規(guī)律分析等。腧穴運用規(guī)律就是尋找針灸處方中腧穴頻次、腧穴與腧穴間的關(guān)系等。針灸數(shù)據(jù)挖掘的研究主要圍繞選穴、配穴背后隱藏的信息，從而對針灸處方、腧穴和經(jīng)絡(luò)進行更深層次的關(guān)聯(lián)分析[4]。

3.1 處方數(shù)據(jù)的收集、整理和規(guī)范

原始的針灸數(shù)據(jù)雖然豐富，但由于數(shù)據(jù)的歷史年限較長，上至先秦，下至現(xiàn)代，記載的人員不同，語言不斷演變，內(nèi)容多樣，因此存在很多問題，例如數(shù)據(jù)不完整、結(jié)構(gòu)不一致、記錄重復(fù)、屬性冗余等，很難直接滿足數(shù)據(jù)挖掘算法的要求。因此，存在記錄方式簡單、數(shù)據(jù)不規(guī)范、標準不統(tǒng)一等問題，所以，數(shù)據(jù)在使用之前必須進行預(yù)處理。數(shù)據(jù)的預(yù)處理主要包括數(shù)據(jù)的抽取、數(shù)據(jù)的規(guī)范和噪音的處理[5]。古代處方中對于腧穴的描述中存在大量的“異穴同名”、“同名異穴”、“脈穴同名”的現(xiàn)象，比如：腧穴名稱“絲竹穴”在古文獻中又稱“巨髎、目髎”，針灸療法中的“穴位注射”又稱“水針”[6]。腧穴配伍規(guī)律研究要求穴位名稱必須規(guī)范，為了準確的從各種文獻中將針灸數(shù)據(jù)抽取，平臺中錄入的處方主要參考《中國針灸穴位通鑒》、《腧穴學(xué)》、《針灸穴名國際標準化手冊》《針灸大全》等書，以保證數(shù)據(jù)的一致性[7]。

3.2 建立處方數(shù)據(jù)庫

系統(tǒng)選用功能強大、簡單易用的面向?qū)ο缶幊陶Z言——Java語言作為框架，選用MySQL關(guān)系數(shù)據(jù)庫管理系統(tǒng)進行數(shù)據(jù)管理，將關(guān)聯(lián)數(shù)據(jù)保存在不同表中，數(shù)據(jù)高速、靈活如圖1所示。

3.3 建立數(shù)據(jù)挖掘模型，對處方的腧穴運用規(guī)律和關(guān)聯(lián)關(guān)系進行分析

數(shù)據(jù)挖掘可分為概念描述、聚集發(fā)現(xiàn)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、分類發(fā)現(xiàn)、回歸發(fā)現(xiàn)和序列模式發(fā)現(xiàn)等方法[8]。關(guān)聯(lián)分析是尋找在同一個事件中出現(xiàn)的不同項的相關(guān)性。用于規(guī)則發(fā)現(xiàn)的對象主要是事務(wù)型數(shù)據(jù)庫，關(guān)聯(lián)規(guī)則發(fā)現(xiàn)任務(wù)的本質(zhì)是在數(shù)據(jù)庫中發(fā)現(xiàn)強關(guān)聯(lián)規(guī)則，利用關(guān)聯(lián)規(guī)則了解數(shù)據(jù)間的關(guān)系[9]。關(guān)聯(lián)挖掘作為對大量數(shù)據(jù)中的數(shù)據(jù)項間關(guān)系描述的挖掘方法很適合中醫(yī)藥數(shù)據(jù)的挖掘。作為布爾關(guān)聯(lián)規(guī)則挖掘的最有效的算法-Apriori算法是頻繁項集挖掘的主要算法。平臺應(yīng)用Apriori算法對針灸處方腧穴運用規(guī)律等方面的關(guān)聯(lián)規(guī)則進行挖掘，并對挖掘數(shù)據(jù)進行分析，如圖2所示。

4 針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘平臺的應(yīng)用前景

針灸處方配穴規(guī)律和經(jīng)絡(luò)規(guī)律是針灸臨床研究的重要內(nèi)容，是針灸理論和治療特點的重要體現(xiàn)，建立針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘系統(tǒng)為針灸研究提供數(shù)據(jù)基礎(chǔ)，為針灸特色和規(guī)律研究提供突破口[10]。針灸處方腧穴配伍規(guī)律數(shù)據(jù)挖掘平臺改變了傳統(tǒng)針灸信息采集和大腦存儲處理的落后模式，為促進針灸科研水平，促進針灸現(xiàn)代化提供工具，利用針灸數(shù)據(jù)挖掘結(jié)果可以對針灸科學(xué)內(nèi)涵進行證明和闡述，為拓展針灸治療領(lǐng)域產(chǎn)生巨大的促進作用，為針灸特色和規(guī)律性研究提供新突破口，進而為癥候與選穴之間的關(guān)系、癥候與刺灸手法之間的關(guān)系，以及各種刺灸方法中量與效的規(guī)律等方面的研究提供技術(shù)支持[11]。

參考文獻：

[1]Luis Torgo. Data Mining with R[M].機械工業(yè)出版社，2012.

[2]王光宏，蔣平.數(shù)據(jù)挖掘綜述[J].同濟大學(xué)學(xué)報（自然科學(xué)版），2004（2）：112-118.

[3]陳曉紅.決策支持系統(tǒng)理論和應(yīng)用[M].清華大學(xué)出版社，2010.

[4]I.H.Witten and E. Frank. Data Mining： Practical Machine Learning Tools and Techniques[M].Morgan Kaufmann，2005.

[5]韓家煒.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機械工業(yè)出版社，2007.

[6]Xindong Wu， Vipin Kumar. Top Ten Alogorithms in Data Mining[M].清華大學(xué)出版社，2013.

[7]J.Han，H.Cheng， D. Xin， and X. Yan. Frequent pattern mining： Current status and future direction[J].Data Mining and Knowledge Discovery，2007（1）.

[8]Hand， D. J. Measuring classifier performance： A coherent alternative to the area under the roc curve[J].Machine Learning，2009.（1）：103-123.

[9]Hornik， K.， Buchta， C.， and Zeileis， A.， Open-source machine learning： R meets Weka[J].Computational Statistics，2009（2）：225-232.

[10]梁繁榮，吳曦.國外針灸發(fā)展現(xiàn)狀與展望.中國針灸[J].2006（2）：79-82.

[11]Muir Gray，湯金陵.循癥醫(yī)學(xué)-循癥醫(yī)療衛(wèi)生決策[M].北京：北京大學(xué)醫(yī)學(xué)出版社，2004.