基于数据挖掘的Ⅱ型糖尿病证候诊断标准模型建立及应用的研究
|
摘要
目的：以2型糖尿病证候诊断标准模型建立及应用的研究为切入点，探求证候诊断标准建立的方法。
方法：首先从Internet搜集了Fisher-iris数据；其次，通过计算机文献检索式检索，收集了从1984年～2005年间的中国生物医学文献光盘数据库及中国学术期刊全文数据库等文献资料；通过发放临床调查表，对2003～2006年来自河南中医学院一附院等三家医院的符合病例选择标准的门诊及住院的2型糖尿病患者进行临床调查。经数据预处理，建立文献数据库和临床数据库。选取人工神经网络(Artificial Neural Network，ANN)、模糊系统(fuzzy system，FS)，开展2型糖尿病证候诊断标准模型建立及应用的研究。用MATLAB6.5编程。
本论文采用动态科荷伦网络，它的输出结果能反映输入样本的图形分布特征，在联结权的调整中，使权的分布与输入样本的概率密度分布相似，在此基础上，通过增加动态神经元形成一种动态自适应神经网络。待动态层神经元稳定后，把输入层与动态层间的权值转换为模糊推理系统相应规则的属性隶属函数中心，通过与神经网络辨识率比较，不断调整模糊规则及相应的函数参数，最终获得最优模糊规则。模型通过Fisher-iris数据检验其可靠性，基于临床数据挖掘结果，参考文献数据挖掘结果，依据中医基础理论，获得2型糖尿病常见证候诊断标准，并通过测试数据检验其合理性。
结果：基于Fisher-iris数据，动态层稳定后神经元增至9个，获取3个模糊规则，采用测试样本检验，结果辨识率为94％。该模型用于文献数据，动态层稳定后神经元增加至22个，获取9个模糊规则，采用测试样本检验，结果辨识率为86％。基于临床数据的结果是动态层稳定后神经元增加至118个，获取的模糊规则数为24个，对临床数据测试样本的辨识率为74％。通过规则转换，主次症的筛选，根据常见证候判别设定及中医证候辩证标准，明确6个证型及其对应的主、次症，6个证型分别为气阴两虚证、血瘀证、肺燥津伤证、胃热炽盛证、湿热中阻证、肾阴亏虚证。
2型糖尿病常见证候诊断标准为：1)气阴两虚证：主症：倦怠乏力，舌质红，心悸，薄苔。次症：口渴多饮、脉细数、自汗、少苔、失眠多梦、五心烦热、口干舌燥、便干、气短、盗汗。2)肾阴亏虚证：主症：尿频尿多、红舌、腰膝酸软、糜泔脂膏。次症：少苔、脉细数、手足心热、口渴、耳鸣耳聋、口干舌燥、失眠多梦。3)血瘀证：主症：瘀斑舌、面色晦暗、脉弦、狄暗舌。次症：舌质暗红、肢体麻木、肢体疼痛。4)肿燥津伤证：主症：口渴多饮、红舌、咽干、口干舌燥、舌苔黄、尿多尿频。次症：薄苔、多食易饥。4)胃热炽盛证：主症：多食易饥、舌苔黄、便于、口渴多饮、红舌。次症：身热、急躁易怒、心悸、小便量多。5)湿热中阻证：主症：胃脘胀满、腻苔、舌苔黄、腹部胀满、身体困重。次症：舌质红、耳鸣耳聋、口苦、口渴多饮、口粘腻、口干舌燥。
结论：通过Fisher-iris数据检验模型，表明该方法所获取的模糊分类规则以较高的精度反映了学习样本集中存在的规律性，说明了模型的可靠性。通过比较基于文献数据模型挖掘结果，与基于临床数据获得的结果中的气阴两虚证、血瘀证、肺燥津伤证、肾阴虚证四个证型分别对应的主、次症基本相同，挖掘的结果说明了该模型可用于2型糖尿病证候诊断标准的研究。
Objective: To explore methods for establishing diagnostic criterion of TCM (traditional Chinese medicine) syndrome differentiation by studying the set-up of diagnostic standard model of syndrome differentiation of Type 2 diabetes . Methods: Our research was carried out in the following steps: collecting the Fisher-iris data of model check-up ,which is popular in the world; Secondly, the document data from 1984 to 2005 on type 2 diabetes syndromes was gathered by way of document datebase index on Internet(such as CBMdisc and CNKI ). By clinical epidemiological investigation, and clinical questionnaires of the patients, pooling the clinical data from the diagnosed patients of Type 2 diabetes,who were met with the selective criterion, from No.1 Affiliated Hospital of Henan College of TCM and Anyang TCM Hospital and Kaifeng TCM Hospital in 2003 - 2006, and establishing document data-base and clinical data-base on the basis of preprocessed. The study of standard model establishment and application of syndromes diagnosis criterion was made by use of Artificial Neural Network(ANN) and fuzzy system (FS). And a finally programming was completed with MATLAB 6.5.The successive procedures included setting up dynamic kohonen net model, that is, based on it, increasing formation of dynamic neuron in order to make up a dynamic adaptive kohonen net, whose output could reflect the distributive characteristics of sample input chart. The whole process still continued with following procedures: after dynamic neurons being stable, changing weight vector between input layer and dynamic layer into fuzzy inference system and corresponding regular subsidiary function centre, and further repeatedly adjusting fuzzy regulations and corresponding function parameter in accordance with recognition value and thus obtaining the most optimal fuzzy regulations. The model reliability was tested with Fisher-iris data check-up. With this model the clinical data was explored and in accordance of TCM basic theories, the diagnostic criterion of syndrome differentiation of Type 2 diabetes was achieved, whose rationality was, too, determined.
Result: Based on the Fisherman-Iris data, When the dynamic layer was turn into stability, Nine neurons in the dynamic layer of the neuron model obtained by dynamic study, the correct recognition rate of the sample test was 94%. The result gained based on document data was that The composition of 22 neuron group in the dynamic layer with the dynamic study in the method and The rate of coincidence identity of test sample was almost 86%. The outcome obtained based on clinical data showed that The composition of 118 neuron group in the dynamic layer with the dynamic study in the method and The rate of coincidence identity of test sample was almost 74%. It was clear for the 6 syndromes to be differentiated according to the main symptom and the subsymptom by transformed rule and the selected coordinate of Primary symptoms and Subsidiary symptoms and differentiated syndrome criterion of TCM. The 6 syndromes were deficiency syndrome of both qi and yin(DSBQY), deficiency syndrome of kidney-yin(DSKY), blood stasis syndrome (BSS), syndrome of lung-heat exhausting the body fluid(SLHEB), syndrome of dominant of hyperheat of stomach(SDHS), syndrome of obstruction by dampness and heat(SODH).
Common syndromes diagnosis criterion of type 2 diabetes include such 6 types as:1) DSBQY consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included lassitude, red tongue, palpitation, thin fur on the tongue. Subsidiary symptoms included thirst and polydipsia, thready and rapid pulse, spontaneous sweating, scandy fur, insomnia and dream-disturbed sleep, feverish sensation in the chest, palms and soles, dryness of the mouth and the tongue, dry stools, shortness of breath, night sweating. 2)DSKY consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included frequent urination, polyuria, red tongue, lassitude in lumbus and limp knees, rice-water urine and lipuria. Subsidiary symptoms included scandy fur on the tongue, thready and rapid pulse, feverish sensation in the palms and soles, thirst, tinnitus and deafness, dryness of the mouth and the tongue, insomnia and dream-disturbed sleep. 3) BSS consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included ecchymosis in the tongue, tarnished complexion, taut pulse, dark and grayish tongue. Subsidiary symptoms included dark red tongue, numbness of the four limbs, pain of the four limbs.4) SLHEB consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included thirst and polydipsia, red tongue, dryness of the throat, yellow fur on the tongue, frequent urination, polyuria. Subsidiary symptoms included thin fur on the tongue, polyphagia and frequent hunger.5) SDHS consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included eat more and hungry, yellow moss, constipation, thirsty and drink more, red tongue. Subsidiary symptoms included heat body, tantrum, heartbeats, more urinate. 6) SODH consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included feel tightness in the stomach, greasy tongue, yellow moss, feel tightness in the abdomen, fatigue. Subsidiary symptoms included red tongue, tinnitus, bitter mouth, thirsty and drink much, greasy mouth, dry mouth and dry tongue.
Conclusion: The result of the fisherman-Iris data showed that the fuzzy classification rules expressed in higher accuracy the law lies in learning sample and proved the reliablity of the model. By comparing the result gained based on document data with the outcome obtained based on clinical data, it were found for DSBQY, BSS, SLHEB, DSKY to have the same Primary symptoms and Subsidiary symptoms, the result showed the model could be used for the study on syndromes diagnosis standard system of type 2 diabetes.
方法：首先从Internet搜集了Fisher-iris数据；其次，通过计算机文献检索式检索，收集了从1984年～2005年间的中国生物医学文献光盘数据库及中国学术期刊全文数据库等文献资料；通过发放临床调查表，对2003～2006年来自河南中医学院一附院等三家医院的符合病例选择标准的门诊及住院的2型糖尿病患者进行临床调查。经数据预处理，建立文献数据库和临床数据库。选取人工神经网络(Artificial Neural Network，ANN)、模糊系统(fuzzy system，FS)，开展2型糖尿病证候诊断标准模型建立及应用的研究。用MATLAB6.5编程。
本论文采用动态科荷伦网络，它的输出结果能反映输入样本的图形分布特征，在联结权的调整中，使权的分布与输入样本的概率密度分布相似，在此基础上，通过增加动态神经元形成一种动态自适应神经网络。待动态层神经元稳定后，把输入层与动态层间的权值转换为模糊推理系统相应规则的属性隶属函数中心，通过与神经网络辨识率比较，不断调整模糊规则及相应的函数参数，最终获得最优模糊规则。模型通过Fisher-iris数据检验其可靠性，基于临床数据挖掘结果，参考文献数据挖掘结果，依据中医基础理论，获得2型糖尿病常见证候诊断标准，并通过测试数据检验其合理性。
结果：基于Fisher-iris数据，动态层稳定后神经元增至9个，获取3个模糊规则，采用测试样本检验，结果辨识率为94％。该模型用于文献数据，动态层稳定后神经元增加至22个，获取9个模糊规则，采用测试样本检验，结果辨识率为86％。基于临床数据的结果是动态层稳定后神经元增加至118个，获取的模糊规则数为24个，对临床数据测试样本的辨识率为74％。通过规则转换，主次症的筛选，根据常见证候判别设定及中医证候辩证标准，明确6个证型及其对应的主、次症，6个证型分别为气阴两虚证、血瘀证、肺燥津伤证、胃热炽盛证、湿热中阻证、肾阴亏虚证。
2型糖尿病常见证候诊断标准为：1)气阴两虚证：主症：倦怠乏力，舌质红，心悸，薄苔。次症：口渴多饮、脉细数、自汗、少苔、失眠多梦、五心烦热、口干舌燥、便干、气短、盗汗。2)肾阴亏虚证：主症：尿频尿多、红舌、腰膝酸软、糜泔脂膏。次症：少苔、脉细数、手足心热、口渴、耳鸣耳聋、口干舌燥、失眠多梦。3)血瘀证：主症：瘀斑舌、面色晦暗、脉弦、狄暗舌。次症：舌质暗红、肢体麻木、肢体疼痛。4)肿燥津伤证：主症：口渴多饮、红舌、咽干、口干舌燥、舌苔黄、尿多尿频。次症：薄苔、多食易饥。4)胃热炽盛证：主症：多食易饥、舌苔黄、便于、口渴多饮、红舌。次症：身热、急躁易怒、心悸、小便量多。5)湿热中阻证：主症：胃脘胀满、腻苔、舌苔黄、腹部胀满、身体困重。次症：舌质红、耳鸣耳聋、口苦、口渴多饮、口粘腻、口干舌燥。
结论：通过Fisher-iris数据检验模型，表明该方法所获取的模糊分类规则以较高的精度反映了学习样本集中存在的规律性，说明了模型的可靠性。通过比较基于文献数据模型挖掘结果，与基于临床数据获得的结果中的气阴两虚证、血瘀证、肺燥津伤证、肾阴虚证四个证型分别对应的主、次症基本相同，挖掘的结果说明了该模型可用于2型糖尿病证候诊断标准的研究。
Objective: To explore methods for establishing diagnostic criterion of TCM (traditional Chinese medicine) syndrome differentiation by studying the set-up of diagnostic standard model of syndrome differentiation of Type 2 diabetes . Methods: Our research was carried out in the following steps: collecting the Fisher-iris data of model check-up ,which is popular in the world; Secondly, the document data from 1984 to 2005 on type 2 diabetes syndromes was gathered by way of document datebase index on Internet(such as CBMdisc and CNKI ). By clinical epidemiological investigation, and clinical questionnaires of the patients, pooling the clinical data from the diagnosed patients of Type 2 diabetes,who were met with the selective criterion, from No.1 Affiliated Hospital of Henan College of TCM and Anyang TCM Hospital and Kaifeng TCM Hospital in 2003 - 2006, and establishing document data-base and clinical data-base on the basis of preprocessed. The study of standard model establishment and application of syndromes diagnosis criterion was made by use of Artificial Neural Network(ANN) and fuzzy system (FS). And a finally programming was completed with MATLAB 6.5.The successive procedures included setting up dynamic kohonen net model, that is, based on it, increasing formation of dynamic neuron in order to make up a dynamic adaptive kohonen net, whose output could reflect the distributive characteristics of sample input chart. The whole process still continued with following procedures: after dynamic neurons being stable, changing weight vector between input layer and dynamic layer into fuzzy inference system and corresponding regular subsidiary function centre, and further repeatedly adjusting fuzzy regulations and corresponding function parameter in accordance with recognition value and thus obtaining the most optimal fuzzy regulations. The model reliability was tested with Fisher-iris data check-up. With this model the clinical data was explored and in accordance of TCM basic theories, the diagnostic criterion of syndrome differentiation of Type 2 diabetes was achieved, whose rationality was, too, determined.
Result: Based on the Fisherman-Iris data, When the dynamic layer was turn into stability, Nine neurons in the dynamic layer of the neuron model obtained by dynamic study, the correct recognition rate of the sample test was 94%. The result gained based on document data was that The composition of 22 neuron group in the dynamic layer with the dynamic study in the method and The rate of coincidence identity of test sample was almost 86%. The outcome obtained based on clinical data showed that The composition of 118 neuron group in the dynamic layer with the dynamic study in the method and The rate of coincidence identity of test sample was almost 74%. It was clear for the 6 syndromes to be differentiated according to the main symptom and the subsymptom by transformed rule and the selected coordinate of Primary symptoms and Subsidiary symptoms and differentiated syndrome criterion of TCM. The 6 syndromes were deficiency syndrome of both qi and yin(DSBQY), deficiency syndrome of kidney-yin(DSKY), blood stasis syndrome (BSS), syndrome of lung-heat exhausting the body fluid(SLHEB), syndrome of dominant of hyperheat of stomach(SDHS), syndrome of obstruction by dampness and heat(SODH).
Common syndromes diagnosis criterion of type 2 diabetes include such 6 types as:1) DSBQY consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included lassitude, red tongue, palpitation, thin fur on the tongue. Subsidiary symptoms included thirst and polydipsia, thready and rapid pulse, spontaneous sweating, scandy fur, insomnia and dream-disturbed sleep, feverish sensation in the chest, palms and soles, dryness of the mouth and the tongue, dry stools, shortness of breath, night sweating. 2)DSKY consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included frequent urination, polyuria, red tongue, lassitude in lumbus and limp knees, rice-water urine and lipuria. Subsidiary symptoms included scandy fur on the tongue, thready and rapid pulse, feverish sensation in the palms and soles, thirst, tinnitus and deafness, dryness of the mouth and the tongue, insomnia and dream-disturbed sleep. 3) BSS consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included ecchymosis in the tongue, tarnished complexion, taut pulse, dark and grayish tongue. Subsidiary symptoms included dark red tongue, numbness of the four limbs, pain of the four limbs.4) SLHEB consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included thirst and polydipsia, red tongue, dryness of the throat, yellow fur on the tongue, frequent urination, polyuria. Subsidiary symptoms included thin fur on the tongue, polyphagia and frequent hunger.5) SDHS consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included eat more and hungry, yellow moss, constipation, thirsty and drink more, red tongue. Subsidiary symptoms included heat body, tantrum, heartbeats, more urinate. 6) SODH consisted of Primary symptoms and Subsidiary symptoms. Primary symptoms included feel tightness in the stomach, greasy tongue, yellow moss, feel tightness in the abdomen, fatigue. Subsidiary symptoms included red tongue, tinnitus, bitter mouth, thirsty and drink much, greasy mouth, dry mouth and dry tongue.
Conclusion: The result of the fisherman-Iris data showed that the fuzzy classification rules expressed in higher accuracy the law lies in learning sample and proved the reliablity of the model. By comparing the result gained based on document data with the outcome obtained based on clinical data, it were found for DSBQY, BSS, SLHEB, DSKY to have the same Primary symptoms and Subsidiary symptoms, the result showed the model could be used for the study on syndromes diagnosis standard system of type 2 diabetes.
引文
[1] 沈洪兵，徐耀初，俞顺章，等．我国糖尿病的发病变化及其经济负担研究．1998年全国糖尿病防治学术会议论文汇编．武汉．1998，5．
[2] WHO Technical Report Series,No.844,1994(Prevention of Diabetes Mellitus. Report of WHO Study Group). WHO,Geneva.
[3] 中华人民共和国卫生部．1996～2000年国家糖尿病防治规划纲要[J]．中国糖尿病杂志，1996，4(2)：123．
[4] 陈小野，邹世洁．脾气虚证多态性的初步探讨[J]．中医杂志，1996，37(2)：113
[5] 吕人和．糖尿病及其并发症中西医结合诊治学[M]．北京：人民卫生出版社，1997，238～243．
[6] 朱维军，王军，王贺明．临床智能诊断的神经——模糊方法[J]．数理医学杂志，2004，17(1)：65～68
[7] 刘晋平，黄宇虹，陆小左．数据挖掘在中医脉诊中的应用[J]．天津中医学院学报，2003，22(3)：9～10．
[8] 尹海娥，曾衍军，任志浩，等．基于模糊神经网络的自适应噪声消除方法在视觉诱发电位提取中的应用[J]．航天医学与医学工程，2004，17(4)：244～247．
[9] 罗森林，成华，顾巯清，等[J]．C4.5算法在2型糖尿病分类规则建立中的应用[J]．计算机应用研究，2004，(7)：174～179．
[10] 戴浩，方思行．中医辅助诊断中带复合项的关联规则挖掘算法[J]．暨南大学学报，2005，26(3)：337～349．
[11] 罗森林，成华，顾巯清，等．数据挖掘在2型糖尿病数据处理中的应用[J]．计算机工程与设计，2004，25(11)：1888～1891．
[12] 杜文斌．基于神经网络的冠心病证候诊断标准与药效评价模型研究[D]．沈阳市：辽宁中医学院博士论文，2004．
[13] 胡随瑜，唐风英，喻长远，等．前馈反向传播网络在抑郁症中医证型分类的仞步研究[J]．中医杂志，2004，45(7)：532．
[14] 徐蕾，贺佳，孟虹，等．基于信息熵的决策树在慢性胃炎中医辨证中的应用[J]．第二军医大学学报，2004，25(9)：1009～1012．
[15] 祝惠民主编．内科学．第四版．北京：人民卫生出版社，2001：401～409．
[16] 朱文锋(主编)．中医内科疾病诊疗常规[M]．长沙市：湖南科学技术出版社，1999：388～390
[17] 贝政平(主编)．内科疾病诊断标准[M]．北京：科学出版社，2001：1674～ 1676．
[18] 郑筱萸(主编)．中药新药临床研究指导原则(试行)[M]．北京：中国医药科技出版社，2002：233～237．
[19] Kennedy, R.L. etal. Solving Data Problems Through Pattern Recognition, Prentice Hall, Upper Saddle River:NJ, 1998.
[20] Weiss, S.M. and N. Indurkhya, Predictive Data Ming:a Practical Guide, Morgan Kaufman Publishers, San Francisco, 1998.
[21] Tukey，J．W．(1962)．数据分析的未来 Ann．Statist．33，1-67．
[22] Mehmed Kantardzic着，闪四清等译．数据挖掘：概念、模型、方法和算法[M]．北京：清华大学出版社，2003，1～7．
[23] Hand,D.,H.Manniala,P.Smith,Principles of Data Mining, MIT Press, Cambridge: MA, 2001.
[24] Westphal,C.and T.Blaxton,Data Mining Solutions:Methods and Tools for Solving Real-World Problems,John Wiley,New York, 1998.
[25] Berson, A.,S.Smith,K.Thearling,Building Data Ming Applications for CRM, McGraw-Hill, NewYork, 2000.
[26] Han, J.and M.Kamber, Data Ming:Concepts and Techniques, Morgan Kaufmann, San Francisco, 2000.
[27] Inmon W.H.Hackathorm R.Using the Warehouse.John Wiley & Sons,1998: 50—150.
[28] Berthold,M.and D.J, Hand,eds.,Intelligent Data Analysis-An Introduction, Springer, Berlin, 1999.
[29] 张文彤．SPSS11.0统计分析教程[M]．北京：北京希望电子出版社，2002．166-177．
[30] Han,J.and M.Kamber, DataMining:Concepts and Techniques,Morgan Kaufmann, San Francisco,2000.
[31] Hand, D.Mannila,H.Smith.P, Principle of Data Mining, MIT Press, Cambridge: MA, 2001.
[32] Jain,A.K,M.NMURTY, P.J.Flynn.Data Clustering: A Review, ACM Computing Surveys.31,no.3,(September 1999):264-323.
[33] Quinlan, J.R.,C45:Programs for Machine Learning, Morgan Kaufmann, San Mateo:CA, 1992.
[34] 丁祥武，杨莹数据挖掘在医学上的应用[J]．郧阳医学院学报．1999，18(3)：149～151．
[35] 袁曾任．人工神经元网络及其应用[M]．北京：清华大学出版社，1999：26．
[36] 丛爽编．面向MATLAB工具箱的神经网络理论与应用[M]．第二版，合肥：中国科学技术大学出版社，2003：127-149．
[37] 吴晓莉，林哲辉等编着．MATLAB辅助模糊系统设计[M]．西安：西安电子科技大学出版社，2002：125．
[38] 张国良，曾静，柯熙政，邓方林．模糊控制及其MATLAB应用[M]．西安：西安交通大学出版社，2002：28．
[39] Goldenberg,D.E.,Genetic Algorithms in Search,Optimization and Machine Learning, Addison Wesley, Reading:MA, 1889.
[40] Michalewicz,Z.,GeneticAlgorithms+DataStructures=EvolutionPrograms,Springer, Berlin:Germany, 1999.
[41] Spence,R.,Information Visualization,Addison Wesley, Harlow:England,2001.
[42] Westphal,C.andT.Blaxton,Data Mining Solutions:Methods and Tools for Solving Real-World Problems,John Wiley, New York,1998.
[43] 闻新，周露，李翔，张宝伟．MATLAB神经网络仿真与应用[M]．北京：科学出版社，2003：28-320．
[44] Hagan, M.T., H.B.Demuth, M.Beale,Neural Network design, ,PWS Publishing Co., Boston, 1996.
[45] Haykin,S.,Neural Network:A Comprehensive Foundation,Prentice Hall,Upper Saddle River:NJ, 1999.
[46] Zurada,J.M.,Introduvtion to Artificial Neural Systems, West Publishing Co., StPaul: MN 1992.
[47] Klir, G.J.and B.Yuan,Fuzzy Sets and Fuzzy Logic:Theory and Applications, Prentice Hall, Upper Saddle River: NJ, 1995.
[48] Li,H.X.andV.C.Yen,Fuzzy Sets and Fuzzy Decision-Making, CRC Press, BocaRaton, 1995.
[49] Pal,S.K. and S.Mitra, Neuro-Fuzzy Pattern Recognition:Methods in Soft Computing, John Wiley, New York, 1999.
[50] Pedrycz,W.and F.Gomide,An Introduction to Fuzzy Sets:Analysis and Design, MIT Press, Cambridge, 1998.
[51] 孙杰，曹莉莉，宋凯．一种基于神经网络的模糊知识自动获取方法[J]．沈阳工业学院学报，1998，(3)．
[52] 贺英．计算智能研究及其集成应用[D]．青岛市：中国海洋大学硕士论文， 2003．
[53] 刘增良等．诸模糊逻辑与神经网络[M]．北京：北京航空航天大学出版社，1996．
[1] 梁茂新．中医证研究的困与对策(第一版)[M]．北京：人民卫生出版社，1998．
[2] 黄培生．新的中医诊疗体系设想[J]．广州中医药大学学报，1998，15(2)：147～148．
[3] 中华全国中医内科学会．心痹诊断及疗效评定标准[J]．中国医药学报，1988，3(2)：66．
[4] 陈小野．证候实质研究中弱特异性的正面观[J]．医学与哲学，1995，(6)：311．
[5] 危北海．中医脾胃学说临床研究[M]．北京：北京出版社，1993．
[6] 孔薇，王钢，邹燕勤等．慢性肾功能衰竭中医证型标准化探讨[J]．南京中医药大学学报，1999，15(1)：17～19．
[7] 王鹏，董祥，任中代．肺阳虚证诊断标准初探[J]．湖北中医学院学报，2004，6(1)：26～28．
[8] 田金州，韩明向，涂晋文，等．血管性痴呆诊断辨证及疗效平定标准(研究用)[J]．中国老年学杂志，2002，22：329～331．
[9] 刘士敬，林佩冲，中医各系统病证脾气虚证诊断因素的多元逐步回归分析[J]．甘肃中医学院学报，1996，3(1)：9～12．
[10] 沈自尹．中医虚证辨证参考标准[J]．中西医结合杂志，1986，(10)：599．
[11] 刘健，严庆慈，王宝玉．脾虚证泄泻与非泄泻患者的临床比较研究(附90例资料分析)[J]．安徽中医学院学报，1992，(1)：20．
[12] 杨春波，柯晓，李秀鹃．脾胃湿热证的临床研究[J]．福建中医学院学报 1999 9(4)：1
[13] 第二届全国活血化瘀研究学术会议修订．血瘀证诊断标准[J]．中西医结合杂志，1987，7(3)：129．
[14] 邹利元，徐勇，甘仲霖．2型糖尿病合并脑梗死危险因素分析[J]．泸州医学院学报，2003．26(1)：33
[15] 危北海．宏观辨证与微观辩证结合的研究[J]．中国中西医结合杂志，1991，11(5)：301～303．
[16] “中风病证候学与临床诊断的研究“课研协作组．《中风病证候诊断标准》的临床验证的研究[J]，北京中医药大学学报，1994，17(6)：41．
[17] 陈家旭，陈青红，徐洪雁，等．肝郁证候宏观辨证标准的文献计量学研究[J]．北京中医药大学学报，2004，27(4)：1～4．
[18] 汪受传，何丽，任现志，等．小儿病毒性肺炎证候特征量化的初步研究[J]．辽宁中医杂志，2003，30(11)：875．
[19] 王阶，姚魁伍．中医学证候量化诊断研究现状与思考[J]．世界科学技术—中医药现代化*中医理论的科学特点，2003，5(5)．
[20] 严石林，李炜弘，王米渠，等．寒症辨证因子等级量化操作标准的研究[J]．中国中医药信息杂志，2002，9(8)：64～66．
[21] 吴圣贤，林求诚，王永炎．脑动脉硬化证中医辨证计量诊断的回顾性研究[J]．北京中医药大学学报，2001，24(1)：59～63．
[22] 梁俊雄，吴永毅，罗丹峰．脾虚证计算机量化诊断的探索[J]．广州中医药大学学报，1994，14(4)：229～232．
[23] 严石林，张连文，王米渠，等．肾虚证辨证因子等级评判操作标准的研究[J]．成都中医药大学学报，2001，24(1)：56～59．
[24] 陈家旭，陈青红，徐洪雁，等．肝郁证候宏观辨证标准的文献计量学研究[J]．北京中医药大学学报，2004，27(4)：1～4．
[25] 赖世隆，曹桂婵，梁伟雄，等．中医证候的数理统计基础及血瘀证宏观辨证计量化初探[J]．中国医药学报，1988，3(6)：27．
[26] 朱佳，吴刚，王德钧，等．慢性肺源性心脏病中医辨证分型标准的临床研究[J]．江苏中医药，2004，25(3)：23～26．
[27] 李先涛，赖世隆，梁伟雄，等．建立急性缺血性中风气虚血瘀证诊断标准的方法学探讨[J]．广州中医药大学学报，2000，17(3)：218．
[28] 吴大嵘，梁伟雄，温泽淮，等．建立中风病血瘀证宏观辨证量化标准的方法探讨[J]．广州中医药大学学报，1999，16(4)：249．
[29] 申春悌，张华强．400例更年期综合症临床证候诊断标准现场调查分析[J]．中国中西医结合杂志，2004，24(6)：517～520．
[30] 王阶．血瘀证诊断标准及定量诊断．陈可冀，史载祥主编．实用血瘀证学[M]．北京：人民卫生出版社，1999：22～23．
[31] 李建生，余学庆，胡金亮，等．中医证候标准建立的思路与方法[J]．河南中医学院学报，2004，19(6)：4．
[32] 任占利，郭蓉鹃．中风病中医证候诊断标准的研究[J]．北京中医药大学学报，1996，19(4)：49～50．
[33] 刘超，张永祥．建立传统中医药与多学科协作平台促进中医药现代化[J]．世界科学技术—中医药现代化专论，2003，5(4)：45～48．
[34] 祝谌予，郭赛珊，梁晓春．对糖尿病中医辩证标准及施治方药的探讨[J]．上海中医药杂志，1982，(6)：5．
[35] 吕人和．糖尿病及其并发症中西医结合诊治学[M]．北京：人民卫生出版社，1997，238～243．
[36] 张洪，魏之玉，霍青，等．老年前期及老年期2型糖尿病患者骨密度变化及其与中医辨证分型间的关系[J]．中医正骨，1998，10(2)：10～11．
[37] 张清梅，陈泽奇，刘英哲，等．1490例2型糖尿病及其并发症临床辨证分型调查分析[J]．湖南中医学院学报，2004，24(5)：33～37．
[38] 张延群，和贵章，韩清，等．2080例糖尿病患者临床症状谱流行病学患者调查研究[J]．新中医，2004，36(11)：42～44．
[39] 李建生，胡金亮，余学庆，等．基于聚类分析的径向基神经网络用于证候诊断的研究[J]．中国中医基础医学杂志，2005，11(9)：685．
[40] 李建生，胡金亮，余学庆，等．用于中医证候诊断的神经网络模型的探索[J]．河南中医学院学报，2005，20(3)．6．
[41] 李建生，胡金亮，岳彩青．自组织神经模糊推理系统用于证候诊断的研究[J]．《计算机仿真》，2006，23(3)：117～119．
[2] WHO Technical Report Series,No.844,1994(Prevention of Diabetes Mellitus. Report of WHO Study Group). WHO,Geneva.
[3] 中华人民共和国卫生部．1996～2000年国家糖尿病防治规划纲要[J]．中国糖尿病杂志，1996，4(2)：123．
[4] 陈小野，邹世洁．脾气虚证多态性的初步探讨[J]．中医杂志，1996，37(2)：113
[5] 吕人和．糖尿病及其并发症中西医结合诊治学[M]．北京：人民卫生出版社，1997，238～243．
[6] 朱维军，王军，王贺明．临床智能诊断的神经——模糊方法[J]．数理医学杂志，2004，17(1)：65～68
[7] 刘晋平，黄宇虹，陆小左．数据挖掘在中医脉诊中的应用[J]．天津中医学院学报，2003，22(3)：9～10．
[8] 尹海娥，曾衍军，任志浩，等．基于模糊神经网络的自适应噪声消除方法在视觉诱发电位提取中的应用[J]．航天医学与医学工程，2004，17(4)：244～247．
[9] 罗森林，成华，顾巯清，等[J]．C4.5算法在2型糖尿病分类规则建立中的应用[J]．计算机应用研究，2004，(7)：174～179．
[10] 戴浩，方思行．中医辅助诊断中带复合项的关联规则挖掘算法[J]．暨南大学学报，2005，26(3)：337～349．
[11] 罗森林，成华，顾巯清，等．数据挖掘在2型糖尿病数据处理中的应用[J]．计算机工程与设计，2004，25(11)：1888～1891．
[12] 杜文斌．基于神经网络的冠心病证候诊断标准与药效评价模型研究[D]．沈阳市：辽宁中医学院博士论文，2004．
[13] 胡随瑜，唐风英，喻长远，等．前馈反向传播网络在抑郁症中医证型分类的仞步研究[J]．中医杂志，2004，45(7)：532．
[14] 徐蕾，贺佳，孟虹，等．基于信息熵的决策树在慢性胃炎中医辨证中的应用[J]．第二军医大学学报，2004，25(9)：1009～1012．
[15] 祝惠民主编．内科学．第四版．北京：人民卫生出版社，2001：401～409．
[16] 朱文锋(主编)．中医内科疾病诊疗常规[M]．长沙市：湖南科学技术出版社，1999：388～390
[17] 贝政平(主编)．内科疾病诊断标准[M]．北京：科学出版社，2001：1674～ 1676．
[18] 郑筱萸(主编)．中药新药临床研究指导原则(试行)[M]．北京：中国医药科技出版社，2002：233～237．
[19] Kennedy, R.L. etal. Solving Data Problems Through Pattern Recognition, Prentice Hall, Upper Saddle River:NJ, 1998.
[20] Weiss, S.M. and N. Indurkhya, Predictive Data Ming:a Practical Guide, Morgan Kaufman Publishers, San Francisco, 1998.
[21] Tukey，J．W．(1962)．数据分析的未来 Ann．Statist．33，1-67．
[22] Mehmed Kantardzic着，闪四清等译．数据挖掘：概念、模型、方法和算法[M]．北京：清华大学出版社，2003，1～7．
[23] Hand,D.,H.Manniala,P.Smith,Principles of Data Mining, MIT Press, Cambridge: MA, 2001.
[24] Westphal,C.and T.Blaxton,Data Mining Solutions:Methods and Tools for Solving Real-World Problems,John Wiley,New York, 1998.
[25] Berson, A.,S.Smith,K.Thearling,Building Data Ming Applications for CRM, McGraw-Hill, NewYork, 2000.
[26] Han, J.and M.Kamber, Data Ming:Concepts and Techniques, Morgan Kaufmann, San Francisco, 2000.
[27] Inmon W.H.Hackathorm R.Using the Warehouse.John Wiley & Sons,1998: 50—150.
[28] Berthold,M.and D.J, Hand,eds.,Intelligent Data Analysis-An Introduction, Springer, Berlin, 1999.
[29] 张文彤．SPSS11.0统计分析教程[M]．北京：北京希望电子出版社，2002．166-177．
[30] Han,J.and M.Kamber, DataMining:Concepts and Techniques,Morgan Kaufmann, San Francisco,2000.
[31] Hand, D.Mannila,H.Smith.P, Principle of Data Mining, MIT Press, Cambridge: MA, 2001.
[32] Jain,A.K,M.NMURTY, P.J.Flynn.Data Clustering: A Review, ACM Computing Surveys.31,no.3,(September 1999):264-323.
[33] Quinlan, J.R.,C45:Programs for Machine Learning, Morgan Kaufmann, San Mateo:CA, 1992.
[34] 丁祥武，杨莹数据挖掘在医学上的应用[J]．郧阳医学院学报．1999，18(3)：149～151．
[35] 袁曾任．人工神经元网络及其应用[M]．北京：清华大学出版社，1999：26．
[36] 丛爽编．面向MATLAB工具箱的神经网络理论与应用[M]．第二版，合肥：中国科学技术大学出版社，2003：127-149．
[37] 吴晓莉，林哲辉等编着．MATLAB辅助模糊系统设计[M]．西安：西安电子科技大学出版社，2002：125．
[38] 张国良，曾静，柯熙政，邓方林．模糊控制及其MATLAB应用[M]．西安：西安交通大学出版社，2002：28．
[39] Goldenberg,D.E.,Genetic Algorithms in Search,Optimization and Machine Learning, Addison Wesley, Reading:MA, 1889.
[40] Michalewicz,Z.,GeneticAlgorithms+DataStructures=EvolutionPrograms,Springer, Berlin:Germany, 1999.
[41] Spence,R.,Information Visualization,Addison Wesley, Harlow:England,2001.
[42] Westphal,C.andT.Blaxton,Data Mining Solutions:Methods and Tools for Solving Real-World Problems,John Wiley, New York,1998.
[43] 闻新，周露，李翔，张宝伟．MATLAB神经网络仿真与应用[M]．北京：科学出版社，2003：28-320．
[44] Hagan, M.T., H.B.Demuth, M.Beale,Neural Network design, ,PWS Publishing Co., Boston, 1996.
[45] Haykin,S.,Neural Network:A Comprehensive Foundation,Prentice Hall,Upper Saddle River:NJ, 1999.
[46] Zurada,J.M.,Introduvtion to Artificial Neural Systems, West Publishing Co., StPaul: MN 1992.
[47] Klir, G.J.and B.Yuan,Fuzzy Sets and Fuzzy Logic:Theory and Applications, Prentice Hall, Upper Saddle River: NJ, 1995.
[48] Li,H.X.andV.C.Yen,Fuzzy Sets and Fuzzy Decision-Making, CRC Press, BocaRaton, 1995.
[49] Pal,S.K. and S.Mitra, Neuro-Fuzzy Pattern Recognition:Methods in Soft Computing, John Wiley, New York, 1999.
[50] Pedrycz,W.and F.Gomide,An Introduction to Fuzzy Sets:Analysis and Design, MIT Press, Cambridge, 1998.
[51] 孙杰，曹莉莉，宋凯．一种基于神经网络的模糊知识自动获取方法[J]．沈阳工业学院学报，1998，(3)．
[52] 贺英．计算智能研究及其集成应用[D]．青岛市：中国海洋大学硕士论文， 2003．
[53] 刘增良等．诸模糊逻辑与神经网络[M]．北京：北京航空航天大学出版社，1996．
[1] 梁茂新．中医证研究的困与对策(第一版)[M]．北京：人民卫生出版社，1998．
[2] 黄培生．新的中医诊疗体系设想[J]．广州中医药大学学报，1998，15(2)：147～148．
[3] 中华全国中医内科学会．心痹诊断及疗效评定标准[J]．中国医药学报，1988，3(2)：66．
[4] 陈小野．证候实质研究中弱特异性的正面观[J]．医学与哲学，1995，(6)：311．
[5] 危北海．中医脾胃学说临床研究[M]．北京：北京出版社，1993．
[6] 孔薇，王钢，邹燕勤等．慢性肾功能衰竭中医证型标准化探讨[J]．南京中医药大学学报，1999，15(1)：17～19．
[7] 王鹏，董祥，任中代．肺阳虚证诊断标准初探[J]．湖北中医学院学报，2004，6(1)：26～28．
[8] 田金州，韩明向，涂晋文，等．血管性痴呆诊断辨证及疗效平定标准(研究用)[J]．中国老年学杂志，2002，22：329～331．
[9] 刘士敬，林佩冲，中医各系统病证脾气虚证诊断因素的多元逐步回归分析[J]．甘肃中医学院学报，1996，3(1)：9～12．
[10] 沈自尹．中医虚证辨证参考标准[J]．中西医结合杂志，1986，(10)：599．
[11] 刘健，严庆慈，王宝玉．脾虚证泄泻与非泄泻患者的临床比较研究(附90例资料分析)[J]．安徽中医学院学报，1992，(1)：20．
[12] 杨春波，柯晓，李秀鹃．脾胃湿热证的临床研究[J]．福建中医学院学报 1999 9(4)：1
[13] 第二届全国活血化瘀研究学术会议修订．血瘀证诊断标准[J]．中西医结合杂志，1987，7(3)：129．
[14] 邹利元，徐勇，甘仲霖．2型糖尿病合并脑梗死危险因素分析[J]．泸州医学院学报，2003．26(1)：33
[15] 危北海．宏观辨证与微观辩证结合的研究[J]．中国中西医结合杂志，1991，11(5)：301～303．
[16] “中风病证候学与临床诊断的研究“课研协作组．《中风病证候诊断标准》的临床验证的研究[J]，北京中医药大学学报，1994，17(6)：41．
[17] 陈家旭，陈青红，徐洪雁，等．肝郁证候宏观辨证标准的文献计量学研究[J]．北京中医药大学学报，2004，27(4)：1～4．
[18] 汪受传，何丽，任现志，等．小儿病毒性肺炎证候特征量化的初步研究[J]．辽宁中医杂志，2003，30(11)：875．
[19] 王阶，姚魁伍．中医学证候量化诊断研究现状与思考[J]．世界科学技术—中医药现代化*中医理论的科学特点，2003，5(5)．
[20] 严石林，李炜弘，王米渠，等．寒症辨证因子等级量化操作标准的研究[J]．中国中医药信息杂志，2002，9(8)：64～66．
[21] 吴圣贤，林求诚，王永炎．脑动脉硬化证中医辨证计量诊断的回顾性研究[J]．北京中医药大学学报，2001，24(1)：59～63．
[22] 梁俊雄，吴永毅，罗丹峰．脾虚证计算机量化诊断的探索[J]．广州中医药大学学报，1994，14(4)：229～232．
[23] 严石林，张连文，王米渠，等．肾虚证辨证因子等级评判操作标准的研究[J]．成都中医药大学学报，2001，24(1)：56～59．
[24] 陈家旭，陈青红，徐洪雁，等．肝郁证候宏观辨证标准的文献计量学研究[J]．北京中医药大学学报，2004，27(4)：1～4．
[25] 赖世隆，曹桂婵，梁伟雄，等．中医证候的数理统计基础及血瘀证宏观辨证计量化初探[J]．中国医药学报，1988，3(6)：27．
[26] 朱佳，吴刚，王德钧，等．慢性肺源性心脏病中医辨证分型标准的临床研究[J]．江苏中医药，2004，25(3)：23～26．
[27] 李先涛，赖世隆，梁伟雄，等．建立急性缺血性中风气虚血瘀证诊断标准的方法学探讨[J]．广州中医药大学学报，2000，17(3)：218．
[28] 吴大嵘，梁伟雄，温泽淮，等．建立中风病血瘀证宏观辨证量化标准的方法探讨[J]．广州中医药大学学报，1999，16(4)：249．
[29] 申春悌，张华强．400例更年期综合症临床证候诊断标准现场调查分析[J]．中国中西医结合杂志，2004，24(6)：517～520．
[30] 王阶．血瘀证诊断标准及定量诊断．陈可冀，史载祥主编．实用血瘀证学[M]．北京：人民卫生出版社，1999：22～23．
[31] 李建生，余学庆，胡金亮，等．中医证候标准建立的思路与方法[J]．河南中医学院学报，2004，19(6)：4．
[32] 任占利，郭蓉鹃．中风病中医证候诊断标准的研究[J]．北京中医药大学学报，1996，19(4)：49～50．
[33] 刘超，张永祥．建立传统中医药与多学科协作平台促进中医药现代化[J]．世界科学技术—中医药现代化专论，2003，5(4)：45～48．
[34] 祝谌予，郭赛珊，梁晓春．对糖尿病中医辩证标准及施治方药的探讨[J]．上海中医药杂志，1982，(6)：5．
[35] 吕人和．糖尿病及其并发症中西医结合诊治学[M]．北京：人民卫生出版社，1997，238～243．
[36] 张洪，魏之玉，霍青，等．老年前期及老年期2型糖尿病患者骨密度变化及其与中医辨证分型间的关系[J]．中医正骨，1998，10(2)：10～11．
[37] 张清梅，陈泽奇，刘英哲，等．1490例2型糖尿病及其并发症临床辨证分型调查分析[J]．湖南中医学院学报，2004，24(5)：33～37．
[38] 张延群，和贵章，韩清，等．2080例糖尿病患者临床症状谱流行病学患者调查研究[J]．新中医，2004，36(11)：42～44．
[39] 李建生，胡金亮，余学庆，等．基于聚类分析的径向基神经网络用于证候诊断的研究[J]．中国中医基础医学杂志，2005，11(9)：685．
[40] 李建生，胡金亮，余学庆，等．用于中医证候诊断的神经网络模型的探索[J]．河南中医学院学报，2005，20(3)．6．
[41] 李建生，胡金亮，岳彩青．自组织神经模糊推理系统用于证候诊断的研究[J]．《计算机仿真》，2006，23(3)：117～119．