基于特征选择的中医问诊信息提取及其辨证推演方法研究

中医问诊症状范围广泛，内容繁多，存在主观性强、可重复性差等妨碍临床诊断的不规范因素，解决上述问题的问诊规范化研究还刚刚起步，面临一定的挑战。本研究以中医问诊理论为指导，选取具有广泛影响的慢性胃炎为切入点，将临床流行病学研究方法与计算机人工智能技术有机结合，运用问卷（量表）法，收集临床问诊信息，运用基于过滤式、包装式、嵌入式的多种特征选择算法，挖掘问诊特征症状群，分析问诊症状间的关联关系，并结合临床反馈和证候预测模型验证问诊特征症状群的有效性。以此进行问诊信息采集方法的规范，问诊信息分析方法的优化，建立符合中医问诊信息特点的数据挖掘方法和特征症状群的提取方法，为中医问诊的规范化、客观化研究提供新的思路和方法，为中医问诊的教学及临床实践提供指导，为开发具有自主知识产权的问诊自动辅助诊断系统提供科研积累。

本课题主要从事如下三个方面的研究：（1）中医脾系（慢性胃炎）问诊量表研制及评价；（2）中医脾系（慢性胃炎）问诊采集程序及数据库建立；（3）中医脾系（慢性胃炎）症状（体征）的特征选择及证候模型构建。. 本项目研制了中医脾系（慢性胃炎）问诊量表，包括基本信息、主诉、现病史（伴随症状）和既往史，并附望、切诊信息及中西医诊断结论。分为重点问诊和一般问诊两部分。共包括寒热、汗、头身胸腹、饮食口味、二便、睡眠、情绪等八个维度，形成共有73个变量的问诊量表，经评价有较好的信度和效度；建立了中医脾系（慢性胃炎）问诊采集程序及数据库，在此基础上，采集并记录临床脾系患者的四诊信息，建立了中医脾系诊断信息数据库（1841例）；运用多标记学习，结合信息学特征选择方法、随机森林、关联密度、谱聚类等，对常见证候进行特征选择及证候模型构建。特征选择的结果显示选取20个症状（体征）时的各证候识别率最高。而且IG方法挑选出的特征最优。REAL的平均准确率最高为82.0%。对于Coverage，Hamming Loss和Ranking Loss三个指标，REAL方法均最小分别为0.160,0.142，0.177。. 基本解决了中医脾系（慢性胃炎）中医信息采集的规范化，从数据挖掘角度，初步探讨了中医临床证候兼杂问题。基本建立了符合中医证候特点的症状特征选择方法，挖掘出了能有效用于慢性胃炎病证诊断的问诊特征症状群；此外，还将多标记学习新方法引入到中医证候规范化及客观化研究。. 3年来，共发表标注论文24篇，其中SCI收录4篇，EI收录6篇，编写著作2章；申请作品著作权1项，软件著作权1项。培养研究生及本科生共7名。联合主办国际会议1次，参加国际会议分组报告3次，全国性学术会议特邀报告1次。