中医研究

本研究探讨了多尺度信息在中医文本关系抽取中的应用，提升抽取准确性和效率。

中医“症-证”分析在中医诊断学和中医证候分析中非常重要。该文以数据挖掘技术为手段对选取的古方进行“症-证”研究，对古方的主治症状进行规范，挖掘“症-证”之间的关系，从而判定方剂的主治证、兼治证。为了挖掘中医“症-证”之间的关系，提出了基于KNN的挖掘算法和基于贝叶斯的挖掘算法。对比实验证明，基于贝叶斯方法正确率达到65.76％，高于KNN的62.50％。

中医的诊疗系统也能用上数据挖掘？没错，研究团队用关联规则挖掘技术，把中医电子病历里的潜在规律挖了出来。用了Oracle 数据仓库做底座，结合Apriori 算法跑规则，像“1-9 岁孩子容易哮喘+咳嗽+过敏”这种组合，系统就能自动找到。研究用的是广东省中医院 2005 年的哮喘数据，样本不算大，但数据都是真实采集，没二次加工，可靠性挺高的。你要是搞过临床辅助系统或者医疗大数据，这套思路值得借鉴。技术选型上偏老派（Oracle 全家桶），不过胜在稳定。重点是，关联规则用得还蛮巧，设了20%的最小支持度和75%的可信度，结果不算多，但够精准。哦对了，如果你对怎么用 Python 搞中医证型感兴趣，

中医门诊数据库在课堂实例练习中应用信息技术课程。

中医的证候分类及其症状描述错综复杂，准确鉴别病患所属的证候一直是临床医疗的关键挑战。本研究探索了数据挖掘技术中朴素贝叶斯分类方法在中医证候识别中的应用。为了提高分类准确率，结合遗传算法对分类特征进行了优化。研究通过建立数学模型和应用朴素贝叶斯分类方法对中医证候进行了深入分析，并成功应用遗传算法优化特征选择，以提高识别准确性。

中医证型的关联规则挖掘源码，属于那种你一看就知道能用得上的资源。用的是比较经典的Apriori和FP-Growth这些算法，逻辑清晰，代码也挺干净的，拿来改一改就能直接上项目。挖掘模型的构建思路也蛮值得借鉴。先是通过你的数据，找出一些有代表性的模式和趋势，再把这些模式扩展到整个数据集里，提取出不少有参考价值的统计信息。响应也快，执行效率还不错。数据结构这块也做得比较规整，用起来省心。如果你对中医知识库建模感兴趣，或者刚好在搞医疗方向的数据，这套代码可以说是个不错的起点。你甚至可以套进去自己的业务逻辑，玩出点花来。另外，里面还贴心地加了一些参考链接，比如 关联规则挖掘 和 挖掘综述，不懂的地方也

嗯，这份《基于数据挖掘中医名家辨治 IgA 肾病规律.pdf》文档的内容挺有意思的，主要是中医名家的治疗规律，结合了数据挖掘的思路。你可以看到，这些方法结合了多前沿技术，挺有参考价值的。如果你对中医治疗和数据挖掘结合的案例感兴趣，内容绝对不会让你失望。 相关的资源也不错，比如基于 Hadoop 云平台的中医数据挖掘系统设计，适合你深入了解大数据在中医领域的应用。而且，还有一些关于中医证型的关联规则挖掘项目，如果你想做一些 Python 项目的练习，也可以去看一看。 要是你想进一步深入，探寻数据中序列规律的文章也不错，教你如何挖掘数据中的潜在模式，你更好地理解中医的证型。是结合数据库和数据挖掘技

目的：探讨抑郁症临床中医舌、脉象的分布规律。方法：统计分析近10年抑郁症文献资料，筛选146例样本。结果：舌质淡占58.9%，脉象以沉细为主占45.2%；抑郁症患者舌质淡、苔薄白、脉沉细的分布特点明显。

海量中医电子病历的普及为数据挖掘提供了丰富的数据资源。利用关联规则算法，可以从这些数据中挖掘出年龄、疾病、症状等因素之间的潜在关联，为中医诊断提供辅助决策支持。

中医开发的资源里，2 万个术语词典数据还挺少见的。这个 XLS 和 MDB 格式的文件，收了 20109 条中医名词，分类清晰，查找方便。不管你是做可视化、搜索还是词义抽取，用它打底挺稳当。 中医名词的数量够多，格式也通用，用Excel轻松，丢进Access也能直接跑查询。适合做词库、联想输入、概念提取那类功能，拿来就能上手。 配套还有不少相关资源，像中医证型挖掘的 Python 项目，你如果想搞点文本挖掘或智能诊断的方向，可以直接参考思路。另外还有不少基于规则的、舌象脉象的数据汇总，也蛮实用。 做中医方向的系统开发，尤其是搞辅助诊断、文本抽取、数据建模的，用这个词库起步比较省事。数据量不小，