[发明专利]中医减肥决策支持系统的数据分析和处方挖掘方法

权利要求书

1.中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，包括：

S1.处方数据采集：采集肥胖治疗处方，所述肥胖治疗处方包括针灸处方、中药处方、食疗处方和艾灸处方；

S2.处方数据预处理：将采集到的肥胖治疗处方数据进行预处理，预处理包括规范名称、纠正错别字、标准化计量数据和去除噪音数据；

S3.处方挖掘：根据预处理后的肥胖治疗处方数据构建原始数据库，获取电子病历中的肥胖中医证型或肥胖类型，根据所述肥胖中医证型或肥胖类型对原始数据库中的数据进行关联规则挖掘。

2.根据权利要求1所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述S1中：

针灸处方包括处方名、对应的肥胖中医证型和肥胖类型、主穴、配穴、操作手法、疗程时间；

中药处方包括处方名、对应的肥胖中医证型和肥胖类型、药物组成与配伍、药物剂量、服用时间；

食疗处方包括处方名、对应的肥胖中医证型和肥胖类型、食物组成与配伍、食物剂量、服用时间；

艾灸处方包括处方名、对应的肥胖中医证型和肥胖类型、主穴、配穴、操作手法、疗程时间。

3.根据权利要求2所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述肥胖类型包括脂质型肥胖、代谢性肥胖、淀粉性肥胖、脏器型肥胖、单纯性肥胖和顽固型肥胖；

所述肥胖中医证型包括胃热痰瘀型、肝郁气滞性、脾虚湿阻型、肝肾两虚型和血虚型。

4.根据权利要求1所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述S3中对原始数据库中的数据进行关联规则挖掘：

S31.将原始数据库中的事务集转换为数据立方体，同时记录事务集的长度；

S32.根据数据立方体得到1-项集和1-项高频集；

S33.根据1-项高频集得到k-项集和k-项高频集，根据k-项高频集得到k+1-项集和k+1-项高频集，其中k≥2，且k为整数；

S34.根据1-项集和1-项高频集产生1-项高频集合k-项高频集的所有子集以生成所述事物集的关联规则。

5.根据权利要求1所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述S3中对原始数据库中的数据进行关联规则挖掘用于挖掘针灸减肥关联规则、中药处方关联规则、食疗处方关联规则和艾灸处方关联规则。

6.根据权利要求5所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述针灸减肥关联规则包括肥胖中医证型-针灸处方关联规则、肥胖类型-针灸处方关联规则、针灸处方中主穴-配穴关联规则、针灸处方中穴位-操作关联规则、针灸处方中穴位-疗程关联规则；

所述中药处方关联规则包括肥胖中医证型-中药处方关联规则、肥胖类型-中药处方关联规则、中药处方中药物组成与配伍关联规则、中药处方中药物剂量关联规则、中药处方中服用时间关联规则；

所述食疗处方关联规则包括肥胖中医证型-食疗处方关联规则、肥胖类型-食疗处方关联规则、食疗处方中食品组成与配伍关联规则、食疗处方食品物剂量关联规则、食疗处方中服用时间关联规则；

所述艾灸减肥关联规则包括肥胖中医证型-艾灸处方关联规则、肥胖类型-艾灸处方关联规则、艾灸处方中主穴-配穴关联规则、艾灸处方中穴位-操作关联规则、艾灸处方中穴位-疗程关联规则。

7.根据权利要求1所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述电子病历中的肥胖中医证型或肥胖类型的获取方法包括：

将患者的电子病历的数据进行分段得到分段数据；

根据预设的分词词典对所述分段数据进行分词得到分词数据；

对分词数据进行语料训练；

从语料训练后的分词数据中提取特征数据；

根据预设的标准症状库将所述特征数据转化为对应的标准症状，得到患者的标准症状集合；

从患者的标准症状集合中选择得到患者的肥胖中医证型或肥胖类型。

8.根据权利要求1所述的中医减肥决策支持系统的数据分析和处方挖掘方法，其特征在于，所述针灸处方或艾灸处方的关联规则挖掘包括：

采用构建数据仓库的形式构建用于基于症状的辩证数据挖掘的第一数据模型和用于基于处方的腧穴配伍挖掘的第二数据模型；所述第一数据模型采用雪花模式，以疾病作为事实表，以每种疾病所包含的各种症状、舌苔及脉象作为维表；所述第二数据模型采用星型模式，以每个处方作为事实表，以每个处方中所包含的主治病症、腧穴、时间和该处方的有效性评分作为维表；

采用联机分析处理技术OLAP结合腧穴、处方和病症三个主题进行针灸辨证论治规律多维度频次统计；

采用关联规则分析挖掘腧穴配伍规律、选经规律、腧穴分部规律、特定穴运用规律，以及目标腧穴的穴对和穴组规律，以及目标疾病的核心穴位、穴对和穴组规律。