冠心病中医证候数据库系统的构建及其BP神经网络模型的研究
|
摘要
背景复杂性科学被誉为21世纪的科学,这种注重事物的复杂性、整体性和非线性的科学研究方法,为中医证候研究提供了全新的视角。中医证候体系是一个非线性的复杂巨系统,将基于复杂性科学的人工神经网络技术引入中医证候研究领域将有可能实现证候研究的突破。冠心病是当前严重危害人类健康的多发病。目前,如何应用人工神经网络对冠心病中医证候资料进行大规模的数据挖掘并建立证候模型,在国内尚未见成熟报道。
目的以临床流行病学调查所得资料构建冠心病中医证候数据库系统,以此为基础采用人工神经网络技术建立并应用冠心病中医证候的神经网络模型,探讨中医证候研究的方法学,为当前证候研究提供一种新的思路。
方法通过对冠心病病历档案的回顾性调研,分析提取冠心病常见症征,制定规范的临床调查表,以此为基础开展冠心病临床流行病学调查,并应用Oracle10j和Vc++6.0建立冠心病中医证候数据库系统；在此基础上,运用逐步试验法完成冠心病中医证候BP神经网络模型设计,并通过反复比较五种BP算法的优劣,选择共轭梯度算法作为最优算法,应用MATLAB6.5实现了冠心病中医证候的BP神经网络模型,并将其应用于冠心病证候的诊断,对模型的诊断效果进行了回顾性检验和前瞻性检验。
结果成功地开发了冠心病中医证候数据库系统,并且运用MATLAB6.5建立了基于共轭梯度算法的冠心病中医证候BP神经网络模型,将该模型应用于冠心病证候的判别,结果显示：(1)对已采集纳入病例的回顾性检验提示：对于496个检测样本,诊断正确的共计449例,判断准确率达90.5%。准确率的高低与学习样本的多少呈正相关,诊断准确率依次是心阳亏虚证(93.0%)、痰阻心脉证(92.6%)、心血瘀阻证(91.8%)、心气亏虚证(91.0%)、心阴亏虚证(88.7%)、气滞心脉证(88.6%),寒滞心脉证判别准确率最低,只有37.5%。(2)对新采集病例的前瞻性检验显示：在81个样本中正确识别74例,识别率达91.36%。说明该模型能够较好地获取证候的内在规则。
结论基于人工神经网络的冠心病中医证候模型能够较好地获取证候的内在规则,将人工神经网络技术应用中医证候研究具有可行性,该方法在冠心病中医证候研究的成功尝试为深入开展心病证候规范化及其证候实质研究提供了一种新的思路。
Background complexity of the science is known as the 21st century science, which focus on the complexity of things, the integrity of scientific research and nonlinear methods. It provide a new perspective for the study of syndromes in Traditional Chinese Medicine. Syndrome system is a nonlinear system of the giant complex. We will be possible to achieve Syndrome research breakthroughs if we use artificial neural network technology based on the complexity of the science into Syndrome research areas. Coronary heart disease is now seriously endanger human health. At present, The large-scale data mining and the establishment of model Syndrome based onthe application of artificial neural networks for Coronary Heart Disease has yet no mature report in China.
Objective We established database of syndrome of coronary heart disease system basedon the clinical epidemiology survey information, Then we constrcted the neural network model of Coronary Heart Disease syndrome using artificial neural network technology, which target to explore Syndrome research methodology and provide a new way of thinking for the current further research of syndrome。
Methods We reviewed medical records of research, of coronary heart disease and analysized symptoms and signs of coronary heart disease, Then we carried out a clinical epidemiology investigation of coronary heart disease and established the database system of coronary heart disease Syndrome appling Oracle10j and Vc++6.0. On this basis, we completed syndrome BP neural network model design of coronary heart disease through gradual test, and repeated comparison of the pros and cons of five BP algorithm, select conjugate gradient algorithm as the optimal algorithm, Lastly we realized coronary heart disease Syndrome BP neural network model using MATLAB6.5, and applied to the diagnosis of coronary heart disease syndrome, the diagnosis of the model results were retrospectively tested and forward-looking test.
Results We established the database systems of coronary heart disease Syndrome successfully and constrcted application the coronary heart disease Syndrome BP neural network model based on a conjugate gradient algorithm using MATLAB6.5. The model is applied to the discrimination of coronary heart disease syndromes, the results showed that:(1) In the 474 cases been collected into a retrospective examination note,429 cases are diagnosed correcttly, the judge accuracy rate is 90.5%. And the level of accuracy of was positively correlated with sample size. The judge accuracy rate in order is: Syndrome of heart Yang deficiency is93.0%, Syndrome of phlegm stasis is92.6%, Syndrome of blood stasis in heart is 91.8%, Syndrome of heart Qi deficiencyis 91.0%, Syndrome of heart Yindeficiencyisis 88.7%, and Syndrome of Qi stasis is88.6%. Syndromeof heart cold is only 37.5%,which is the minimum accuracy rate. (2) Acquisition of new cases of forward-looking examination showed:81 samples correctly identify 74 cases, and the recognition rate of 91.36%, which shows that the model can be used to explore the internal rules Syndrome.
Conclusions The coronary heart disease Syndrome model based on Artificial Neural Network can be used to access the internal rules Syndrome.It is feasible to appliy artificial neural network technology into study of syndrome. The successful attempt of artificial neural network in Coronary Heart Disease Syndrome is important tostudy in depth Syndromes in heart disease syndromes real standardization and provides a new line of thought.
目的以临床流行病学调查所得资料构建冠心病中医证候数据库系统,以此为基础采用人工神经网络技术建立并应用冠心病中医证候的神经网络模型,探讨中医证候研究的方法学,为当前证候研究提供一种新的思路。
方法通过对冠心病病历档案的回顾性调研,分析提取冠心病常见症征,制定规范的临床调查表,以此为基础开展冠心病临床流行病学调查,并应用Oracle10j和Vc++6.0建立冠心病中医证候数据库系统；在此基础上,运用逐步试验法完成冠心病中医证候BP神经网络模型设计,并通过反复比较五种BP算法的优劣,选择共轭梯度算法作为最优算法,应用MATLAB6.5实现了冠心病中医证候的BP神经网络模型,并将其应用于冠心病证候的诊断,对模型的诊断效果进行了回顾性检验和前瞻性检验。
结果成功地开发了冠心病中医证候数据库系统,并且运用MATLAB6.5建立了基于共轭梯度算法的冠心病中医证候BP神经网络模型,将该模型应用于冠心病证候的判别,结果显示：(1)对已采集纳入病例的回顾性检验提示：对于496个检测样本,诊断正确的共计449例,判断准确率达90.5%。准确率的高低与学习样本的多少呈正相关,诊断准确率依次是心阳亏虚证(93.0%)、痰阻心脉证(92.6%)、心血瘀阻证(91.8%)、心气亏虚证(91.0%)、心阴亏虚证(88.7%)、气滞心脉证(88.6%),寒滞心脉证判别准确率最低,只有37.5%。(2)对新采集病例的前瞻性检验显示：在81个样本中正确识别74例,识别率达91.36%。说明该模型能够较好地获取证候的内在规则。
结论基于人工神经网络的冠心病中医证候模型能够较好地获取证候的内在规则,将人工神经网络技术应用中医证候研究具有可行性,该方法在冠心病中医证候研究的成功尝试为深入开展心病证候规范化及其证候实质研究提供了一种新的思路。
Background complexity of the science is known as the 21st century science, which focus on the complexity of things, the integrity of scientific research and nonlinear methods. It provide a new perspective for the study of syndromes in Traditional Chinese Medicine. Syndrome system is a nonlinear system of the giant complex. We will be possible to achieve Syndrome research breakthroughs if we use artificial neural network technology based on the complexity of the science into Syndrome research areas. Coronary heart disease is now seriously endanger human health. At present, The large-scale data mining and the establishment of model Syndrome based onthe application of artificial neural networks for Coronary Heart Disease has yet no mature report in China.
Objective We established database of syndrome of coronary heart disease system basedon the clinical epidemiology survey information, Then we constrcted the neural network model of Coronary Heart Disease syndrome using artificial neural network technology, which target to explore Syndrome research methodology and provide a new way of thinking for the current further research of syndrome。
Methods We reviewed medical records of research, of coronary heart disease and analysized symptoms and signs of coronary heart disease, Then we carried out a clinical epidemiology investigation of coronary heart disease and established the database system of coronary heart disease Syndrome appling Oracle10j and Vc++6.0. On this basis, we completed syndrome BP neural network model design of coronary heart disease through gradual test, and repeated comparison of the pros and cons of five BP algorithm, select conjugate gradient algorithm as the optimal algorithm, Lastly we realized coronary heart disease Syndrome BP neural network model using MATLAB6.5, and applied to the diagnosis of coronary heart disease syndrome, the diagnosis of the model results were retrospectively tested and forward-looking test.
Results We established the database systems of coronary heart disease Syndrome successfully and constrcted application the coronary heart disease Syndrome BP neural network model based on a conjugate gradient algorithm using MATLAB6.5. The model is applied to the discrimination of coronary heart disease syndromes, the results showed that:(1) In the 474 cases been collected into a retrospective examination note,429 cases are diagnosed correcttly, the judge accuracy rate is 90.5%. And the level of accuracy of was positively correlated with sample size. The judge accuracy rate in order is: Syndrome of heart Yang deficiency is93.0%, Syndrome of phlegm stasis is92.6%, Syndrome of blood stasis in heart is 91.8%, Syndrome of heart Qi deficiencyis 91.0%, Syndrome of heart Yindeficiencyisis 88.7%, and Syndrome of Qi stasis is88.6%. Syndromeof heart cold is only 37.5%,which is the minimum accuracy rate. (2) Acquisition of new cases of forward-looking examination showed:81 samples correctly identify 74 cases, and the recognition rate of 91.36%, which shows that the model can be used to explore the internal rules Syndrome.
Conclusions The coronary heart disease Syndrome model based on Artificial Neural Network can be used to access the internal rules Syndrome.It is feasible to appliy artificial neural network technology into study of syndrome. The successful attempt of artificial neural network in Coronary Heart Disease Syndrome is important tostudy in depth Syndromes in heart disease syndromes real standardization and provides a new line of thought.
引文
[1]朱波.中医目前的困境与思考.江苏中医药.2007,39(7)：12-13
[2]仝小林,张志远,李爱国.中医发展面临的困惑及其对策.中国中医基础医学杂志.2003,9(3)：52-53
[3]焦志礼.论当代中医学术发展之困惑.深圳中西医结合杂志.2004,14(5)：283-285
[4]秦国政.21世纪中医学的出路在于建设和发展现代中医学.湖南中医药导报.1999,5(10)：3-6
[5]吕炳奎.端正中医药发展方向,保存和发展中医药特色.见：崔月犁主编.中医沉思录(一).北京：中医古籍出版社,1997.24
[6]马光亚.中医已到存亡绝续关头.(台湾)自然疗法,1999,22(1)：13
[7]张功耀.告别中医中药.医学与哲学(人文社会医学版).2006,27(4)：14-17
[8]李振华.论中医药的发展形势与中医药学的科学内涵.河南中医.2006,26(3)：1-3
[9]恩格斯.自然科学与哲学.自然辩证法[M].北京：人民出版社,1955.161-173。
[10]吴启锋,温力勤.21世纪中医药发展思路——中医药发展的优势与困惑.中医药研究.2000,16(5)：2-3
[11]张宗明.论中医学的文化内涵及其价值[J].南京中医药大学学报,1998,14(2)： 69-71
[12]张其成.模型与原型：中西医的本质区别—兼论走出中医现代化悖论的怪圈[J].医学与哲学,1999,20(12)：25-27
[13]萧汉明.论中医学的网络性思维.河北学刊.2007,3：32-33。
[14]曹俊芳.全面理解中医的哲学思想体系是中医继承与发展的重要基础.亚太传统医药.2005,4：41-59
[15]朱姝,高荣林,隋殿军.目前证候微观研究存在的问题.中国医药学报.2002,17(2)：107-108
[16]孟静岩,张伯礼,胡永军.从复杂性科学角度研究中医药学的概况.2005,11(11)： 878-880
[17]孙贵香.复杂性科学意义下的中医证候研究的方法学探讨.中华实用中西医杂志2006,19(9)；1058-1059
[18]包含飞.初议中医学是复杂性科学——中医标准化预备研究之二[J].上海中医药大学学报,2003,17(2)：3-6
[19]白云静,申洪波.基于复杂性科学的中医学发展取向与方略.中国中医药信息杂志.2005,12(1)：2-5
[20]复杂科学视角下的中医学.孙超南京中医药大学学报(社会科学版).2001,2(2)： 63-65
[21]李振华.论中医药的发展形势与中医药学的科学内涵.河南中医.2006,26(3)： 1-3
[22]白云静,申洪波.中医证候研究的人工神经网络方法探析.中医药学刊.200422(12)：2221-2223
[23]李梢,王永炎,季梁等.复杂系统意义下的中医药学及其案例研究.系统仿真学报.2002,14(11)：1429-1431
[24]苏恩泽.复杂系统学引论[M].西安：陕西科学技术出版社,1998：55
[25]田文敬.中医特色研究应借助现代数据挖掘技术.中医研究.2005,18(8)：7-8
[26]郭蕾,王永炎,张志斌.证候动态时空特征的复杂性及相应的研究思路.中医研究.2006,19(3)：1-3
[27]孟庆刚,王连心,赵世初.非线性在中医药研究中的重要作用.2005,23(9)：1557-1558
[28]白云静.申洪波.中医证候复杂性特征及证候研究思路探析.中国中医药信息杂志.2004,11(9)：754-755
[29]张书文,蔡小平.周宜强.对中医理论之复杂适应性系统的探讨.河南中医学院学报.2004,19(2)：8-9
[30]Holland JH. Emergence-From. Chaos to order [M]. Oxford:Oxford Univ Pr, 1998.1-9.
[31]刘旭光,宋开源,余曙光,等.阴虚阳虚大鼠促肾上腺皮质激素及皮质酮昼夜节律的差异研究[J].四川中医,2002,20(1)：6-8
[32]王洪图.内经学[M].北京：中国中医药出版社,2004：29-45
[33]陈伟青.浅论人工神经网络在中医学上的应用.河南中医学院学报.2004,19(4)： 12-13
[34]雷元义,陈海东.人工神经网络及其在医学影像分析中的应用.医疗卫生装备.2005,26(2)：24-25
[35]McCulloch W S, Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics,1943, (5): 115-133
[36]Rosenblatt, F., The Perceptron:A Probabilistic Model for Information storage and Organization in The Brain. Psychological Review,1958, (65):386-408
[37]Rosenblatt F. Principles of Neurody Namics:Perceptrons and The Theory of Brain Mechanisms, Spartan, New York,1962
[38]Grossberg S. Some Networks that Can Lean, Remenber, and Reproduce any Number of Compialted Space-time Patterns, stud. Appl. Math.1970, (49):135-166
[39]Willshaw D J, Buneman 0 P. Longuest-higgins, H. C Nature 1969, (222): 960
[40]Hopfield J J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities, Proc. Natl. Acad. Sci., USA, 1982, (79):254-558
[41]Hopfield J J. Neurons with Graded Respone have Collective Computational Pr operties Like those of Twostate Neurons, Proc. Natl, Acad. Sci.,1984, (81):3088-3092
[42]钱学森(主编).关于思维科学,上海人民出版社.1986
[43]白云静,申洪波.中医证候研究的人工神经网络方法探析.中医药学刊.2004,22(12)： 2221-2223
[44]王永炎. 完善辨证方法体系的建议[J].中国天津第四届国际中医药学术交流会议论文集,2004.325.
[45]樊晓平,彭展,杨胜跃,等.基于多层前馈型人工神经网络的抑郁症分类系统研究[J].计算机工程与应用,2004,13：205-208
[46]边沁,何裕民,施小成,等.基于MFBP算法的中医证型的神经网络模型初探[J].中国中医基础医学杂志,、2001,7(5)：66-69.
[47]叶进,邢传鼎.基于人工人工神经网络的病症诊断原型系统[J].东华大学学报(自然科学版),2003,29(4)：43-47.
[48]施明辉,周昌乐,吴清锋,等.用人工神经网络实现基于舌诊的八纲辨证推理初探[A].中国人工智能学会.中国人工智能进展：2005(下册)[C].北京：北京邮电大学出版社,2005.1394-1399.
[49]赵卫东,盛昭瀚,杜雪寒.基于人工神经网络的案例推理医疗诊断[J].东南大学学报(自然科学版),2000,130(13)：46-50.
[50]秦中广,毛宗源.粗糙人工神经网络及其在中医智能诊断系统中的应用[J].计算机工程与应用,2001,18：34-35.
[51]孙贵香,袁肇凯.人工神经网络在中医证候研究中的应用.中医药学刊.2007,25(7)：1450-1452
[52]赵莉敏,张延群.2080例糖尿病中医临床流行病学调查再思考.中医研究,2002,10(15)： 5-6.
[53]赖世隆.临床流行病学在中医药研究的应用.见王家良主编.临床流行病学一
一临床科研设计、衡量与评价.第2版.上海：上海科学技术出版社,2001：434-441.
[54]贝政平主编.内科疾病诊断标准.北京：科学出版社,2001.
[55]沈绍功,王承德,闫希军主编.中医心病诊断疗效标准与用药规范.北京：北京出版社,2002：1-179.
[56]The World health Organization MONIA project (monitoring trends and determinants in cardiovascular disease):a major international collaboration. WHO MONICA Project Principal Investigation. J Clin Epide moil,1988,4:105
[57]贺春瑞,王振彪.临床流行病学调查方法在中医证候研究中的应用.中国中医基础医学杂志.2006,12(5)：385-386
[58]石刚,刘婷.冠心病常见证候临床流行病学调查.中华中医药学刊.2007,25(8)：1675-1676张继红,苗志林,刘冬梅.沈阳城区冠心病患者中医证型流行病学特征调查.中医药学刊.2006,24(4)：704-705
[59]余江,卿玉华,黄祥成,等.大肠癌Acces数据库的建立及应用[J].第一军医大学学报,2003,23(1)：78—9.
[60]刘德新,李小鹰.充血性心力衰竭临床资料数据库的建立及应用[1 J.中华医院管理杂志2000,16：182-183
[61]耿新青,迟呈英.ORACLE与SQLSERVER语言的比较.鞍山钢铁学院学报,2002,25(1)：36-39
[62]王晓峰,李云飞.VisualC++实践与提高.中国铁道出版社,2001
[63]李广曦,陈蔚文.中医药类数据库建设的回顾与分析.医学信息,2005,18(6)： 557～560
[64]屈景辉,廖琪梅,许卫中,陈汉勇.医学信息数据库的建立与数据挖掘.第四军医大学
[65]NiJian-ju,MaXiao-Pin,XuLi-zhong,WangJian-ying. An Image Recognition Method Based on MultiPle BP Neural Networks Fusion. IEEE:Proceeding of 2004 International Conference on Information Acquisition.2004. 323-326
[66]周开利,康耀红.神经网络模型及其MATLAB仿真程序设计.清华大学出版社.2005.5-80.
[67]尹念东.BP神经网络的应用设计[J].信息技术,2003,27(6)： 18-20.
[68]李丽霞,王彤,范逢曦.BP神经网络设计探讨.现代预防医学.2005,32(2)：128-130
[69]Guido Schwarzer, et al. On the misuse Of artificial neural networks for prognostic and diagnostic classification in oncology [J]. Statistics in medicine,2000,19:541-561.
[70]K.M.Hornik, M. Stincheombe and H. White. Multilayer feed forwordnetworks are universal approximators [J]Neural Netwoks,1989, 2(5):359-366
[71]Tokuda I, Tokunaga R, Aihara K, Back-propagation learning of infinite-dimensional dynamical systems[J]. Neural-Netwok.2003 Oct; 16 (8):1179-93
[72]Santos. Garcia G, Varela G, Novoa N, etal. Prediction of postoperative morbidity after lung resection using an artificial neural network ensemble. Artif Intell Med,2004.30(1):61-69
[73]罗成汉.基于MATLAB神经网络工具箱的BP网络实现.计算机仿真.2004,21(5)：109-111
[74]Min Xilin, Liu Guohua. Developing BP networks appl ication with Matlab Toolbox [J]. Application Research Of Computers,2002,19(1):163-164.
[75]Howard Demuth, Mark Beale. Neural network toolbox user's guide Version4 [M]. The Mathworks Inc,2001 · 194 198.
[76]温浩,赵国庆.基于MATLAB神经网络工具箱的线性神经网络实现.电子科技.2005,1：26-29
[77]徐丽娜.神经网络控制.北京：电子工业出版社,2003：11-86
[78]吴凌云.BP神经网络学习算法的改进及其应用[J].信息技术,2003,27(7)： 42-44.
[79]吴晓莉,林哲辉.MATLAB辅助模糊系统设计[M].西安：西安电子科技大学出版社,2002.
[80]蒲春,孙政顺,赵世敏.Matlab神经网络工具箱BP算法比较.计算机仿真.2006,23(5)：142-144
[81]姚文俊.BP算法的改进在Matlab的实现研究.现代电子技术.2003,21：95-96
[82]陈桦,程云艳.BP神经网络算法的改进及在Matlab中的实现.陕西科技大学学报.2004,22(2)：45-47
[83]苏高利,邓芳萍.论基于Matlab语言的BP神经网络的改进算法.科技通报.2003,19(2)：130-135
[84]左秀会.基于VC++与MATLAB的电力负荷预测.微计算机信息.2006,23(13)：230-231
[85]姚敏,赵敏,邢力基于Matlab和VC++的神经网络仿真实验设计.电气电子教学学报.2007,29(3)：77-79
[86]余波,简炜,方勇.利用Matlab神经网络工具箱在VC++. net中进行手写体数字识别.湖北汽车工业学院学报.2007,21(3)：39-41
[87]鹿文鹏,刘巍,孟祥增,利用Matlab神经网络工具箱在VC++中进行形状识别.计算机时代.2004,4：43-45
[88]李伯全.张捷.应用Matlab工具箱在VC++中实现神经网络的程序设计.机械制造.2002,11：22-24
[89]朱文锋.中医临床诊疗术语.中华人民共和国国家标准.1997
[90]简明中医辞典.人民卫生出版社.1978
[1]刘关松,徐建国,高敦岳.基于神经网络集成的舌苔分类方法.计算机工程.2003,29(14)：100-102
[2]莫传伟,武哲丽,陈群.中医舌诊客观化识别与图像技术的探析.[J].中医药学刊,2005,23(6)： 1032-1034
[3]周玉.汪仁煌.韦玉科.竞争网络在中医舌诊中的应用及实现.微计算机时空.2003,23(7-3)：270-272
[4]赵忠旭,沈兰荪,卫保国,等.基于人工神经网络的彩色校正方法研究[J].中国图像图形学报.2000,5(9)： 785-789
[5]王爱民,赵忠旭,沈兰荪.中医舌象自动分析中舌色、苔色分类方法的研究.北京生物医学工程.2000,19(3)：136-138
[6]吴芸,周昌乐,张志枫.中医舌诊神经网络的优化遗传算法.计算机应用研究.2007,24(9)：50-52
[7]岳沛平.BP神经网络识别在中医脉象信号辨识系统中的运用.江苏中医药2005,26(1)： 4-6
[8]徐方维,蔡坤宝.人工神经网络在中医脉象信号检测中的应用[J].重庞大学学报,2004,27(8)： 35-39
[9]郭红霞,王炳和,郑思仪,等.基于概率神经网络的中医脉象识别方法研究.计算机工程与应用.2007,43(20)：194-196
[10]王炳和,相敬林.基于神经网络方法的人体脉象识别研究[J].西北工业大学学报,2002,20(3)： 454-457
[11]胡家宁,阎述池,王秀章,等.脉象特征人工神经网络分类器[J].中国医科大学学报,1996,25(6)：571-578
[12]胡家宁,阎述池,王秀章,等.脉象人工神经网络分析系统模型[J].中国医科大学学报,1997,26(2)：134-137
[13]宋小莉,牛欣,司银楚,等.AZ神经网络在半夏泻心汤配伍建模中的应用[J].中国临床药理学与治疗学,2005,10(1)：104-107
[14]宋小莉,牛欣,司银楚,等.人工神经网络在半夏、生姜甘草三泻心汤配伍研究[J].中国临床药理学与治疗学,2005,10(5)： 527-531
[15]姚美村,乔延江,袁月梅,等.基于人工神经网络方法的中药功效归类研究[J].中国中药杂志,2003,28(7)： 689-691
[16]白云静,申洪波.中医证候研究的人工神经网络方法探析[J].中医药学刊,2004,22(12)： 2221-2223
[17]李海霞,陈建新,王阶.随机神经网络在血瘀证诊断研究中的应用.数理医药学杂志.2006,19(6)：643-645
[18]樊晓平,彭展,杨胜跃,等.基于多层前馈型人工神经网络的抑郁症分类系统研究[J].计算机工程与应用,2004,13： 205-208
[19]李建生,胡金亮,余学庆.基于神经网络的中医证候量化诊断模型探索.河南中医学院学报[J],2005,20(3)： 6-8
[20]岳彩青,常青美,庞学民,胡金亮.基于聚类分析的RBF网络建模方法及应用的研究.计算机仿真.2006,23(1)：120-123
[21]陈伟青.浅论人工神经网络在中医学上的应用.河南中医学院学报.2004,19(4)：12-13
[22]施明辉,周昌乐.一种基于ANN的中医辨证不确定性推理模型研究.计算机工程与应用.2007,43(7)：10-12
[23]施明辉,周昌乐,吴清锋,等.用神经网络实现基于舌诊的八纲辨证推理初探[C]中国人工智能学会.中国人工智能进展：2005(下册)北京：北京邮电大学出版社.2005：1394-1399
[24]边沁,何裕民,施小成,等.基于MFBP算法的中医证型的神经网络模型初探[J].中国中医基础医学杂志,2001,7(5)：66-69.
[25]杨连初.从网上医疗谈中医专家系统.湖南中医学院学报.1999,19(2)：63-65
[26]王震宇.人工神经网络在中医专家系统知识挖掘中的应用.计算机与数字工程.2006,34(10)：146-148
[27]叶进,邢传鼎.基于人工神经网络的病症诊断原型系统.东华大学学报(自然科学版).2003,29(4)：43-45
[2]仝小林,张志远,李爱国.中医发展面临的困惑及其对策.中国中医基础医学杂志.2003,9(3)：52-53
[3]焦志礼.论当代中医学术发展之困惑.深圳中西医结合杂志.2004,14(5)：283-285
[4]秦国政.21世纪中医学的出路在于建设和发展现代中医学.湖南中医药导报.1999,5(10)：3-6
[5]吕炳奎.端正中医药发展方向,保存和发展中医药特色.见：崔月犁主编.中医沉思录(一).北京：中医古籍出版社,1997.24
[6]马光亚.中医已到存亡绝续关头.(台湾)自然疗法,1999,22(1)：13
[7]张功耀.告别中医中药.医学与哲学(人文社会医学版).2006,27(4)：14-17
[8]李振华.论中医药的发展形势与中医药学的科学内涵.河南中医.2006,26(3)：1-3
[9]恩格斯.自然科学与哲学.自然辩证法[M].北京：人民出版社,1955.161-173。
[10]吴启锋,温力勤.21世纪中医药发展思路——中医药发展的优势与困惑.中医药研究.2000,16(5)：2-3
[11]张宗明.论中医学的文化内涵及其价值[J].南京中医药大学学报,1998,14(2)： 69-71
[12]张其成.模型与原型：中西医的本质区别—兼论走出中医现代化悖论的怪圈[J].医学与哲学,1999,20(12)：25-27
[13]萧汉明.论中医学的网络性思维.河北学刊.2007,3：32-33。
[14]曹俊芳.全面理解中医的哲学思想体系是中医继承与发展的重要基础.亚太传统医药.2005,4：41-59
[15]朱姝,高荣林,隋殿军.目前证候微观研究存在的问题.中国医药学报.2002,17(2)：107-108
[16]孟静岩,张伯礼,胡永军.从复杂性科学角度研究中医药学的概况.2005,11(11)： 878-880
[17]孙贵香.复杂性科学意义下的中医证候研究的方法学探讨.中华实用中西医杂志2006,19(9)；1058-1059
[18]包含飞.初议中医学是复杂性科学——中医标准化预备研究之二[J].上海中医药大学学报,2003,17(2)：3-6
[19]白云静,申洪波.基于复杂性科学的中医学发展取向与方略.中国中医药信息杂志.2005,12(1)：2-5
[20]复杂科学视角下的中医学.孙超南京中医药大学学报(社会科学版).2001,2(2)： 63-65
[21]李振华.论中医药的发展形势与中医药学的科学内涵.河南中医.2006,26(3)： 1-3
[22]白云静,申洪波.中医证候研究的人工神经网络方法探析.中医药学刊.200422(12)：2221-2223
[23]李梢,王永炎,季梁等.复杂系统意义下的中医药学及其案例研究.系统仿真学报.2002,14(11)：1429-1431
[24]苏恩泽.复杂系统学引论[M].西安：陕西科学技术出版社,1998：55
[25]田文敬.中医特色研究应借助现代数据挖掘技术.中医研究.2005,18(8)：7-8
[26]郭蕾,王永炎,张志斌.证候动态时空特征的复杂性及相应的研究思路.中医研究.2006,19(3)：1-3
[27]孟庆刚,王连心,赵世初.非线性在中医药研究中的重要作用.2005,23(9)：1557-1558
[28]白云静.申洪波.中医证候复杂性特征及证候研究思路探析.中国中医药信息杂志.2004,11(9)：754-755
[29]张书文,蔡小平.周宜强.对中医理论之复杂适应性系统的探讨.河南中医学院学报.2004,19(2)：8-9
[30]Holland JH. Emergence-From. Chaos to order [M]. Oxford:Oxford Univ Pr, 1998.1-9.
[31]刘旭光,宋开源,余曙光,等.阴虚阳虚大鼠促肾上腺皮质激素及皮质酮昼夜节律的差异研究[J].四川中医,2002,20(1)：6-8
[32]王洪图.内经学[M].北京：中国中医药出版社,2004：29-45
[33]陈伟青.浅论人工神经网络在中医学上的应用.河南中医学院学报.2004,19(4)： 12-13
[34]雷元义,陈海东.人工神经网络及其在医学影像分析中的应用.医疗卫生装备.2005,26(2)：24-25
[35]McCulloch W S, Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics,1943, (5): 115-133
[36]Rosenblatt, F., The Perceptron:A Probabilistic Model for Information storage and Organization in The Brain. Psychological Review,1958, (65):386-408
[37]Rosenblatt F. Principles of Neurody Namics:Perceptrons and The Theory of Brain Mechanisms, Spartan, New York,1962
[38]Grossberg S. Some Networks that Can Lean, Remenber, and Reproduce any Number of Compialted Space-time Patterns, stud. Appl. Math.1970, (49):135-166
[39]Willshaw D J, Buneman 0 P. Longuest-higgins, H. C Nature 1969, (222): 960
[40]Hopfield J J. Neural Networks and Physical Systems with Emergent Collective Computational Abilities, Proc. Natl. Acad. Sci., USA, 1982, (79):254-558
[41]Hopfield J J. Neurons with Graded Respone have Collective Computational Pr operties Like those of Twostate Neurons, Proc. Natl, Acad. Sci.,1984, (81):3088-3092
[42]钱学森(主编).关于思维科学,上海人民出版社.1986
[43]白云静,申洪波.中医证候研究的人工神经网络方法探析.中医药学刊.2004,22(12)： 2221-2223
[44]王永炎. 完善辨证方法体系的建议[J].中国天津第四届国际中医药学术交流会议论文集,2004.325.
[45]樊晓平,彭展,杨胜跃,等.基于多层前馈型人工神经网络的抑郁症分类系统研究[J].计算机工程与应用,2004,13：205-208
[46]边沁,何裕民,施小成,等.基于MFBP算法的中医证型的神经网络模型初探[J].中国中医基础医学杂志,、2001,7(5)：66-69.
[47]叶进,邢传鼎.基于人工人工神经网络的病症诊断原型系统[J].东华大学学报(自然科学版),2003,29(4)：43-47.
[48]施明辉,周昌乐,吴清锋,等.用人工神经网络实现基于舌诊的八纲辨证推理初探[A].中国人工智能学会.中国人工智能进展：2005(下册)[C].北京：北京邮电大学出版社,2005.1394-1399.
[49]赵卫东,盛昭瀚,杜雪寒.基于人工神经网络的案例推理医疗诊断[J].东南大学学报(自然科学版),2000,130(13)：46-50.
[50]秦中广,毛宗源.粗糙人工神经网络及其在中医智能诊断系统中的应用[J].计算机工程与应用,2001,18：34-35.
[51]孙贵香,袁肇凯.人工神经网络在中医证候研究中的应用.中医药学刊.2007,25(7)：1450-1452
[52]赵莉敏,张延群.2080例糖尿病中医临床流行病学调查再思考.中医研究,2002,10(15)： 5-6.
[53]赖世隆.临床流行病学在中医药研究的应用.见王家良主编.临床流行病学一
一临床科研设计、衡量与评价.第2版.上海：上海科学技术出版社,2001：434-441.
[54]贝政平主编.内科疾病诊断标准.北京：科学出版社,2001.
[55]沈绍功,王承德,闫希军主编.中医心病诊断疗效标准与用药规范.北京：北京出版社,2002：1-179.
[56]The World health Organization MONIA project (monitoring trends and determinants in cardiovascular disease):a major international collaboration. WHO MONICA Project Principal Investigation. J Clin Epide moil,1988,4:105
[57]贺春瑞,王振彪.临床流行病学调查方法在中医证候研究中的应用.中国中医基础医学杂志.2006,12(5)：385-386
[58]石刚,刘婷.冠心病常见证候临床流行病学调查.中华中医药学刊.2007,25(8)：1675-1676张继红,苗志林,刘冬梅.沈阳城区冠心病患者中医证型流行病学特征调查.中医药学刊.2006,24(4)：704-705
[59]余江,卿玉华,黄祥成,等.大肠癌Acces数据库的建立及应用[J].第一军医大学学报,2003,23(1)：78—9.
[60]刘德新,李小鹰.充血性心力衰竭临床资料数据库的建立及应用[1 J.中华医院管理杂志2000,16：182-183
[61]耿新青,迟呈英.ORACLE与SQLSERVER语言的比较.鞍山钢铁学院学报,2002,25(1)：36-39
[62]王晓峰,李云飞.VisualC++实践与提高.中国铁道出版社,2001
[63]李广曦,陈蔚文.中医药类数据库建设的回顾与分析.医学信息,2005,18(6)： 557～560
[64]屈景辉,廖琪梅,许卫中,陈汉勇.医学信息数据库的建立与数据挖掘.第四军医大学
[65]NiJian-ju,MaXiao-Pin,XuLi-zhong,WangJian-ying. An Image Recognition Method Based on MultiPle BP Neural Networks Fusion. IEEE:Proceeding of 2004 International Conference on Information Acquisition.2004. 323-326
[66]周开利,康耀红.神经网络模型及其MATLAB仿真程序设计.清华大学出版社.2005.5-80.
[67]尹念东.BP神经网络的应用设计[J].信息技术,2003,27(6)： 18-20.
[68]李丽霞,王彤,范逢曦.BP神经网络设计探讨.现代预防医学.2005,32(2)：128-130
[69]Guido Schwarzer, et al. On the misuse Of artificial neural networks for prognostic and diagnostic classification in oncology [J]. Statistics in medicine,2000,19:541-561.
[70]K.M.Hornik, M. Stincheombe and H. White. Multilayer feed forwordnetworks are universal approximators [J]Neural Netwoks,1989, 2(5):359-366
[71]Tokuda I, Tokunaga R, Aihara K, Back-propagation learning of infinite-dimensional dynamical systems[J]. Neural-Netwok.2003 Oct; 16 (8):1179-93
[72]Santos. Garcia G, Varela G, Novoa N, etal. Prediction of postoperative morbidity after lung resection using an artificial neural network ensemble. Artif Intell Med,2004.30(1):61-69
[73]罗成汉.基于MATLAB神经网络工具箱的BP网络实现.计算机仿真.2004,21(5)：109-111
[74]Min Xilin, Liu Guohua. Developing BP networks appl ication with Matlab Toolbox [J]. Application Research Of Computers,2002,19(1):163-164.
[75]Howard Demuth, Mark Beale. Neural network toolbox user's guide Version4 [M]. The Mathworks Inc,2001 · 194 198.
[76]温浩,赵国庆.基于MATLAB神经网络工具箱的线性神经网络实现.电子科技.2005,1：26-29
[77]徐丽娜.神经网络控制.北京：电子工业出版社,2003：11-86
[78]吴凌云.BP神经网络学习算法的改进及其应用[J].信息技术,2003,27(7)： 42-44.
[79]吴晓莉,林哲辉.MATLAB辅助模糊系统设计[M].西安：西安电子科技大学出版社,2002.
[80]蒲春,孙政顺,赵世敏.Matlab神经网络工具箱BP算法比较.计算机仿真.2006,23(5)：142-144
[81]姚文俊.BP算法的改进在Matlab的实现研究.现代电子技术.2003,21：95-96
[82]陈桦,程云艳.BP神经网络算法的改进及在Matlab中的实现.陕西科技大学学报.2004,22(2)：45-47
[83]苏高利,邓芳萍.论基于Matlab语言的BP神经网络的改进算法.科技通报.2003,19(2)：130-135
[84]左秀会.基于VC++与MATLAB的电力负荷预测.微计算机信息.2006,23(13)：230-231
[85]姚敏,赵敏,邢力基于Matlab和VC++的神经网络仿真实验设计.电气电子教学学报.2007,29(3)：77-79
[86]余波,简炜,方勇.利用Matlab神经网络工具箱在VC++. net中进行手写体数字识别.湖北汽车工业学院学报.2007,21(3)：39-41
[87]鹿文鹏,刘巍,孟祥增,利用Matlab神经网络工具箱在VC++中进行形状识别.计算机时代.2004,4：43-45
[88]李伯全.张捷.应用Matlab工具箱在VC++中实现神经网络的程序设计.机械制造.2002,11：22-24
[89]朱文锋.中医临床诊疗术语.中华人民共和国国家标准.1997
[90]简明中医辞典.人民卫生出版社.1978
[1]刘关松,徐建国,高敦岳.基于神经网络集成的舌苔分类方法.计算机工程.2003,29(14)：100-102
[2]莫传伟,武哲丽,陈群.中医舌诊客观化识别与图像技术的探析.[J].中医药学刊,2005,23(6)： 1032-1034
[3]周玉.汪仁煌.韦玉科.竞争网络在中医舌诊中的应用及实现.微计算机时空.2003,23(7-3)：270-272
[4]赵忠旭,沈兰荪,卫保国,等.基于人工神经网络的彩色校正方法研究[J].中国图像图形学报.2000,5(9)： 785-789
[5]王爱民,赵忠旭,沈兰荪.中医舌象自动分析中舌色、苔色分类方法的研究.北京生物医学工程.2000,19(3)：136-138
[6]吴芸,周昌乐,张志枫.中医舌诊神经网络的优化遗传算法.计算机应用研究.2007,24(9)：50-52
[7]岳沛平.BP神经网络识别在中医脉象信号辨识系统中的运用.江苏中医药2005,26(1)： 4-6
[8]徐方维,蔡坤宝.人工神经网络在中医脉象信号检测中的应用[J].重庞大学学报,2004,27(8)： 35-39
[9]郭红霞,王炳和,郑思仪,等.基于概率神经网络的中医脉象识别方法研究.计算机工程与应用.2007,43(20)：194-196
[10]王炳和,相敬林.基于神经网络方法的人体脉象识别研究[J].西北工业大学学报,2002,20(3)： 454-457
[11]胡家宁,阎述池,王秀章,等.脉象特征人工神经网络分类器[J].中国医科大学学报,1996,25(6)：571-578
[12]胡家宁,阎述池,王秀章,等.脉象人工神经网络分析系统模型[J].中国医科大学学报,1997,26(2)：134-137
[13]宋小莉,牛欣,司银楚,等.AZ神经网络在半夏泻心汤配伍建模中的应用[J].中国临床药理学与治疗学,2005,10(1)：104-107
[14]宋小莉,牛欣,司银楚,等.人工神经网络在半夏、生姜甘草三泻心汤配伍研究[J].中国临床药理学与治疗学,2005,10(5)： 527-531
[15]姚美村,乔延江,袁月梅,等.基于人工神经网络方法的中药功效归类研究[J].中国中药杂志,2003,28(7)： 689-691
[16]白云静,申洪波.中医证候研究的人工神经网络方法探析[J].中医药学刊,2004,22(12)： 2221-2223
[17]李海霞,陈建新,王阶.随机神经网络在血瘀证诊断研究中的应用.数理医药学杂志.2006,19(6)：643-645
[18]樊晓平,彭展,杨胜跃,等.基于多层前馈型人工神经网络的抑郁症分类系统研究[J].计算机工程与应用,2004,13： 205-208
[19]李建生,胡金亮,余学庆.基于神经网络的中医证候量化诊断模型探索.河南中医学院学报[J],2005,20(3)： 6-8
[20]岳彩青,常青美,庞学民,胡金亮.基于聚类分析的RBF网络建模方法及应用的研究.计算机仿真.2006,23(1)：120-123
[21]陈伟青.浅论人工神经网络在中医学上的应用.河南中医学院学报.2004,19(4)：12-13
[22]施明辉,周昌乐.一种基于ANN的中医辨证不确定性推理模型研究.计算机工程与应用.2007,43(7)：10-12
[23]施明辉,周昌乐,吴清锋,等.用神经网络实现基于舌诊的八纲辨证推理初探[C]中国人工智能学会.中国人工智能进展：2005(下册)北京：北京邮电大学出版社.2005：1394-1399
[24]边沁,何裕民,施小成,等.基于MFBP算法的中医证型的神经网络模型初探[J].中国中医基础医学杂志,2001,7(5)：66-69.
[25]杨连初.从网上医疗谈中医专家系统.湖南中医学院学报.1999,19(2)：63-65
[26]王震宇.人工神经网络在中医专家系统知识挖掘中的应用.计算机与数字工程.2006,34(10)：146-148
[27]叶进,邢传鼎.基于人工神经网络的病症诊断原型系统.东华大学学报(自然科学版).2003,29(4)：43-45
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |