中医减肥决策支持系统的数据分析和处方挖掘方法与流程

本发明涉及中医减肥决策支持系统设计技术领域，特别是涉及一种中医减肥决策支持系统的数据分析和处方挖掘方法。

背景技术：

中国国家卫计委发布的《中国居民营养与慢性病状况报告（2015年）》显示，中国居民超重肥胖问题凸显。不论成人还是青少年，超重肥胖增长幅度都高于发达国家。

报告指出，全国18岁及以上成年男性和女性的平均体重分别为66.2kg和57.3kg。全国18岁及以上成人超重率为30.1%，肥胖率为11.9%，比2002年上升了7.3和4.8个百分点，6至17岁儿童青少年超重率为9.6%，肥胖率为6.4%，比2002年上升了5.1和4.3个百分点。不论成人还是青少年，超重肥胖增长幅度都高于发达国家。

国家卫计委疾病预防控制局国家卫生计生监察专员常继乐指出，目前，中国居民在营养方面存在两种情况，一方面营养不良问题没有完全解决，还有相当一部分的贫困地区儿童营养状况不良；但另一方面，营养过剩又接踵而来。超重肥胖是引发高血压、糖尿病、心脑血管疾病、癌症等许多慢性病的重要危险因素。超重及肥胖带来的危害日益明显，肥胖导致的高血压、高血脂、糖尿病，心脑血管疾病等慢性病年轻化，医疗成本逐年增加，主要原因是人们对超重及肥胖的相关知识缺乏，不健康的生活方式，不健康的饮食模式，活动减少所致，因此，提高对超重及肥胖危害的认知，普及科学饮食知识，树立平衡膳食理念，积极倡导健康生活方式，是预防超重和肥胖的根本的有效的措施。

现代医学认为单纯性肥胖多伴有内分泌紊乱，各种激素，尤其是胰岛素、性激素、肾上腺皮质激素、瘦素等异常，可通过针灸来调理内分泌，使之趋于正常；相比其他减肥方式而言，中医减肥利用中医辩证施治的原理，从调整内分泌入手，调理内腑技能，加快新城代谢，对肥胖者的神经和内分泌功能进行调整。中医从脏腑辨证分析肥胖主要与肝脾肾三脏的功能有关，通过针灸可以达到调理脏腑，使肝脾肾脏之功能恢复正常。现实中越来越多的肥胖人群选择中医减肥。

中医减肥是一个长期和多方法治疗的过程，针对不同肥胖人群定制科学的中医减肥方案需要构建一个平台，在这个平台在包含大量的处方数据，如何从这些处方数据中挖掘出治疗肥胖的某种共性，即针对肥胖病症医生普遍采用的处方构成，对提高中医减肥平台的辅助能力具有重要意义。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种中医减肥决策支持系统的数据分析和处方挖掘方法，根据采集到的处方数据输出这些处方数据的关联规则，提高中医减肥决策支持系统的辅助能力。

本发明的目的是通过以下技术方案来实现的：中医减肥决策支持系统的数据分析和处方挖掘方法，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。

优选的，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；

所述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；

所述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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

本发明的有益效果是：本发明采集现有的肥胖治疗处方，并利用关联规则输出现有的肥胖治疗处方的组成元素之间的关联规则，能够挖掘出针对各种肥胖病症医生普遍采用的药物、穴位等，由于本发明是应用于中医减肥决策支持系统，因而能够提高中医减肥决策支持系统的辅助能力。

附图说明

图1为本发明的流程示意图；

图2为第一数据模型的示意图；

图3为第二数据模型的示意图；

图4为电子病历中肥胖中医证型和肥胖类型的获取流程图；

图5为本发明中关联规则挖掘的流程示意图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，该实施例描述了一种中医减肥决策支持系统的数据分析和处方挖掘方法，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。

所述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；所述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；所述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；所述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。

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。

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。

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。

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。

在一种实施方式中，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。

如图2所示，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。第一数据模型能够通过动态olap查询生成挖掘算法所需要在多种维度上进行投影后的临时数据集。

如图3所示，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。第二数据模型能够通过动态olap查询生成挖掘算法所需要在多种维度上进行投影后的临时数据集。

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；多维度频次统计包括腧穴使用频次统计模块，针灸疗法频次统计模块，医家频次统计模块，医学典籍频次统计模块，不同朝代处方等维度的频次统计。

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。

如图4所示，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。

如图5所示，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。

所述中医减肥决策支持系统，包括中医基础知识单元、健康档案单元、肥胖信息单元和肥胖数据挖掘分析单元。

所述中医基础知识单元，用于新增、修改、删除和查看中医基础知识，所述中医基础知识包括经络腧穴知识、方剂、针灸器具知识、古今医家知识和肥胖预防知识。

所述健康档案单元包括：电子档案模块，用于记录用户的诊疗用药信息、购药信息、体检信息、自我检查数据和健康指标信息，所述体检信息包括心电图信息；健康风险评估模块，用于对体检信息中的异常项目进行解释分析；以及根据自我检查数据对用户身体健康程度进行评定，并根据评定结果给出就诊或检查建议；健康信息管理模块，用于查询医疗机构信息和药品信息；提示药品禁忌，以及不同药品之间的相互作用；提供健康自测题，并记录测试结果，根据测试结果为用户生成健康促进计划，并在健康促进计划的各节点时间提醒用户；参数设置模块，用于设置用户的各项参数指标；健康监控模块，用于根据输入的时间段查询用户的健康信息；根据预设周期显示并输出用户在每个周期内的健康状态；根据心电图信息生成心电图反映的各项指标的曲线图。

所述肥胖信息单元包括：肥胖病症模块，用于新增、删除、修改肥胖病症；肥胖症状模块，用于新增、删除、修改肥胖症状；肥胖病类型模块，用于新增、删除、修改肥胖类型；肥胖治疗处方模块，用于新增、删除、修改肥胖治疗处方，以及进行肥胖治疗处方的全字段模糊查询，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。

所述肥胖数据挖掘分析模块包括：数据分析模块，用于采集中医减肥决策支持系统中的数据，将采集到的数据以图表或文档的方式进行显示；肥胖处方挖掘模块，用于挖掘肥胖治疗处方。

尽管本发明已进行了一定程度的描述，明显地，在不脱离本发明的精神和范围的条件下，可进行各个条件的适当变化。可以理解，本发明不限于所述实施方案，而归于权利要求的范围，其包括所述每个因素的等同替换。