首页IT科技中医数据挖掘平台有哪些(【数据挖掘实战】——中医证型的关联规则挖掘(Apriori算法))

中医数据挖掘平台有哪些(【数据挖掘实战】——中医证型的关联规则挖掘(Apriori算法))

时间2025-05-01 16:26:40分类IT科技浏览3427
导读:目录...

目录

一            、背景和挖掘目标

1                、问题背景

2      、传统方法的缺陷

3         、原始数据情况

4                、挖掘目标

二        、分析方法和过程

1      、初步分析

2                 、总体过程

第1步:数据获取

第2步:数据预处理

第3步:构建模型

三          、思考和总结

项目地址:Datamining_project: 数据挖掘实战项目代码

一   、背景和挖掘目标

1                  、问题背景

中医药治疗乳腺癌有着广泛的适应证和独特的优势            。从整体出发          ,调整机体气血             、阴阳、脏腑功能的平衡                  ,根据不同的临床证候进行辨证论治                。确定“先证而治            ”的方向:即后续证侯尚未出现之前      ,需要截断恶化病情的哪些后续证侯      。 找出中医症状间的关联关系和诸多症状间的规律性       ,并且依据规则分析病因               、预测病情发展以及为未来临床诊治提供有效借鉴         。能够帮助乳腺癌患者手术后体质的恢复                、生存质量的改善                 ,有利于提高患者的生存机率                。

2   、传统方法的缺陷

中医辨证极为灵活         ,虽能够处理患者的复杂多变的临床症状     ,体现出治疗优势        。但缺乏统一的规范                ,难以做到诊断的标准化      。 疾病的复杂性和体质的差异性            ,造成病人大多是多种证素兼夹复合                 。临床医师可能会被自身的经验所误导   ,单纯对症治疗                ,违背了中医辨证论治的原则          。 同一种疾病的辨证分型               ,往往都有不同见解,面对临床症状不典型的患者             ,初学者很难判断   。

3            、原始数据情况

患者信息数据:包含患者的基本信息以及病理症状等                  。

4                、挖掘目标

借助三阴乳腺癌患者的病理信息                  ,挖掘患者的症状中医证型之间的关联关系; 对截断治疗提供依据   ,挖掘潜性证素             。

二      、分析方法和过程

1         、初步分析

针对乳腺癌患者          ,可运用中医截断疗法进行治疗                  ,在辨病的基础上围绕各个病程的特殊证候先证而治型; 依据医学指南      ,将乳腺癌辨证统一化       ,为六种证型。且患者在围手术期                、围化疗期        、围放疗期和内分泌治疗期等各个病程阶段                 ,基本都会出现特定的临床症状               。 通过关联规则算法         ,挖掘各中医证素与乳腺癌TNM分期之间的关系                。探索不同分期阶段的三阴乳腺癌患者的中医证素分布规律     ,以及截断病变发展      、先期干预的治疗思路                ,指导三阴乳腺癌的中医临床治疗   。

2                 、总体过程

 第1步:数据获取 

采用调查问卷的形式对数据进行搜集            。
拟定调查问卷表并形成原始指标表; 定义纳入标准与排除标准; 将收集回来的问卷表整理成原始数据                。
问卷调查需要满足两个条件:
问卷信息采集者均要求有中医诊断学基础            ,能准确识别病人的舌苔脉象   ,用通俗的语言解释医学术语                ,并确保患者信息填写准确; 问卷调查对象必须是三阴乳腺癌患者               ,他们是某省中医院以及肿瘤医院等各大医院各病程阶段1253位三阴乳腺癌患者      。

拟定调查问卷表并形成原始指标表:

 定义纳入标准与排除标准:

标准

详细信息

纳入标准

病理诊断为乳腺癌         。
病历完整,能提供既往接受检查          、治疗等相关信息             ,
包括发病年龄   、月 经状态                  、原发肿瘤大小             、区域淋巴结状态、
组织学类型               、组织学分级                、 P53 表达   、 VEGF 表达等                  ,
作为临床病理及肿瘤生物学的特征指标                。
没有精神类疾病   ,能自主回答问卷调查者        。

排除标准

本研究中临床            、病理                、肿瘤生物学指标不齐全者      。
存在第二肿瘤(非乳腺癌转移)                 。
精神病患者或不能自主回答问卷调查者          。
不愿意参加本次调查者或中途退出本次调查者   。
填写的资料无法根据诊疗标准进行分析者                  。

 第2步:数据预处理 

1. 数据清洗:收回的问卷中          ,存在无效的问卷                  ,为了便于模型分析      ,需要对其进行清洗处理             。

 2.属性规约:删除不相关属性       ,选取其中六种证型得分      、患者编号和TNM分期属性。

患者

编号

肝气郁结证得分

热毒蕴结证得分

冲任失调证得分

气血两虚证得分

脾胃虚弱证得分

肝肾阴虚证得分

TNM分期

20140001

7

30

7

23

18

17

H4

20140179

12

34

12

16

19

5

H4

……

……

……

……

……

……

……

……

20140930

4

4

12

12

7

15

H4

3. 数据变换
属性构造:为了更好的反应出中医证素分布的特征                 ,采用证型系数代替具体单证型的证素得分         ,证型相关系数计算公式如下:证型系数 = 该证型得分/该证型总分               。

数据离散化:Apriori关联规则算法无法处理连续性数值变量     ,对数据进行离散化                。本例采用聚类算法对各个证型系数进行离散化处理                ,将每个属性聚成四类   。

聚类离散化            ,最后的result的格式为:

1 2 3 4 A 0 0.178698 0.257724 0.351843 An 240 356.000000 281.000000 53.000000 即(0, 0.178698]有240个   ,(0.178698, 0.257724]有356个                ,依此类推            。 from __future__ import print_function import pandas as pd from sklearn.cluster import KMeans # 导入K均值聚类算法 datafile = ../data/data.xls # 待聚类的数据文件 processedfile = ../tmp/data_processed.xls # 数据处理后文件 typelabel = {u肝气郁结证型系数: A, u热毒蕴结证型系数: B, u冲任失调证型系数: C, u气血两虚证型系数: D, u脾胃虚弱证型系数: E, u肝肾阴虚证型系数: F} k = 4 # 需要进行的聚类类别数 # 读取数据并进行聚类分析 data = pd.read_excel(datafile) # 读取数据 keys = list(typelabel.keys()) result = pd.DataFrame() if __name__ == __main__: # 判断是否主窗口运行               ,如果是将代码保存为.py后运行,则需要这句             ,如果直接复制到命令窗口运行                  ,则不需要这句                。 for i in range(len(keys)): # 调用k-means算法   ,进行聚类离散化 print(u正在进行“%s                ”的聚类... % keys[i]) kmodel = KMeans(n_clusters=k, n_jobs=4) # n_jobs是并行数          ,一般等于CPU数较好 kmodel.fit(data[[keys[i]]].as_matrix()) # 训练模型 r1 = pd.DataFrame(kmodel.cluster_centers_, columns=[typelabel[keys[i]]]) # 聚类中心 r2 = pd.Series(kmodel.labels_).value_counts() # 分类统计 r2 = pd.DataFrame(r2, columns=[typelabel[keys[i]] + n]) # 转为DataFrame                  ,记录各个类别的数目 r = pd.concat([r1, r2], axis=1).sort(typelabel[keys[i]]) # 匹配聚类中心和类别数目 r.index = [1, 2, 3, 4] r[typelabel[keys[i]]] = pd.rolling_mean(r[typelabel[keys[i]]], 2) # rolling_mean()用来计算相邻2列的均值      ,以此作为边界点      。 r[typelabel[keys[i]]][1] = 0.0 # 这两句代码将原来的聚类中心改为边界点         。 result = result.append(r.T) result = result.sort() # 以Index排序       ,即以A,B,C,D,E,F顺序排 result.to_excel(processedfile)

第3步:构建模型

1         、中医证型关联模型:

采用关联规则算法                 ,输入建模参数         ,探索乳腺癌患者 TNM 分期与中医证型系数之间的关系     ,挖掘他们之间的关联关系                 。注:结合实际业务分析且需要多次设置                ,确定最小支持度与最小置信度        。本例的输入参数为:最小支持度6%                 、最小置信度 75%      。
import pandas as pd from sklearn.cluster import KMeans datafile = data.xls # 待聚类的数据文件 processedfile = data_processed.xlsx # 处理后的文件 typelabel = {肝气郁结证型系数:A, 热毒蕴结证型系数:B, 冲任失调证型系数:C, 气血两虚证型系数:D, 脾胃虚弱证型系数:E, 肝肾阴虚证型系数:F} k = 4 # 需要的聚类类别数 # 读取数据并且进行聚类 data = pd.read_excel(datafile) keys = list(typelabel.keys()) result = pd.DataFrame() if __name__ == __main__: # 判断是否主窗口运行 当.py文件被直接运行时            ,if __name__ == __main__之下的代码块将被运行; 当.py文件以模块形式被导入时   ,if __name__ == __main__之下的代码块不被运行                 。 for i in range(len(keys)): # 调用k-means算法,进行聚类离散化 print(正在进行 "%s" 的聚类... % keys[i]) kmodel = KMeans(n_clusters=k) kmodel.fit(data[[keys[i]]].values) # 训练模型 r1 = pd.DataFrame(kmodel.cluster_centers_, columns=[typelabel[keys[i]]]) # 聚类中心 r2 = pd.Series(kmodel.labels_).value_counts() # 分类统计 r2 = pd.DataFrame(r2, columns=[typelabel[keys[i]]+n]) # 转为DataFrame                ,记录各个类别的数目 r = pd.concat([r1, r2], axis=1).sort_values(by= typelabel[keys[i]]) # 匹配聚类中心和类别数目,并按值排序 r.index = [1, 2, 3, 4] r[typelabel[keys[i]]] = r[typelabel[keys[i]]].rolling(2).mean() # rolling().mean()用来计算相邻2列的均值               ,以此作为边界点 r[typelabel[keys[i]]][1] = 0.0 # 将原来的聚类中心改为边界点 result = result.append(r.T) result = result.sort_index() # 以index排序,即以ABCDEF排序 result.to_excel(processedfile)

 聚类之后的结果:

Apriori关联规则算法 

#-*- coding: utf-8 -*- from __future__ import print_function import pandas as pd #自定义连接函数             ,用于实现L_{k-1}到C_k的连接 def connect_string(x, ms): x = list(map(lambda i:sorted(i.split(ms)), x)) l = len(x[0]) r = [] for i in range(len(x)): for j in range(i,len(x)): if x[i][:l-1] == x[j][:l-1] and x[i][l-1] != x[j][l-1]: r.append(x[i][:l-1]+sorted([x[j][l-1],x[i][l-1]])) return r #寻找关联规则的函数 def find_rule(d, support, confidence, ms = u--): result = pd.DataFrame(index=[support, confidence]) #定义输出结果 support_series = 1.0*d.sum()/len(d) #支持度序列 column = list(support_series[support_series > support].index) #初步根据支持度筛选 k = 0 while len(column) > 1: k = k+1 print(u\n正在进行第%s次搜索... %k) column = connect_string(column, ms) print(u数目:%s... %len(column)) sf = lambda i: d[i].prod(axis=1, numeric_only = True) #新一批支持度的计算函数 #创建连接数据                  ,这一步耗时        、耗内存最严重          。当数据集较大时   ,可以考虑并行运算优化   。 d_2 = pd.DataFrame(list(map(sf,column)), index = [ms.join(i) for i in column]).T support_series_2 = 1.0*d_2[[ms.join(i) for i in column]].sum()/len(d) #计算连接后的支持度 column = list(support_series_2[support_series_2 > support].index) #新一轮支持度筛选 support_series = support_series.append(support_series_2) column2 = [] for i in column: #遍历可能的推理          ,如{A,B,C}究竟是A+B-->C还是B+C-->A还是C+A-->B? i = i.split(ms) for j in range(len(i)): column2.append(i[:j]+i[j+1:]+i[j:j+1]) cofidence_series = pd.Series(index=[ms.join(i) for i in column2]) #定义置信度序列 for i in column2: #计算置信度序列 cofidence_series[ms.join(i)] = support_series[ms.join(sorted(i))]/support_series[ms.join(i[:len(i)-1])] for i in cofidence_series[cofidence_series > confidence].index: #置信度筛选 result[i] = 0.0 result[i][confidence] = cofidence_series[i] result[i][support] = support_series[ms.join(sorted(i.split(ms)))] result = result.T.sort_values([confidence,support], ascending = False) #结果整理                  ,输出 print(u\n结果为:) print(result) return result

 首先设置建模参数最小支持度      、最小置信度      ,输入建模样本数据                  。然后采用Apriori关联规则算法对建模的样本数据进行分析       ,以模型参数设置的最小支持度                 、最小置信度以及分析目标作为条件                 ,如果所有的规则都不满足条件         ,则需要重新调整模型参数     ,否则输出关联规则结果             。

import pandas as pd # from apriori import * # 导入自行编写的高效的Apriori函数 import time # 导入时间库用来计算用时 inputfile = apriori.txt # 输入事务集文件 data = pd.read_csv(inputfile, header=None, dtype=object) start = time.perf_counter() # 计时开始(新版本不支持clock                ,用time.perf_counter()替换) print(\n转换原始数据至0-1矩阵) ct = lambda x : pd.Series(1, index=x[pd.notnull(x)]) # 转换0-1矩阵的过渡函数            ,即将标签数据转换为1 b = map(ct, data.values) # 用map方式执行 # Dataframe参数不能是迭代器 c = list(b) data = pd.DataFrame(c).fillna(0) # 实现矩阵转换   ,除了1外                ,其余为空               ,空值用0填充 end = time.perf_counter() # 计时结束 print(\n转换完毕,用时:%0.2f秒 % (end-start)) del b # 删除中间变量b,节省内存 support = 0.06 # 最小支持度 confidence = 0.75 # 最小置信度 ms = --- # 连接符             ,默认--                  ,用来区分不同元素   ,如A--B          ,需要保证原始表格不含有该字符 start = time.perf_counter() # 计时开始 print(\n开始搜索关联规则) find_rule(data, support, confidence, ms) end = time.perf_counter() # 计时结束 print(\n转换完毕,用时:%0.2f秒 % (end-start))

2          、模型分析

TNM分期为H4期的三阴乳腺癌患者证型主要为肝肾阴虚证   、热毒蕴结证                  、肝气郁结证和冲任失调                  ,H4期患者肝肾阴虚证和肝气郁结证的临床表现较为突出      ,其置信度最大达到87.96%。

 3             、模型应用

根据关联结果       ,结合实际情况                 ,为患者未来的症治提供有效的帮助               。

a)IV期患者出现肝肾阴虚证之表现时         ,应当以滋养肝肾为补     ,清热解毒为攻                ,攻补兼施            ,截断热毒蕴结证的出现                。

b)患者多有肝气郁结证的表现   ,治疗时须重视心理调适                ,对其进行身心一体的综合治疗   。

三、思考和总结

1               、Python的流行库中都没有自带的关联规则函数               ,相应的关联规则函数,函数依赖于Pandas库            。该函数是很高效的(就实现Apriori算法而言)             ,可作为工具函数在需要时使用                。

2                、Apriori算法的关键两步为找频繁集与根据置信度筛选规则                  ,明白这两步过程后   ,才能清晰的编写相应程序      。 3   、本案例采用聚类的方法进行数据离散化          ,其他的离散化方法如:等距            、等频                、决策树      、基于卡方检验等                  ,试比较各个方法的优缺点         。
声明:本站所有文章      ,如无特殊说明或标注       ,均为本站原创发布                。任何个人或组织                 ,在未征得本站同意时         ,禁止复制         、盗用                、采集        、发布本站内容到任何网站      、书籍等各类媒体平台        。如若本站内容侵犯了原著者的合法权益     ,可联系我们进行处理      。

创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!

展开全文READ MORE
medseno(MedSegDiff: Medical Image Segmentation with Diffusion Probabilistic Model) modelsim10.6安装教程(Stable Diffusion安装教程、model导入教程以及精品promt指令)