原文鏈接：http://tecdat.cn/?p=997

最近我們被客戶要求撰寫關(guān)于藥物配伍的研究報(bào)告，包括一些圖形和統(tǒng)計(jì)輸出。

方劑藥效與劑量的關(guān)系中藥不傳之秘在于劑量中藥配伍規(guī)律。拓端數(shù)據(jù)使用數(shù)據(jù)挖掘技術(shù)對(duì)海量的在線醫(yī)院藥物復(fù)方歷史數(shù)據(jù)進(jìn)行智能分析，并從中找出藥物配伍的規(guī)律

業(yè)務(wù)挑戰(zhàn)

中醫(yī)傳承過程中，關(guān)于生理、病因病機(jī)以及疾病的表現(xiàn)和發(fā)展規(guī)律，都容易記載在書上，也容易理解和傳承。然而隨著醫(yī)藥科技的不斷進(jìn)步,新特藥品的的種類的不斷出現(xiàn),給藥物配伍又一次新挑戰(zhàn)。同時(shí)，為了探索昂貴中藥材是否有其他廉價(jià)替代品的問題，對(duì)藥物的配伍規(guī)律和性味歸經(jīng)描述來衡量藥物的相似度，根據(jù)相似度對(duì)藥物進(jìn)行聚類。

藥物配伍查詢解決方案設(shè)計(jì)

關(guān)聯(lián)規(guī)則模型

結(jié)合機(jī)器學(xué)習(xí)方法、數(shù)據(jù)清理、集成、變換和規(guī)約等技術(shù)對(duì)中醫(yī)藥方中原始數(shù)據(jù)進(jìn)行了規(guī)范化處理，并用關(guān)聯(lián)規(guī)則模型對(duì)藥物配伍關(guān)系進(jìn)行挖掘。

關(guān)聯(lián)規(guī)則可以反映一個(gè)事物與其他事物之間的相互依存性和關(guān)聯(lián)性使用關(guān)聯(lián)規(guī)則挖掘算法,找到中藥之間的高頻組合以及強(qiáng)關(guān)聯(lián)關(guān)系。

得到最常用的藥物配伍——對(duì)支持度和置信度進(jìn)行排序

規(guī)則前項(xiàng) 規(guī)則后項(xiàng) 支持度 置信度 提升度

{附子}?=>?{桂枝}?0.1824324?0.7500000?2.413043[2]{桂枝}?=>?{附子}?0.1824324?0.5869565?2.413043[3]{附子}?=>?{白芍}?0.1689189?0.6944444?1.605903[4]{白芍}?=>?{附子}?0.1689189?0.3906250?1.605903[5]{牛膝}?=>?{杜仲}?0.1689189?0.6756757?1.754386[6]{杜仲}?=>?{牛膝}?0.1689189?0.4385965?1.754386[7]{續(xù)斷}?=>?{獨(dú)活}?0.1756757?0.7027027?2.418605[8]{獨(dú)活}?=>?{續(xù)斷}?0.1756757?0.6046512?2.418605[9]{續(xù)斷}?=>?{杜仲}?0.1891892?0.7567568?1.964912[10]

用網(wǎng)絡(luò)圖對(duì)常用的藥物配伍關(guān)系進(jìn)行可視化

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

用SPSS Modeler的Web復(fù)雜網(wǎng)絡(luò)對(duì)所有腧穴進(jìn)行關(guān)聯(lián)規(guī)則分析

左右滑動(dòng)查看更多

01

02

03

04

聚類模型

更好的區(qū)分不同種類的藥物配伍關(guān)系——聚類

為了解決昂貴中藥材的廉價(jià)替代品問題，對(duì)藥物的配伍規(guī)律和性味歸經(jīng)描述來衡量藥物的相似度，根據(jù)相似度對(duì)藥物進(jìn)行聚類。通過理療措施之間的相似性進(jìn)行聚類，相當(dāng)于治療方案空間上的粗粒化。

網(wǎng)絡(luò)圖對(duì)每個(gè)種類進(jìn)行可視化

藥物配伍查詢系統(tǒng)的實(shí)現(xiàn)

通過建立適用于臨床的藥物配伍查詢系統(tǒng),方便醫(yī)務(wù)人員適時(shí)適時(shí)查詢藥物配伍及藥品信息,促進(jìn)臨床合理用藥。

最后，隨著政府、企業(yè)、科研機(jī)構(gòu)加大對(duì)智慧醫(yī)院精準(zhǔn)醫(yī)療的資源投入，大數(shù)據(jù)將持續(xù)發(fā)揮精準(zhǔn)醫(yī)療發(fā)展助推器作用，推動(dòng)精準(zhǔn)醫(yī)療產(chǎn)業(yè)發(fā)展。

本文摘選?《?R語言用關(guān)聯(lián)規(guī)則和聚類模型挖掘處方數(shù)據(jù)探索藥物配伍中的規(guī)律?》?，點(diǎn)擊“閱讀原文”獲取全文完整資料。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

用SPSS Modeler的Web復(fù)雜網(wǎng)絡(luò)對(duì)所有腧穴進(jìn)行關(guān)聯(lián)規(guī)則分析
PYTHON在線零售數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘APRIORI算法數(shù)據(jù)可視化
R語言關(guān)聯(lián)規(guī)則模型(Apriori算法)挖掘雜貨店的交易數(shù)據(jù)與交互可視化
R語言關(guān)聯(lián)挖掘?qū)嵗ㄙ徫锘@分析）
python關(guān)聯(lián)規(guī)則學(xué)習(xí)：FP-Growth算法對(duì)藥品進(jìn)行“菜籃子”分析
基于R的FP樹fp growth 關(guān)聯(lián)數(shù)據(jù)挖掘技術(shù)在煤礦隱患管理
python關(guān)聯(lián)規(guī)則學(xué)習(xí)：FP-Growth算法對(duì)藥品進(jìn)行“菜籃子”分析
通過Python中的Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則挖掘
Python中的Apriori關(guān)聯(lián)算法-市場(chǎng)購物籃分析
R語言用關(guān)聯(lián)規(guī)則和聚類模型挖掘處方數(shù)據(jù)探索藥物配伍中的規(guī)律
在R語言中輕松創(chuàng)建關(guān)聯(lián)網(wǎng)絡(luò)
python主題建?？梢暬疞DA和T-SNE交互式可視化
R語言時(shí)間序列數(shù)據(jù)指數(shù)平滑法分析交互式動(dòng)態(tài)可視化
用R語言制作交互式圖表和地圖
如何用r語言制作交互可視化報(bào)告圖表K-means和層次聚類分析癌細(xì)胞系微陣列數(shù)據(jù)和樹狀圖可視化比較
KMEANS均值聚類和層次聚類：亞洲國家地區(qū)生活幸福質(zhì)量異同可視化分析和選擇最佳聚類數(shù)
PYTHON實(shí)現(xiàn)譜聚類算法和改變聚類簇?cái)?shù)結(jié)果可視化比較
有限混合模型聚類FMM、廣義線性回歸模型GLM混合應(yīng)用分析威士忌市場(chǎng)和研究專利申請(qǐng)數(shù)據(jù)
R語言多維數(shù)據(jù)層次聚類散點(diǎn)圖矩陣、配對(duì)圖、平行坐標(biāo)圖、樹狀圖可視化城市宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)
r語言有限正態(tài)混合模型EM算法的分層聚類、分類和密度估計(jì)及可視化
Python Monte Carlo K-Means聚類實(shí)戰(zhàn)研究
R語言k-Shape時(shí)間序列聚類方法對(duì)股票價(jià)格時(shí)間序列聚類
R語言對(duì)用電負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行K-medoids聚類建模和GAM回歸
R語言譜聚類、K-MEANS聚類分析非線性環(huán)狀數(shù)據(jù)比較
R語言實(shí)現(xiàn)k-means聚類優(yōu)化的分層抽樣(Stratified Sampling)分析各市鎮(zhèn)的人口
R語言聚類有效性：確定最優(yōu)聚類數(shù)分析IRIS鳶尾花數(shù)據(jù)和可視化Python、R對(duì)小說進(jìn)行文本挖掘和層次聚類可視化分析案例
R語言k-means聚類、層次聚類、主成分（PCA）降維及可視化分析鳶尾花iris數(shù)據(jù)集
R語言有限混合模型(FMM,finite mixture model)EM算法聚類分析間歇泉噴發(fā)時(shí)間
R語言用溫度對(duì)城市層次聚類、kmean聚類、主成分分析和Voronoi圖可視化
R語言k-Shape時(shí)間序列聚類方法對(duì)股票價(jià)格時(shí)間序列聚類
R語言中的SOM(自組織映射神經(jīng)網(wǎng)絡(luò))對(duì)NBA球員聚類分析
R語言復(fù)雜網(wǎng)絡(luò)分析：聚類（社區(qū)檢測(cè)）和可視化
R語言中的劃分聚類模型
基于模型的聚類和R語言中的高斯混合模型
r語言聚類分析：k-means和層次聚類
SAS用K-Means 聚類最優(yōu)k值的選取和分析
用R語言進(jìn)行網(wǎng)站評(píng)論文本挖掘聚類
基于LDA主題模型聚類的商品評(píng)論文本挖掘
R語言鳶尾花iris數(shù)據(jù)集的層次聚類分析
R語言對(duì)用電負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行K-medoids聚類建模和GAM回歸
R語言聚類算法的應(yīng)用實(shí)例