石英杰 李宗友 趙攀 楊碩 劉成源
摘要:目的? 分析我國近40年中醫(yī)計算機輔助診斷研究的相關(guān)文獻,探索該領(lǐng)域發(fā)展現(xiàn)狀、研究熱點及前沿動態(tài),為后期研究提供參考和借鑒。方法? 檢索中國知識資源總庫(CNKI)自建庫至2020年10月31日發(fā)表的中醫(yī)計算機輔助診斷研究相關(guān)文獻,運用CiteSpace v.5.7.R2軟件對發(fā)文量、作者、發(fā)文機構(gòu)、關(guān)鍵詞進行分析挖掘,并繪制相關(guān)科學(xué)知識圖譜。結(jié)果 ?共納入文獻428篇,最早關(guān)于中醫(yī)輔助診斷研究的論文發(fā)表于1981年。近40年來,中醫(yī)計算機輔助診斷研究有2個研究高峰時期,分別為1989-1992年和2001-2010年。主要合作團隊有呂漢興團隊、李海鯤團隊、楊學(xué)智團隊和溫川飆團隊,形成以北京中醫(yī)藥大學(xué)、湖南中醫(yī)藥大學(xué)、南京中醫(yī)藥大學(xué)為核心的研究機構(gòu)網(wǎng)絡(luò),研究機構(gòu)之間合作較少。中醫(yī)類研究機構(gòu)占比44.40%,非醫(yī)學(xué)類研究機構(gòu)占比36.51%。研究內(nèi)容集中在中醫(yī)專家系統(tǒng)、中醫(yī)電腦診療系統(tǒng)、中醫(yī)辨證論治模型、中醫(yī)診斷客觀化、中醫(yī)診斷智能化5個方面;前沿?zé)狳c主要集中在中醫(yī)藥的知識發(fā)現(xiàn)、人工智能、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、知識圖譜研究等方面。結(jié)論? 隨著信息技術(shù)的進步和大數(shù)據(jù)、人工智能技術(shù)的廣泛應(yīng)用,中醫(yī)計算機輔助診斷逐漸客觀化、精確化、智能化,其研究深度和廣度也不斷拓展和延伸。
關(guān)鍵詞:中醫(yī);輔助診斷;CiteSpace;科學(xué)知識圖譜;熱點;演變趨勢
中圖分類號:R2-03??? 文獻標識碼:A??? 文章編號:2095-5707(2021)02-0011-08
DOI: 10.3969/j.issn.2095-5707.2021.02.003??????? 開放科學(xué)(資源服務(wù))標識碼(OSID):
Knowledge Map Analysis on Research Hotspots and Trends in Computer-aided Diagnosis of TCM in China
SHI Ying-jie1, LI Zong-you1, ZHAO Pan2, YANG Shuo1, LIU Cheng-yuan3*
(1. Institute of Information on Traditional Chinese Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China; 2. Eye Hospital, China Academy of Chinese Medical Sciences, Beijing 100040, China;? 3. Service Center of National Administration of Traditional Chinese Medicine, Beijing 100027, China)
Abstract: Objective To analyze the relevant literature of research on computer-aided diagnosis of TCM in the past 40 years in China; To explore the development status, research hotspots and frontier trends of this field; To provide reference for further research. Methods Research related literature on computer-aided diagnosis of TCM published by CNKI from its establishment to October 31, 2020 was retrieved. CiteSpace v.5.7.R2 software was used to analyze and mine the amount of articles, authors, publication organizations, and keywords, and
中醫(yī)藥是中華民族的原創(chuàng)科學(xué),數(shù)千年來為中華民族的健康做出了巨大貢獻。2019年10月,習(xí)近平總書記對中醫(yī)藥工作作出重要指示,強調(diào)要遵循中醫(yī)藥發(fā)展規(guī)律,傳承精華,守正創(chuàng)新,加快推進中醫(yī)藥現(xiàn)代化、產(chǎn)業(yè)化[1]。利用計算機技術(shù)構(gòu)建中醫(yī)藥知識體系,探索與發(fā)現(xiàn)中醫(yī)藥規(guī)律,實現(xiàn)基于中醫(yī)辨證論治的個性化診療,是有效解決中醫(yī)藥傳承、發(fā)展和創(chuàng)新問題的方法之一。中醫(yī)輔助診斷系統(tǒng)通過現(xiàn)代化的診療設(shè)備進行中醫(yī)四診信息客觀化、量化,可以提升臨床工作者的辨證準確度、減少人為醫(yī)療錯誤[2]。
在多學(xué)科交叉融合快速發(fā)展的大背景下,科學(xué)知識圖譜工具可以幫助學(xué)者彌補對跨學(xué)科領(lǐng)域認識的不足。本文通過文獻計量學(xué)方法和知識圖譜可視化工具,對中國知識資源總庫(CNKI)已發(fā)表的中醫(yī)計算機輔助診斷研究的期刊論文及碩士、博士學(xué)位論文的發(fā)文量、作者、發(fā)文機構(gòu)、關(guān)鍵詞等進行分析,挖掘中醫(yī)計算機輔助診斷的研究熱點及研究趨勢,期望發(fā)現(xiàn)中醫(yī)輔助診斷研究的發(fā)展脈絡(luò)及未來發(fā)展的方向。
1? 資料與方法
1.1? 數(shù)據(jù)來源與檢索策略
以中國知識資源總庫(CNKI)為數(shù)據(jù)來源,運用主題檢索方法,檢索式為:SU=('輔助診斷' + '輔助診療' + '輔助辨證' + '智能診斷' + '智能診療' + '診斷系統(tǒng)' + '診療系統(tǒng)' + '專家系統(tǒng)' + '問答系統(tǒng)' + '輔助決策' + 'CDSS') * '中醫(yī)'。檢索時間范圍自建庫至2020年10月31日,檢索時間2020年11月1日。
1.2? 納入與排除標準
納入標準:⑴中醫(yī)計算機輔助診斷相關(guān)研究,包括理論研究、辨證論治模型研究、專家系統(tǒng)相關(guān)研究、輔助診斷相關(guān)技術(shù)應(yīng)用及實驗研究、輔助診斷系統(tǒng)臨床驗證研究等;⑵文獻類型為期刊論文、碩士及博士學(xué)位論文。
排除標準:⑴與中醫(yī)計算機輔助診斷研究無關(guān)的文獻;⑵紀實報道,缺少作者或機構(gòu)信息,綜述、會議論文及成果展示等文獻。
1.3? 數(shù)據(jù)處理
將檢索到的文獻以Refworks格式導(dǎo)出,保存為download_***.txt文檔,內(nèi)容包括作者、發(fā)文機構(gòu)、論文題目、發(fā)表年份、關(guān)鍵詞、摘要、期刊、卷次、起止頁碼等。
在導(dǎo)出的.txt文檔中,對標點、分隔符等進行校對,避免因源數(shù)據(jù)格式不規(guī)范影響數(shù)據(jù)挖掘結(jié)果的準確性。發(fā)文機構(gòu)以論文實際標注為準,考慮到標注的機構(gòu)名稱分級差異較大,對機構(gòu)名稱進行適當整理,如將“上海醫(yī)科大學(xué)附屬腫瘤醫(yī)院中醫(yī)科”統(tǒng)一為“上海醫(yī)科大學(xué)附屬腫瘤醫(yī)院”。因存在研究機構(gòu)更名情況,本文保留原始名稱進行分析。
1.4? 研究方法
采用CiteSpace v.5.7.R2軟件將文獻轉(zhuǎn)換為download_***_converted.txt格式,在“功能與參數(shù)”頁面建立“New Projects”——中醫(yī)輔助診斷,參數(shù)設(shè)置為默認值。
數(shù)據(jù)分析參數(shù)設(shè)置:時間跨度1981年1月-2020年10月,時間切片為1?!癗ode Types”(節(jié)點類型)選擇Author(作者),TopN取值為50%,未選用網(wǎng)絡(luò)裁剪;“Node Types”選擇Institution(機構(gòu)),TopN取值為100%,未選用網(wǎng)絡(luò)裁剪;“Node Types”選擇Keyword(關(guān)鍵詞),g-index中k=30,網(wǎng)絡(luò)裁剪選用尋徑網(wǎng)絡(luò)算法(Pathfinder)。其余參數(shù)為默認值。
2? 結(jié)果與討論
根據(jù)檢索策略檢索文獻663篇。按納入與排除標準篩選后,最終共納入428篇,包括期刊文獻278篇、碩士學(xué)位論文119篇、博士學(xué)位論文31篇。
2.1? 發(fā)文時間分布
中醫(yī)計算機輔助診斷研究論文發(fā)文量隨時間變化曲線見圖1。從圖中可以發(fā)現(xiàn),最早關(guān)于中醫(yī)輔助診斷研究的2篇論文發(fā)表于1981年[3-4],說明20世紀80年代初已有學(xué)者開始從事中醫(yī)計算機輔助診斷的研究。1989-1992年關(guān)于中醫(yī)計算機輔助診斷的研究達到了第1個高峰期。但是從1993年開始發(fā)文量明顯減少,1998年發(fā)文量僅有1篇,說明該領(lǐng)域研究熱度明顯下降。2001-2010年,中醫(yī)計算機輔助診斷研究再次成為研究熱點,其中2008年的年發(fā)文量達34篇,是近年來發(fā)表論文最多的一年。2011-2019年,年均發(fā)文量19篇,研究熱度處于穩(wěn)步升溫的過程。由于2020年數(shù)據(jù)不完整,本研究不進行分析。
2.2? 作者分布
發(fā)表中醫(yī)計算機輔助診斷研究論文的作者共663位,其中發(fā)文≥4篇的作者共12位,占1.81%(見表1);發(fā)文≥3篇的作者共34位,占5.13%。
對發(fā)文作者進行共現(xiàn)分析,見圖2。圖譜中的節(jié)點代表作者,節(jié)點半徑越大表明發(fā)文量越多;節(jié)點間的連線代表2個作者的共現(xiàn)關(guān)系,連線越粗表示合作越密切。結(jié)果顯示,節(jié)點數(shù)N=63,連線數(shù)E=78,表明共出現(xiàn)作者63位,作者之間合作關(guān)系78個,模塊值(Q值)=0.826 3,平均輪廓值(S值)=1。一般Q值越接近1說明聚類效果越好,S>0.5表明聚類合理,S>0.7表明聚類可信[5]。
根據(jù)圖譜和共現(xiàn)作者發(fā)文量分析,發(fā)文作者形成了4個較穩(wěn)定的核心團隊:呂漢興團隊來自華中科技大學(xué),屬非中醫(yī)類團隊,主要從事中醫(yī)專家系統(tǒng)研究,發(fā)文主要集中在20世紀80年代末,是中醫(yī)計算機輔助診斷研究最早的代表團隊;李海鯤團隊來自合肥工業(yè)大學(xué),屬非中醫(yī)類團隊,主要應(yīng)用不同理論模型研究中醫(yī)輔助診斷及專家系統(tǒng),發(fā)文主要集中在2001-2010年,是中醫(yī)計算機輔助診斷研究第二次成為熱點時的核心團隊;楊學(xué)智團隊來自北京中醫(yī)藥大學(xué),主要研究四診合參輔助診療的數(shù)字化和智能化,發(fā)文時間在1999-2019年,研究持續(xù)達20年,是一個穩(wěn)定的中醫(yī)類團隊;溫川飆團隊來自成都中醫(yī)藥大學(xué),主要應(yīng)用人工智能技術(shù)研究中醫(yī)計算機輔助辨證論治,發(fā)文集中在2015-2020年,是近年來新的核心團隊。而圖譜中其他幾個團隊如李肇夷、楊健、陳國寧、陳曦、劉健等在發(fā)文1~2篇后再無相關(guān)研究,說明未形成穩(wěn)定的研究團隊。以上4個穩(wěn)定的團隊所處時間跨度較長,并且團隊之間合作較少,中醫(yī)和計算機專業(yè)團隊還未形成成熟的跨學(xué)科合作模式。
2.3? 發(fā)文機構(gòu)分布
對研究機構(gòu)進行共現(xiàn)分析,見圖3。共現(xiàn)圖譜中的節(jié)點代表發(fā)文機構(gòu),節(jié)點半徑越大表明該機構(gòu)發(fā)文量越多;節(jié)點間的連線代表2個機構(gòu)的共現(xiàn)關(guān)系,連線越粗表示合作越密切。結(jié)果顯示,節(jié)點數(shù)N=241,連線數(shù)E=89,Q值=0.931 6,S值=1,表明共出現(xiàn)研究機構(gòu)241個,機構(gòu)之間共有89個合作關(guān)系,機構(gòu)之間合作較少,主要以中醫(yī)藥院校和其附屬醫(yī)院合作為特點,形成了以北京中醫(yī)藥大學(xué)、湖南中醫(yī)藥大學(xué)、南京中醫(yī)藥大學(xué)為核心的研究機構(gòu)網(wǎng)絡(luò)。發(fā)文量前2位的研究機構(gòu)為北京中醫(yī)藥大學(xué)(11篇)、湖南中醫(yī)藥大學(xué)(5篇),見表2。
2010年之前,北京中醫(yī)藥大學(xué)各學(xué)院及其附屬醫(yī)院的研究主要以數(shù)字化中醫(yī)診斷系統(tǒng)研究為主,2010年之后,中醫(yī)四診合參的數(shù)字化和量化研究發(fā)文逐漸增多,成為研究的主要方向。湖南中醫(yī)學(xué)院于2006年更名為湖南中醫(yī)藥大學(xué),2個機構(gòu)共發(fā)文9篇,僅次于北京中醫(yī)藥大學(xué)。湖南中醫(yī)藥大學(xué)中醫(yī)計算機輔助診斷研究具有時間上的連續(xù)性,2010年以前主要研究中醫(yī)專家系統(tǒng)及以朱文峰團隊為核心開發(fā)的WF文鋒-Ⅲ中醫(yī)(輔助)診療系統(tǒng);2010年以后引入人工智能技術(shù)研究智能化辨證方法。南京中醫(yī)藥大學(xué)相關(guān)機構(gòu)集中在專病的專家系統(tǒng)或輔助診斷系統(tǒng)研究,研究時間為1999-2020年。
通過統(tǒng)計分析發(fā)現(xiàn),中醫(yī)藥院校和科研機構(gòu)發(fā)文量較大(見表3)。醫(yī)學(xué)類研究機構(gòu)共153個,其中中醫(yī)類研究機構(gòu)107個,占總體的44.40%。中醫(yī)計算機輔助診斷研究不僅涉及醫(yī)學(xué)類研究機構(gòu),而非醫(yī)學(xué)類研究機構(gòu)占比達到了36.51%,說明中醫(yī)計算機輔助診斷研究在計算機領(lǐng)域也引起了普遍關(guān)注和研究,屬于交叉學(xué)科研究領(lǐng)域。
綜合發(fā)文作者與發(fā)文機構(gòu)的數(shù)據(jù)發(fā)現(xiàn),發(fā)文量較大的研究機構(gòu)與研究團隊,只有北京中醫(yī)藥大學(xué)和成都中醫(yī)藥大學(xué)的研究團隊相對應(yīng),而非中醫(yī)藥類研究機構(gòu)雖然開展計算機輔助診斷研究較早,但研究方向與發(fā)文持續(xù)時間不夠穩(wěn)定,參與的機構(gòu)和人員分布比較分散。
2.4? 中醫(yī)計算機輔助診斷研究熱點分析
通過CiteSpace v.5.7.R2軟件進行關(guān)鍵詞聚類分析,生成關(guān)鍵詞聚類圖譜。共計出現(xiàn)關(guān)鍵詞739個,關(guān)鍵詞之間的共現(xiàn)關(guān)系有1439個,聚類分析后Q值=0.789 1,S值=0.927,表明關(guān)鍵詞聚類效果較好,結(jié)果可信。出現(xiàn)頻次≥6的關(guān)鍵詞見表4,生成的關(guān)鍵詞聚類圖譜見圖4,在“Cluster Explorer”中選取前12個聚類標簽,通過LLR算法提取聚類標簽詞。聚類號與聚類大小成反比,最大聚類以#0標記,同時選取出現(xiàn)頻次≥3的關(guān)鍵詞形成表5。
通過對表4、圖4、表5結(jié)果進行分析,排除中醫(yī)、中醫(yī)藥等中醫(yī)類關(guān)鍵詞后,將中醫(yī)計算機輔助診斷研究內(nèi)容歸納為以下幾點:
⑴中醫(yī)專家系統(tǒng)研制。相關(guān)關(guān)鍵詞有人工神經(jīng)網(wǎng)絡(luò)、不確定性推理、模糊數(shù)學(xué)、推理過程、專家系統(tǒng)工具、中醫(yī)診療、中醫(yī)專家、老中醫(yī)、系統(tǒng)研制。中醫(yī)專家系統(tǒng)的研究從20世紀80年代開始至今[6-7],一直是研究的熱點之一。在研究名老中醫(yī)學(xué)術(shù)思想和挖掘名老中醫(yī)經(jīng)驗的基礎(chǔ)上,借助計算機技術(shù),構(gòu)建中醫(yī)專家數(shù)據(jù)庫,應(yīng)用數(shù)學(xué)理論和推理模型研制中醫(yī)專家系統(tǒng)并應(yīng)用于臨床輔助決策和中醫(yī)診斷教學(xué)中,是中醫(yī)藥傳承和現(xiàn)代化的有效途徑。
⑵中醫(yī)電腦診療系統(tǒng)的研究。相關(guān)關(guān)鍵詞有知識庫、數(shù)據(jù)庫、知識表示、知識獲取、知識圖譜、模式識別、模糊邏輯、知識工程、知識發(fā)現(xiàn)、辨證、傷寒論、證素、中醫(yī)輔助診療系統(tǒng)、臨床應(yīng)用、中醫(yī)體質(zhì)、大數(shù)據(jù)、高血壓。電腦診療系統(tǒng)不同于專家系統(tǒng),而是以中醫(yī)藥知識工程為基礎(chǔ),構(gòu)建中醫(yī)藥知識庫,在知識表示和知識獲取的基礎(chǔ)上,研究中醫(yī)藥知識發(fā)現(xiàn),同時引入了知識圖譜、數(shù)據(jù)挖掘等新技術(shù),將中醫(yī)臨床輔助診斷的適用范圍從臨床診療延伸到健康管理等領(lǐng)域中。中醫(yī)電腦診療系統(tǒng)是對中醫(yī)專家系統(tǒng)的擴展和延伸,以實現(xiàn)更多的功能[8-12]。
⑶中醫(yī)辨證論治模型研究。相關(guān)關(guān)鍵詞有粗糙集、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則、屬性約簡、支持向量機、中醫(yī)輔助診斷。中醫(yī)辨證論治模型是對中醫(yī)認知模式和中醫(yī)辨證論治的模型化表示,通過借助數(shù)學(xué)模型和算法、信息化技術(shù),構(gòu)建辨證論治模型,應(yīng)用于中醫(yī)輔助診斷系統(tǒng)中,辨證論治模型是中醫(yī)計算機輔助診斷系統(tǒng)運行的核心[13-17]。
⑷中醫(yī)診斷客觀化研究。相關(guān)關(guān)鍵詞有中醫(yī)辨證、脈診、推理機、分類、中醫(yī)舌診專家系統(tǒng)、傳統(tǒng)中醫(yī)、診斷、計算機中醫(yī)診療系統(tǒng)、經(jīng)絡(luò)。傳統(tǒng)中醫(yī)的辨證診斷主要以定性為主,較多依賴主觀因素,較少借鑒客觀化、量化指標[18]。計算機的數(shù)據(jù)處理需要精確的數(shù)據(jù)支撐,因此,中醫(yī)診斷的客觀化和量化研究也是舉足輕重的。目前以舌診、脈診和經(jīng)絡(luò)診斷的量化、客觀化研究為主[19-23]。
⑸中醫(yī)診斷智能化研究。相關(guān)關(guān)鍵詞有人工智能、機器學(xué)習(xí)、人機交互、中醫(yī)按摩機器人、數(shù)據(jù)挖掘、四診合參輔助診療儀、屬性偏序結(jié)構(gòu)圖、智能診斷、亞健康、案例提取網(wǎng)、健康管理、智能問答。隨著信息技術(shù)的進步,大數(shù)據(jù)、人工智能技術(shù)的廣泛應(yīng)用,越來越多的學(xué)者開始研究人機交互的智能診斷、智能問答、中醫(yī)領(lǐng)域知識圖譜構(gòu)建等新興的解決方案,并且在亞健康、體質(zhì)學(xué)飲食、中醫(yī)按摩等方向開展了研究,這些主題將會是今后的熱點主題[24-27]。
2.5? 突現(xiàn)詞分析
通過CiteSpace的時區(qū)圖可以發(fā)現(xiàn)研究熱點隨時間的演變,對關(guān)鍵詞進行突現(xiàn)分析可以發(fā)現(xiàn)高突現(xiàn)值的關(guān)鍵詞熱點,推測中醫(yī)計算機輔助診斷研究的前沿主題和發(fā)展趨勢。對關(guān)鍵詞進行時區(qū)分析,見圖5。結(jié)果顯示,節(jié)點數(shù)N=361,連線數(shù)E=580,聚類分析后,Q值=0.77,S值=0.897 9。
在圖5基礎(chǔ)上分析突現(xiàn)詞,選取Top22的關(guān)鍵詞進行分析,見圖6。
由圖5可以看出,中醫(yī)計算機輔助診斷研究的第1個高峰期(1985-1995年),主要圍繞中醫(yī)專家系統(tǒng)和中醫(yī)知識庫的研究,側(cè)重于數(shù)據(jù)模型和推理,并且提出了人工智能在中醫(yī)診斷中的應(yīng)用。第2個高峰期(2001-2010年),研究重點為數(shù)據(jù)挖掘和知識表示在中醫(yī)輔助診斷中的應(yīng)用,側(cè)重于診斷模型的構(gòu)建。第3個階段(2011年-至今),時區(qū)圖中關(guān)鍵詞以知識發(fā)現(xiàn)、大數(shù)據(jù)、機器學(xué)習(xí)、知識圖譜、智能問答為核心。
近期前沿?zé)狳c和趨勢主要圍繞中醫(yī)藥的知識發(fā)現(xiàn)、人工智能、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、知識圖譜研究,說明近期和未來一段時間的研究熱點有可能側(cè)重于以中醫(yī)藥大數(shù)據(jù)為基礎(chǔ),通過機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、知識圖譜等新技術(shù)和新方法,助力人機交互的智能化中醫(yī)輔助診斷研究。
3? 小結(jié)
本文通過CiteSpace軟件對CNKI發(fā)表的中醫(yī)計算機輔助診斷研究相關(guān)論文進行文獻計量學(xué)和知識圖譜可視化分析,通過發(fā)文量統(tǒng)計、作者及研究機構(gòu)的知識圖譜和關(guān)鍵詞的共現(xiàn)與聚類圖譜數(shù)據(jù),了解中醫(yī)計算機輔助診斷研究領(lǐng)域研究主題隨時間的演變,可以清晰看出2個該領(lǐng)域研究的高峰及研究主題的變化,隨著計算機和信息技術(shù)的不斷更新迭代,機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、知識圖譜等新方法的出現(xiàn),以中醫(yī)藥大數(shù)據(jù)為基礎(chǔ)的人工智能研究很有可能成為將來的研究熱點。
參考文獻
[1] 新華網(wǎng).習(xí)近平對中醫(yī)藥工作作出重要指示強調(diào) 傳承精華守正創(chuàng)新 為建設(shè)健康中國貢獻力量 李克強作出批示[J].(2019-09-25) [2020-11-01].http://www.xinhuanet.com/politics/leaders/2019-10/25/c_1125151959.htm.
[2] 姚敬心,鄧文祥,李靜,等.中醫(yī)輔助診療系統(tǒng)在醫(yī)療活動中的應(yīng)用現(xiàn)狀及發(fā)展分析[J].中國中醫(yī)藥現(xiàn)代遠程教育,2019,17(15):55-57.
[3] 陳道灼,孫建嵩,林炳承,等.林如高骨傷電腦診療系統(tǒng)骨折部分研制簡介[J].福建中醫(yī)藥,1981(4):12-15,8.
[4] 陳德濟,張景芳,朱學(xué)增.中醫(yī)痹證計算機輔助診斷系統(tǒng)[J].計算機應(yīng)用通訊,1981(0):1-5.
[5] CHEN C M, CHEN Y, Horowitz M, et al. Towards an explanatory and computational theory of scientific discovery[J]. Journal of Informetrics, 2009,3(3):191-209.
[6] 年瑋.臟腑辨證專家系統(tǒng)在中醫(yī)診斷教學(xué)中的使用研究[J].電子世界,2013(21):163-164.
[7] 彭春龍,付卓,龐玉文,等.一個能從病例中自動獲取知識的中醫(yī)專家系統(tǒng)生成軟件[J].微型機與應(yīng)用,1989(1):27-29.
[8] 程良銓,孫德保,呂漢興,等.數(shù)據(jù)庫及知識工程在中醫(yī)專家系統(tǒng)中的應(yīng)用[J].華中理工大學(xué)學(xué)報,1989(5):15-20.
[9] 羅計根.面向中醫(yī)領(lǐng)域知識圖譜構(gòu)建的關(guān)鍵技術(shù)研究及應(yīng)用[D].南昌:江西中醫(yī)藥大學(xué),2019.
[10] 楊永鋒.大數(shù)據(jù)在中醫(yī)領(lǐng)域中的應(yīng)用[J].甘肅科技,2020,36(15): 14-16.
[11] 楊麗.基于知識推理的中醫(yī)臨床診療決策支持方法研究[D].北京:北京交通大學(xué),2014.
[12] 趙文,李書楠,徐佳君,等.智能化中醫(yī)輔助診療系統(tǒng)模型構(gòu)建[J].中華中醫(yī)藥雜志,2020,35(5):2421-2424.
[13] 黨春艷.新屬性約簡算法在脾胃辨證分型中的應(yīng)用研究[D].廣州:暨南大學(xué),2010.
[14] 鄒偉偉.中醫(yī)兒童性早熟智能診斷算法研究[D].上海:東華大學(xué),2012.
[15] 王合山.基于遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)及其在中醫(yī)類風(fēng)濕性關(guān)節(jié)炎診斷中的應(yīng)用研究[D].昆明:昆明理工大學(xué),2005.
[16] 秦中廣.基于粗糙集的交叉研究及其在中醫(yī)診斷的應(yīng)用[D].廣州:華南理工大學(xué),2002.
[17] 李四海,呂曉云.D-S證據(jù)融合的中醫(yī)辨證模型[J].計算機工程與應(yīng)用,2014,50(15):240-243.
[18] 李家星,林凌,宋俊生,等.中醫(yī)證候定量診斷的研究現(xiàn)狀與思路概述[J].中醫(yī)雜志,2010,51(10):950-952.
[19] 欒景民.基于屬性偏序結(jié)構(gòu)數(shù)學(xué)原理的中醫(yī)數(shù)量化辨證診斷輔助系統(tǒng)研究[D].秦皇島:燕山大學(xué),2014.
[20] 李慧,張尚尚,蘆煜,等.2型糖尿病中醫(yī)數(shù)字化、量化的四診特征研究[J].云南中醫(yī)學(xué)院學(xué)報,2015,38(2):43-46.
[21] 張瑩瑩.基于知識圖譜的舌像診療系統(tǒng)研究與構(gòu)建[D].成都:電子科技大學(xué),2019.
[22] 王燕.中醫(yī)脈象客觀定量化理論方法研究[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化,2005,7(1):118-122,143.
[23] 王光文.人體經(jīng)絡(luò)數(shù)據(jù)庫及輔助診療系統(tǒng)的研究[D].濟南:山東大學(xué),2010.
[24] 李江平,韋玉科.亞健康中醫(yī)診斷系統(tǒng)[J].計算機工程,2005, 31(15):222-223,231.
[25] 付德坤.基于模糊決策的體質(zhì)學(xué)飲食推薦建模及其系統(tǒng)實現(xiàn)[D].成都:電子科技大學(xué),2013.
[26] 劉玲云.中醫(yī)按摩機器人專家系統(tǒng)的研究[D].濟南:山東建筑大學(xué), 2016.
[27] 任薇,彭寧,范會麗.基于傳統(tǒng)規(guī)則的中醫(yī)知識智能問答系統(tǒng)研究[J].電腦知識與技術(shù),2019,15(32):200-201.
(收稿日期:2020-11-25)
(修回日期:2020-12-28;編輯:鄭宏)