赵亮+吴元琳

摘要：通过数据预处理对767例慢性乙肝患者的数据，进行数据清洗、数据变换和数据规约，得到规范的可挖掘的数据集。使用关联规则Apriori分析方法，通过Weka数据挖掘平台，对预处理后的数据进行挖掘，得到106627条关联规则。然后通过过滤程序，筛选出符合要求的4935条强关联规则。最后根据用户（医生）的要求，利用可视化方法把结果呈现给用户。

关键词：慢性乙肝；数据挖掘；数据预处理；模式解释

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）10-0200-03

Abstract： The data of 767 patients with chronic hepatitis B are cleaned， transformed and reduced by data preprocessing， and getting the standard data sets can be mined.It mines the preprocessed data by using the apriori analysis method of association rules on the weka data mining platform， and gets 106627 association rules. Then it filtrates 4935 strong association rules which meet the requirements by the filter program. Finally according to the requirements of the user（the doctor），the results are presented to the user by using the method of visualization.

Key words： chronic hepatitis B； data mining； data preprocessing； interpretation of pattern

慢性乙型肝炎是一种流行广泛的疾病，全球约有3.5亿慢性乙型肝炎病毒感染者，我国现有的慢性乙型肝炎的感染者约9300万例[1]。本研究以国家科技重大专项“病毒性肝炎中医证候生物学技术平台研究（编号：2009ZX10005-020）”中的证候生物学技术平台的数据为研究对象，在Weka数据挖掘平台中采用关联规则等数据挖掘方法，进行慢性乙肝症状和实验室指标等生物信息相关性研究，获得慢性乙肝症状和生物信息的相关性的分析结果。在分析结果中对发现的模式进行解释，保留有用的模式，去掉多余的不合要求的模式，再将其转换成有效的模式[2]，使分析结果准确清晰。

1 数据选择

本研究数据来源为国家科技重大专项“病毒性肝炎中医证候生物学技术平台研究”中证候生物学技术平台的数据。利用该技术平台将病例数据导出为Excel数据文件格式，共8个Excel文件。将这8个Excel文件合并为1个Excel文件，只保留脉象、胁下痛、HBV-DNA、谷丙转氨酶、谷草转氨酶、总胆红素、直接胆红素和间接胆红素等共767行、97列数据。……