贝叶斯网络

贝叶斯网络又被称为信念网络、因果网络等，是描述随机变量（事件）之间依赖关系的一种图形模式。贝叶斯网络（Bayesiannetwork）是一种概率网络，它是基于概率推理的图形化网络，而贝叶斯公式则是这个概率网络的基础。贝叶斯网络是基于概率推理的数学模型，而概率推理是指通过一些变量的信息来获取其他的概率信息的过程，它可以解决不定性和不完整性问题，对于解决复杂设备不确定性和关联性引起的故障有很大的优势，在多个领域中获得广泛应用。目前这一技术在中医药研究领域则多用于研发专家诊疗系统，研究专家对于各种症状信息的辨证规律。

例1：:从证候要素、应证组合规律入手，运用贝叶斯网络分析陈可冀、李培生、颜德馨、任继学等名医冠心病医案115 例，对证候要素及症状进行定性和定量研究，提取到名医治疗冠心病心绞痛 8 个证候要素，按其病性分为实性要素和虚性要素，反映了本病本虚标实、虚实夹杂的病机特点。

例2：采用贝叶斯网络，分析上海名医沈仲理教授治疗子宫肌瘤的病案64 例共 100 诊次，总结出专家的辨证规律即注重正本清源，扶正以祛邪；擅用化瘀软坚，立方侧重清化；消瘤注重渐消缓散。

例3：收集705 例广泛性焦虑症患者信息，运用贝叶斯网络技术建立中医证候模型，运用贝叶斯网络法挖掘广泛性焦虑症的中医证候学规律究。提取了 9 个证候要素和 5 个证候靶位，并总结出证候要素与证候靶位之间的关系链，总结出 9 个证候类型。

例4：收集整理了835 例冠心病患者的信息，运用贝叶斯网络技术对四诊信息分类识别，得出血瘀的识别率为 83.87%，心阳虚的识别率为 84.84%，心气虚的识别率为 69.34%，心阴虚的识别率为 65.12%，痰浊的识别率为 65.12%。