根據行政院衛生署統計資料顯示，腦中風對於我國國人生命之威脅，在近十年內來常位居十大死因前三名，由此可見腦中風醫療與預防有相當重要的研究價值。
近年來也有許多學者致力於中西醫結合分析腦中風的研究，採用了統計方法及資料探勘方法，提供相當具有參考價值之研究結果。本研究期望藉由資料探勘中叢集分析方法，交叉驗證中西醫腦中風診療資料，探索其間隱藏的規則及有趣的知識。並且運用叢集分析適用於探索式資料分析的特性，挖掘中西醫腦中風診療中的資料叢集，檢視並討論叢集結果之中西醫特徵差異於腦中風診療上是否具有意義。除了探討中醫辨證規則的科學化意義以及診療變項間的相關性之外，期望以中西醫診療交叉驗證的方式更深入了解腦中風疾病。
歸納研究結論，經由探索式分析結果發現了一些中西醫診療上的關係，包含先前研究中已發現、未發現，或與先前研究結論不相同之中西醫診療變項關係。並且藉由正規化方法的運用，說明在叢集分析之前進行調整，使輸入資料變項之權重（重要性）一致的意義。

According to statistic data published by the Department of Health, The Executive Yuan, ROC, “Stroke”, that is at least the third leading cause of death for populations in Taiwan since 1982, is quite worthy taken into medical research for its prevention. A lot of research, which contributed many valuable results recently, made analyses on the combination data of traditional and modern medicines in stroke diagnosis and treatment (D&T) by statistic or data mining approaches. This thesis explores using clustering techniques of data mining to cross-validate traditional and modern medicines in stroke D&T for the discovery of hidden knowledge.
In this research, D&T data of stroke patients from traditional and modern medicines is analyzed by clustering analysis. The differences between stroke D&T features of traditional medicine and those of modern medicine are explored by investigating data clusters of patients in the analysis.The effort attempts to make the scientific sense of dialectical rules and to understand the relationships between stroke D&T variables.
The experimental result shows, part of those relationships discovered are unknown or already known in the previous research, and others are contradictory to the previous research. Furthermore, with the normalization of data preprocessing, the importance of consistency adjustment for weight (significance) of input variables before clustering analysis is explained and illustrated.

第一章 緒論 1
1.1、研究背景與動機 1
1.2、研究目的 5
1.3、論文架構 6
第二章 相關知識及文獻回顧 7
2.1、中西醫對腦中風疾病的認識 7
2.1.1 西醫與腦中風 7
2.1.2 中醫與腦中風 12
2.2、中西醫結合分析於腦中風上之相關研究 17
2.2.1 西醫腦中風預後評量 18
2.2.2 中醫腦中風辨證分型之建構 21
2.2.3 中西醫結合分析於腦中風上之相關研究 22
2.3、資料探勘與叢集分析 30
2.3.1 知識發現過程 30
2.3.2 叢集分析 34
2.3.3 叢集驗證方法 41
第三章 資料來源與研究方法 46
3.1、研究對象與資料蒐集 46
3.2、研究架構及研究流程 49
3.3、研究限制 52
3.4、資料前處理 53
3.4.1 資料清理及整合 53
3.4.1 由預後分數轉換為病例「改善狀況」 54
3.4.3 六證分數、預後分數之正規化轉換 57
3.4.4 中西醫腦中風評估量表資料轉換之意義與使用 59
3.5、叢集分析方法 60
3.5.1 SOM演算法參數設定 61
3.5.2 使用「GeneCluster2」進行SOM叢集演算 62
3.5.3 使用「Machaon」進行叢集品質驗證 65
3.5.4 多指標驗證程序 70
第四章 病例中西醫診療資料基本統計分析 73
4.1、病例基本資料分析 73
4.1.1 基本資料統計 73
4.1.2 危險因子統計 75
4.1.3 康復狀況統計 76
4.1.4 基本統計小結 76
4.2、檢定西醫變項之六證分數差異 77
4.2.1 性別、危險因子、併發症與六證分數 77
4.2.2 住院天數離群值資料之六證分數特徵 79
4.2.3 檢定分析小結 80
第五章 病例中西醫診療資料叢集交叉驗證分析 82
5.1、原始病例資料叢集交叉驗證 83
5.1.1 原始六證分數叢集分析 83
5.1.2 原始入院及出院預後分數叢集分析 88
5.1.3 原始病例叢集分析小結 93
5.2、病例改善狀況叢集交叉驗證 94
5.2.1 改善狀況叢集分析 94
5.2.3 改善狀況叢集分析小結 103
5.3、正規化診療資料叢集交叉驗證 105
5.3.1 正規化六證分數叢集分析 105
5.3.2 正規化入院、出院預後分數叢集分析 108
5.3.3 正規化診療資料叢集分析小結 113
第六章 結論與後續研究建議 114
6.1、結論 114
6.2、後續研究建議 117
參考文獻 119
附錄一、NIHSS 123
附錄二、BARTHEL INDEX 129
附錄三、MODIFIED RANKIN SCALE 131
附錄四、中風病辨證診斷標準 132
附錄五、性別、危險因子、併發症六證分數檢定表 142
附錄六、住院天數六證分數檢定表 143
附錄七、各叢集結果品質驗證表 144
附錄八、原始預後群組改變狀況之組間六證分數比較 153
附錄九、改善量叢集中西醫診療變項檢定 155
附錄十一、改善速度叢集中西醫診療變項檢定 164
附錄十二、改善比率速度叢集中西醫診療變項檢定 165
附錄十三、正規化六證分數叢集中西醫診療變項檢定 166
附錄十四、正規化預後分數叢集中西醫診療變項檢定 167
附錄十五、正規化預後群組改變狀況之組間六證分數比較 169

表 1-1 歷年台灣腦血管疾病死亡率統計 2
表3-1 變項值範圍及說明 48
表3-2 叢集分析方法比較表 60
表3-3 指標值運算 71
表3-4 指標倒數處理並加總 71
表3-5 計算正規化指標並加總，選擇最佳分群結果 72
表4-1 性別分布統計 73
表4-2 年齡平均值及標準差 73
表4-3 病例資料年齡分布 74
表4-4 住院天數平均值及標準差 74
表4-5 住院天數分布 74
表4-6 中風種類分布統計 75
表4-7 危險因子成立例數與比率統計表 75
表4-8 併發症有無分布統計 76
表4-9 性別、危險因子、併發症之六證分數差異T檢定表 78
表4-10 性別與火證、痰證分數 78
表4-11 高齡與亢證分數 79
表4-12 糖尿病與風證分數 79
表4-13 曾患腦中風與痰證分數 79
表4-14 併發證與虛證分數 79
表4-15 住院天數離群值與非離群值六證分數T檢定表 79
表4-16 住院天數離群值與虛證分數 80
表4-17 住院天數離群值與虛證分數 80
表5-1 原始六證分數資料叢集品質驗證 － 步驟一 84
表5-2 原始六證分數資料叢集品質驗證 － 步驟二 85
表5-3 原始六證分數資料叢集品質驗證 － 步驟三 85
表5-4 原始六證分數叢集 － T檢定六證分數差異 86
表5-5 原始六證分數叢集 － T檢定預後分數、年齡、住院天數、改善狀況差異 87
表5-6 原始六證分數叢集 － 依叢集與性別、危險因子、併發症進行卡方獨立性檢定 88
表5-7 入院預後分數叢集 － T檢定入院預後分數差異 89
表5-8 入院預後分數叢集 － T檢定六證分數差異 90
表5-9 入院預後分數叢集與痰證分數 90
表5-10 出院預後分數叢集 － T檢定出院預後分數差異 90
表5-11 出院預後分數叢集 － T檢定六證分數差異 92
表5-12 入院至出院預後群組轉變病例數 92
表5-12 改善量叢集 － T檢定改善量差異 95
表5-13 改善量叢集與糖尿病之獨立性卡方檢定 96
表5-14 改善量叢集與入院預後分數 96
表5-15 改善比率3X3叢集中各群組平均改善比率列表 97
表5-16 改善比率3X3叢集 － ONE-WAY ANOVA比較組間六證分數差異 98
表5-17 改善比率叢集與糖尿病交叉表 99
表5-18 LSD多重比較檢視改善比率叢集在風證、痰證分數上的組間差異 100
表5-19 改善比率叢集群組3與群組4之入院預後 101
表5-20 改善比率速度叢集 － T檢定改善比率速度差異 101
表5-21(A) 改善比率速度叢集 － T檢定亢證分數差異 102
表5-21(B) 改善比率速度叢集與亢證分數 102
表5-22 改善比率速度叢集與併發症之獨立性卡方檢定 103
表5-23 正規化六證分數叢集 － T檢定正規化六證分數差異 106
表5-24 正規化入院預後分數叢集 － T檢定叢集群組間入院預後分數差異 108
表5-25 正規化前後入院預後分數標準差比較 109
表5-26 入院預後分數叢集 － T檢定六證分數差異 110
表5-27 入院預後分數叢集與痰證分數 110
表5-28 正規化出院預後分數叢集 － T檢定叢集群組間出院預後分數差異 111
表5-29 正規化前後出院預後分數標準差比較 112
表5-30(A) 正規化出院預後叢集與曾患腦中風之獨立性卡方檢定 112
表5-30(B) 正規化出院預後叢集與併發症之獨立性卡方檢定 112

圖2-1 知識發現過程與步驟 31
圖2-2 CLUSTERING PROCEDURE 34
圖3-1 研究架構圖 50
圖3-2 研究流程圖 51
圖3-3 使用GENECLUSTER2所提供的「FIND CLASS」功能 63
圖3-4 設定SOM演算法參數，群數設為2～10群 64
圖3-5 使用「VIEW CLUSTERS」功能檢視叢集分群結果 64
圖3-6 檢視SOM視覺化叢集結果 65
圖3-7 輸入叢集結果，標記資料陣列中每「行」為資料物件 67
圖3-9 選擇叢集驗證指標 68
圖3-10 設定驗證指標參數 69
圖4-1 病例資料年齡分布 74
圖4-2 危險因子成立個數統計分布 75
圖5-1 原始六證分數SOM叢集結果 86
圖5-2 原始六證分數叢集 － 「1X2」群組六證分數平均值 87
圖5-3 入院預後分數SOM叢集結果 89
圖5-4 入院預後分數叢集 － 兩群組入院預後分數平均值 89
圖5-5 出院預後分數SOM叢集結果 91
圖5-6 出院預後分數叢集 － 兩群組出院預後分數平均值 91
圖5-7 改善量SOM叢集結果 95
圖5-8 改善量叢集 － 兩群組改善量平均值 95
圖5-9 改善比率SOM叢集結果 97
圖5-10 改善比率速度SOM叢集結果 102
圖5-11 改善比率速度叢集 － 兩群組改善比率速度平均值 102
圖5-12 正規化六證分數SOM叢集結果 106
圖5-13 正規化六證分數叢集 － 「1X2」群組六證分數平均值 107
圖5-14 正規化前後比較 － 六證分數標準差 107
圖5-15 正規化入院預後分數SOM叢集結果 108
圖5-16 正規化入院預後分數叢集 － 兩群組入院預後分數平均值 109
圖5-17 正規化出院預後分數SOM叢集結果 111
圖5-18 正規化入院預後分數叢集 － 兩群組入院預後分數平均值 111

1.任占利、王順道、高穎，1994。「中風病辨證診斷標準（試行）」，北京中醫藥大學學報，Vol. 17, No. 3，頁64-66。
2.任占利、范吉平，1994。「《中風病證候診斷標準》的臨床驗證研究」，北京中醫藥大學學報，Vol. 17, No. 6，頁41-43。
3.劉金民，1994。「251 例急性期中風病證候的病理學基礎分析」，北京中醫藥大學學報，Vol. 17, No. 4，頁 30-31。
4.王玉來，鄭慧，劉文娜，1995。「中風急症證候分析」，中國中醫急症，Vol. 4, No. 2，頁75-78。
5.任占利，王順道，1995。「中風病證候量化標準研究概述」，北京中醫藥大學學報，Vol. 18, No.6，頁39-41。
6.王立忠等主編，1996，腦血管病中西醫診療與康復，第二版，中國中醫藥出版社。
7.郭蓉娟，王泓午，etc.,，1998。「急性腦梗塞、出血MRI 所見與中風病相關性分析」，北京中醫藥大學學報，Vol. 21, No. 4，頁50-51。
8.梁寶華，孟家眉，1998。「急性腦血管病中醫辨證分型與西醫某些指標的相關性研究」，北京中醫藥大學學報，Vol. 21, No. 3，頁53-55。
9.王順道，任占利，杜夢華，解慶凡，賈滋欣，1999。「中風病始發態證候與腦病理改變相關關係的研究」，中國中醫急症，Vol. 8, No.1，頁 36-39。
10.梁傳雄，溫澤淮，賴世隆，etc.,，1999。「中風病中醫證候特徵與腦病理改變的相關關係的研究」，新中醫，Vol. 31, No. 7，頁41-42。
11.王建華，解慶凡，賈滋欣，2000。「中風病診斷系統的研究與驗證報告」，北京中醫藥大學學報，Vol. 23, No. 2，頁56-58。
12.庾彗，歸旭，2000。「中醫中風病急性期患者發病誘因的初步調查」，中國中醫急症，Vol. 9, No. 5，頁 217-218。
13.郭燕，劉東立，2000。「舌象與中風的辨治關係」，北京中醫，Vol.3，頁11-12。
14.酈永平，閔捷，符為民，奚肇慶，陳啟光，李如英，2000。「腦梗塞中醫辨證現代化初探」，中國中醫急症，Vol. 9, No. 6，頁264-265。
15.王建華，2001。「出血性中風、缺血性中風急性期證候演變規律的研究」，中國中醫急症，Vol. 10, No. 4，頁215-217。
16.魏丹霞，劉明，施興黔，2001。「中風病急性期血糖升高的中醫證候分布規律研究」，中國中醫急症，Vol. 10, No. 2，頁91-92。
17.關少俠，丁萍，2001。「急性腦梗塞始發狀態火熱證與垂體一腎上腺軸激素的關係研究」，中國中醫急症，Vol. 10, No. 6，頁338-339。
18.酈欽菁，2001。「缺血性腦中風臨床路徑之發展與測試」，國立台北護理學院護理研究所碩士論文
19.李俊霖，2003。「中西醫腦中風醫療相關性探討」，長庚大學資訊管理研究所碩士論文。
20.林淑真，2004。「認識腦中風」，仁愛醫訊雙月刊，Vol.20, No.6, http://www.jah.org.tw/chinese/5_knowledge/3_paper/2004/m12/m12-002.asp (Accessed on 2006.08.07)
21.黃森壕，2004。「腦中風中醫證型與西醫因子之關連性探勘研究」，長庚大學資訊管理研究所碩士論文。
22.李文慈，2005。「以非監督式叢集分析方式使用基因表現資料尋找癌症子型」，長庚大學資訊管理研究所碩士論文。
23.洪昌億，2005。「決策樹應用在中西醫腦中風診斷之研究」，長庚大學資訊管理研究所碩士論文。
24.中國醫學常識：http://www.theqi.com/cmed/cmed.html (Accessed on 2006.07.18)
25.中醫學概論：http://chinamed.club.kmu.edu.tw/paper/01.htm (Accessed on 2006.07.18)
26.台灣醫學會，「台灣地區的腦梗塞」：http://www.fma.org.tw/medicial_data/taiwan19.htm (Accessed on 2006.07.18)
27.行政院衛生署統計資訊網：http://www.doh.gov.tw/statistic/index.htm (Accessed on 2006.07.18)
28.博醫網，「醫藥新知¬ － 中風(Stroke)」：http://chinomd.com/major/p1.asp?msn=232 (Accessed on 2006.07.18)
29.Biology-Online.org, “Prognosis”：http://www.biology-online.org/dictionary/Prognosis (Accessed on 2006.08.07)
30.Bolshakova N., Azuaje F., Cunningham P., 2004. “An integrated tool for microarray data clustering and cluster validity assessment”, Proceedings of the 19th ACM Symposium on Applied Computing, p. 133-137.
31.DeGraba T.J., Hallenbeck J.M., Pettigrew K.D., Dutka A.J., Kelly B.J., 1999. “Progression in acute stroke: value of the initial NIH stroke scale score on patient stratification in future trials”, Stoke, Vol.30, No.6, p.1208-1212.
32.Francis G., Frederick R., 2002.”Judging the Quality of Gene Expression-Based Clustering Methods Using Gene Annotation”. Genome Research, Vol.12, p.1574-1581.
33.Granger C.V., Dewis L.S., Peters N.C., Sherwood C.C., Barrett J.E., 1979.”Stroke rehabilitation: analysis of repeated Barthel index measures”, Archives of Physical Medicine and Rehabilitation, Vol.60, No.1, p.14-17.
34.Han J., Kamber M., 2001. Data Mining： Concepts and Techniques. Morgan Kaufman, San Francisco, CA, 2001.
35.Internet Stroke Center, ”Barthel Index”：http://www.strokecenter.org/trials/scales/barthel.html (Accessed on 2006.07.18)
36.Internet Stroke Center, “Modified Rankin Scale”： http://strokecenter.org/trials/scales/rankin.html (Accessed on 2006.07.18)
37.Internet Stroke Center, “NIH Stroke Scale（NIHSS）”：http://www.strokecenter.org/trials/scales/nihss.html (Accessed on 2006.07.18)
38.Jeng J. S., Lee T. K., Chang Y. C., Huang Z. S., Ng S. K., Chen R. C., and Yip K., 1998.”Subtypes and case-fatality rates of stroke: A hospital-based stroke registry in Taiwan”. Journal of The Neurological Sciences, Vol.156, p.220-226.
39.Pablo T., Donna S., Jill M., Qing Z., Sutisak K., Ethan D., Eric L., and Todd G., March 1999.“Interpreting patterns of gene expression with self-organizing maps”. Genetics, Vol.96, p.2907-2912.
40.Reich M., Ohm K., Angelo M., Tamayo P., Mesirov JP., Feb 2004. “GeneCluster 2.0_An advanced toolset for bioarray analysis”. Bioinformatics, Vol. 20 - Issue11, p.1797-1798.
41.Xu R., Wunsch II D., May 2005. “Survey of Clustering Algorithms＂, IEEE Transactions on Neural Networks, VOL. 16, NO. 3, p.645-678.