乳腺癌中医证型关联分析与可视化系统：从数据挖掘到部署实战

简介：一份以乳腺癌中医证型关联分析为核心的可视化系统毕业设计成果，适用于计算机、软件工程、人工智能等专业学生完成毕设、课设或项目初期立项演示。项目源码已通过mac/Windows/Linux多平台测试，并获导师认可与95分答辩评价，系统涵盖数据处理、关联分析与可视化展示等核心模块。压缩包内共812个文件，以JavaScript和Vue前端代码为主，辅以MD说明文档、JSON配置及Python脚本，覆盖前端界面、业务逻辑、配置脚本与部署文档，整体仅1.9MB，结构紧凑便于快速定位与上手。已有74人学习下载，适合具备一定编程基础并希望直接使用或二次开发的读者，可结合自身需求修改功能或扩展分析维度，也可作为中医药信息化方向课题的参考资料。

1. 乳腺癌中医证型关联分析与可视化系统.zip 里究竟有什么

“高分毕业设计 乳腺癌中医证型关联分析与可视化系统设计源码+部署文档+全部数据资料.zip” 这类命名方式，基本是给毕业设计市场准备的：一个 zip 里同时塞进源码、部署文档、数据资料，让你不用再东拼西凑。但越是这种包，越要先搞清楚它解决什么问题。乳腺癌中医证型关联分析与可视化系统的常规形态是：后端用 Python 做关联规则挖掘，把门诊病历里的中医四诊信息变成“证型-症状”规则；前端把这些规则渲染成交互图表，用来回答“哪些症状组合常伴随某类证型”这类问题。适合谁？计算机专业学生做毕设，重点不是中医知识，而是把非结构化问诊文本变成可计算的事务集，再快速搭建一套能静态展示的 Web 可视化系统。这篇内容就按照拿到压缩包之后的操作顺序展开：环境部署、关联分析参数、可视化接口、部署后的验证，中间会直接给出可复现的命令和代码。

2. 本地部署前要先想清楚的四个环境问题

2.1 解压前先校验文件，别被中文文件名带偏

在 Linux 或 macOS 上解压这种带中文长文件名的 zip，第一命令不是unzip而是file和sha256sum。很多分享者重新打包过，文件名里的空格和中文在部分 unzip 实现下会出现乱码，甚至把目录结构解错。先确认文件完整再动手：

file "高分毕业设计 乳腺癌中医证型关联分析与可视化系统设计源码+部署文档+全部数据资料.zip" sha256sum "高分毕业设计 乳腺癌中医证型关联分析与可视化系统设计源码+部署文档+全部数据资料.zip"

file命令确认它确实是 Zip archive，而不是改后缀的 RAR；sha256sum记录当前包的哈希值，防止下载过程中文件损坏。如果解压时报End-of-central-directory signature not found，说明 zip 不完整，直接重新下载，不要相信网上那些 zip 解密工具界面上的“修复”按钮，正规压缩包根本不需要它。

Windows 下建议先用 7-Zip 打开，它对 UTF-8 中文文件名的兼容性比资源管理器自带解压更好。解压之后留意是否多嵌套了一层同名目录，很多包解出来是乳腺癌中医证型关联分析与可视化系统/乳腺癌中医证型关联分析与可视化系统/，这种双重嵌套会直接导致后续部署文档里的相对路径全部失效。

2.2 读懂目录结构：源码、部署文档、数据资料各管什么

毕设源码包通常不会只有一个 Python 文件，而是小型 Web 工程。常见布局如下：

看清楚之后再动手。很多部署文档第一行写的是python app.py，但实际上需要先执行python init_db.py创建 SQLite 表，再导入data/processed/diagnosis.csv。数据资料目录往往不是给人看的，而是给程序导入用的；如果你因为好奇去改 Excel 里的某一格，后续关联分析的事务结构就会和文档里的结果对不上，答辩时被问到“为什么复现结果和文档里不同”就非常被动。

2.3 创建虚拟环境与安装依赖的准确姿势

项目依赖通常集中在requirements.txt，常见依赖包括pandas、flask、mlxtend、openpyxl。Python 版本最好锁定在 3.8 到 3.10，因为新版本里 numpy 和 scipy 版本策略会让 mlxtend 出现运行时警告。部署时按顺序执行：

python -m venv .venv source .venv/bin/activate python -m pip install --upgrade pip pip install -r requirements.txt

如果你用 conda，环境创建命令换成conda create -n tcm python=3.9 && conda activate tcm。依赖安装完成后不要急着启动，先执行一次python -c "import flask, pandas, mlxtend; print('ok')"，确认关键包都能正常导入。部署文档里如果写了pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple，说明原作者用了镜像源，国内网络环境下可以保留，访问海外 PyPI 太慢时再换回清华源。

启动前还要检查端口。Flask 默认 5000，如果本机 5000 被调试工具或其他服务占用，运行会直接抛OSError: [Errno 98] Address already in use。最小处理方式是启动命令改成python app.py --port=5050，或者在源码里找app.run修改port参数。部署文档通常不会提示这一点，但它是这类 zip 项目最常见的第一个报错。

3. 中医证型关联分析：把四诊原始数据变成有效规则

3.1 清洗原始病历：症状字段拆成可计算的事务集

数据目录里的原始数据多半是宽表：第一列是患者编号，中间是主诉、兼症、舌苔、脉象，最后一列是中医证型。Apriori 不能直接吃这种表，需要先把每条记录转成一个“项目集合”，也就是把症状和证型放在同一个列表里，才能挖掘“症状组合→证型”的规则。

import pandas as pd df = pd.read_excel("data/raw/乳腺癌病历.xlsx", engine="openpyxl") df["证型"] = df["证型"].fillna("") def to_items(row): cols = ["主诉症状", "兼症", "舌脉"] items = [] for col in cols: for part in str(row[col]).replace("；", "，").split("，"): part = part.strip() if part and part not in items: items.append(part) if row["证型"]: items.append(row["证型"]) return items df["items"] = df.apply(to_items, axis=1) transactions = df["items"].tolist() print(transactions[:3])

代码核心是把多个列里用中文标点分隔的症状描述统一按逗号拆分，去重后连同证型放进同一个列表。这里做了replace("；", "，")，因为原始录入的分隔符很不统一，有人用分号有人用顿号。如果不处理，一个完整症状会被拆成“乳房胀”“痛”这种碎片，后续支持度计算就失去意义。fillna("")是为了让空值不进入事务，避免None被写进列表。

3.2 支持度、置信度、提升度怎么定：先跑通再收紧

三个参数中，min_support表示“证型和症状的组合至少出现在多少比例的患者里”。中医门诊数据样本量通常只有几百到两三千条，很多有临床意义的证候组合出现频率低，一开始不要设到 0.2。常见做法是先设 0.03 到 0.05，看频繁项集规模再逐步提高。

from mlxtend.frequent_patterns import apriori, association_rules from mlxtend.preprocessing import TransactionEncoder te = TransactionEncoder() te_ary = te.fit(transactions).transform(transactions) df_enc = pd.DataFrame(te_ary, columns=te.columns_) freq_items = apriori(df_enc, min_support=0.03, use_colnames=True, max_len=3) rules = association_rules(freq_items, metric="confidence", min_threshold=0.5) rules = rules[rules["lift"] >= 1.2] rules = rules.sort_values("lift", ascending=False) print(rules[["antecedents", "consequents", "support", "confidence", "lift"]].head(20))

TransactionEncoder把事务列表转成布尔稀疏矩阵，apriori负责挖掘频繁项集，association_rules生成规则。max_len=3限制项集长度，避免五个症状组合成一条规则，这种规则在临床上解释不了，答辩时也经不起追问。先按confidence排序过滤，再用lift >= 1.2收紧，优先级上要先保证规则可信，再保证它比随机共现更强。

参数速查表：

3.3 结果解读与 JSON 导出：别把全集频繁项当规则展示

association_rules输出里经常出现“肝气郁结 → 乳房胀痛”这种规则，support 很高但 lift 接近 1，因为“乳房胀痛”在样本里本身就频繁。真正值得关注的是 lift 明显高于 1.2 且 support 不为零的组合。为了进可视化系统，需要把规则转成前端可用的 JSON：

result = [] for _, row in rules.iterrows(): result.append({ "antecedents": list(row["antecedents"]), "consequents": list(row["consequents"]), "support": round(float(row["support"]), 4), "confidence": round(float(row["confidence"]), 4), "lift": round(float(row["lift"]), 4) }) with open("data/processed/rules.json", "w", encoding="utf-8") as f: json.dump(result, f, ensure_ascii=False, indent=2)

这里两个容易出错的地方：antecedents和consequents是 frozenset 类型，必须转 list 才能被 JSON 序列化；round要在float()之后调用，因为 numpy 的浮点类型不会自动触发 Python 的round逻辑。保存成rules.json后，可视化系统可以直接读取，不需要每次启动都重新跑一遍挖掘。

4. 可视化系统的数据接口与图表交互设计

4.1 技术选型：模板渲染还是前后端分离

这类毕设可视化系统有两种主流形态：Flask 直接渲染templates里的 HTML，前端用 jQuery 拉数据，ECharts 放在static目录下；另一种是前端用 Vue 构建静态页，后端只提供 API。后者更像真实工程，但部署时需要多一步npm run build，现场答辩环境不稳定时很容易翻车。

我的建议是：先按部署文档来的方案走。文档里如果只写了app.py，那就是第一种方案，不要强行拆成前后端分离项目。关联分析结果已经生成在rules.json里，可视化系统不需要承担任何计算压力，只需要把静态数据变成可拖拽、可筛选的图表。

4.2 把 rules.json 暴露成带筛选参数的 API

后端只做一件事：读取 JSON 文件，并按查询参数过滤规则。筛选参数的价值在于答辩现场可以演示“提高最小提升度之后，规则数量明显下降”，这比一张静态图有说服力得多。

from flask import Flask, jsonify, request import json app = Flask(__name__) @app.route("/api/rules") def rules_api(): min_lift = float(request.args.get("min_lift", 1.2)) min_conf = float(request.args.get("min_conf", 0.5)) with open("data/processed/rules.json", encoding="utf-8") as f: rules = json.load(f) filtered = [ r for r in rules if r["lift"] >= min_lift and r["confidence"] >= min_conf ] return jsonify({"count": len(filtered), "data": filtered})

接口逻辑是：从 URL 查询参数中读min_lift和min_conf，对内存中的规则列表过滤，返回数量和过滤结果。因为rules.json通常只有几百条规则，每次全量读入也很快，不需要引入数据库。request.args.get返回的是字符串，必须用float()转成数字才能和 JSON 里的数值比较，否则会出现字符串和浮点数比较导致的类型错误。

4.3 ECharts 展示关联规则：关系图和气泡图

最容易出效果的是两种图：证型分布饼图，适合展示样本中不同证型占比；症状与证型关联关系图，用 ECharts 的graph类型画节点和边，节点大小代表 support，连线粗细代表 confidence。下面是一段基于 jQuery 的简化实现：

$.getJSON('/api/rules', {min_lift: 1.5}, function(res) { const nodes = [], links = []; res.data.forEach(function(r) { r.antecedents.forEach(function(pre) { nodes.push({name: pre}); r.consequents.forEach(function(con) { nodes.push({name: con}); links.push({source: pre, target: con, value: Math.round(r.confidence * 10)}); }); }); }); chart.setOption({ series: [{ type: 'graph', layout: 'force', data: nodes, links: links, roam: true }] }); });

这段代码能跑，但有一个明显问题：nodes数组里同名节点会重复，ECharts 会把重名节点当成多个独立实体处理，导致力导向图看起来有很多孤立点。实际部署时先建一个Map做节点去重，再生成links。另一个常见问题是图表只渲染一次，之后拖动筛选条不变化，原因多半是setOption没有传入true合并配置项，导致旧 series 被覆盖后画布空白。答辩前建议把这两处逻辑固化，不要在演示现场临时改代码。

5. 部署后的验证步骤与两个必查的坑

拿到部署文档后的第一件事不是打开浏览器看页面，而是用命令验证“接口通、数据通、规则数对得上”。一个三分钟检查流程：

curl -s "http://127.0.0.1:5000/api/rules?min_lift=1.2" | head -c 500 curl -s -o /dev/null -w "%{http_code}\n" "http://127.0.0.1:5000/" python -c "import json; print(len(json.load(open('data/processed/rules.json'))))"

curl -s隐藏进度条，head -c 500截取前 500 字节看返回结构；第二个命令用-w "%{http_code}"输出状态码，200 说明 Flask 起来了；第三个命令直接检查rules.json里有多少条规则，如果数量为 0，后面接口再正常也是空壳。换句话说，部署验证的核心是把“页面通”和“数据通”分开排查。

运行毕设项目时最常遇到的两个坑，都和文件路径有关。第一个是大小写不敏感的文件名问题：部署文档是 Windows 环境写的，代码里打开rules.json，但实际文件是Rules.json，Windows 下没问题，Linux 下直接FileNotFoundError。第二个是静态资源路径错误：ECharts 引用了/static/echarts.min.js，但项目实际结构是src/app.py+ 根目录static/，此时 Flask 默认静态目录找不到文件，浏览器控制台报 404，页面只剩数据接口在跑。

把验证写成一个小脚本，答辩前跑一次更稳妥：

import json, urllib.request resp = json.load(urllib.request.urlopen( "http://127.0.0.1:5000/api/rules?min_lift=1.5")) assert resp["count"] > 0, "没有满足筛选条件的规则" print("接口正常，规则数:", resp["count"])

这个脚本的逻辑是：用一个真实请求检查 API 返回的count是否大于 0，如果断言失败，优先排查rules.json路径和 ECharts 静态目录，这两个位置占了这个项目运行时 80% 的报错来源。

本文还有配套的精品资源，点击获取