计算针灸学是针灸学与数据科学交叉创新的新学科，以针灸学理论为指导，基于数据驱动，研究针灸基本理论、针灸效应规律和原理等关键科学问题，指导临床实践。本教材除绪论外共8章，包括针灸数据、针灸数据治理方法、针灸数据计算方法、针灸数据建模、计算经络、计算腧穴、计算刺灸法和计算针灸效应，脉络清晰，内容简洁。
本教材主要面向高等中医药院校和相关专业的学生，可作为本科生和研究生教材，同时可作为针灸学和计算科学交叉领域教学科研工作者的参考用书。
前辅文 绪论 一、计算针灸学概论 二、计算针灸学主要内容和任务 三、计算针灸学基本特征 四、计算针灸学基本研究方法 五、计算针灸学与传统针灸学、实验针灸学的关系 六、计算针灸学面临的挑战 七、计算针灸学未来展望 第一章 针灸数据 第一节 概述 一、针灸数据的定义 二、针灸数据的信息学特点 三、针灸数据的应用与展望 第二节 针灸数据的来源 第三节 针灸数据的特点 一、针灸数据的动态性 二、针灸数据的时序性 第四节 针灸数据的分类 一、按照数据来源分类 二、按照数据类型分类 三、按照数据的应用领域分类 四、按照数据的时间维度分类 五、按照数据形式分类 六、按照数据的治疗对象分类 七、按照数据的研究内容分类 八、按照数据的关联关系分类 九、按照数据质量分类 第五节 针灸数据的融合 第六节 数据安全隐私与保护 一、数据的隐私保护和安全现状 二、数据的隐私保护和安全风险 三、数据的隐私保护和安全对策 第二章 针灸数据治理方法 第一节 针灸数据预处理 一、针灸数据预处理的目标 二、针灸数据预处理的步骤 第二节 针灸数据清洗 一、错误纠正 二、缺失值处理 三、异常值检测与处理 四、重复数据处理 五、数据质量评估 第三节 针灸数据集及分类 一、按照数据用途和特性分类 二、按照数据来源分类 三、按照数据结构分类 四、按照数据内容分类 五、按照数据用途分类 六、按照数据更新频率分类 第四节 针灸数据元分类 第五节 数据标定 一、特征提取 二、标注和分类 三、专家验证 四、标注数据保存 五、标注数据加载 六、标注数据可视化 第三章 针灸数据计算方法 第一节 复杂网络分析 一、复杂网络的构建 二、复杂网络模型及拓扑分析 三、网络社团结构分析 四、网络链接预测分析 五、前沿复杂网络分析 第二节 有监督学习 一、支持向量机 二、K近邻算法 三、决策树和随机森林 四、前沿有监督学习模型 第三节 无监督学习 一、聚类分析 二、降维方法——主成分分析 三、潜在因子分析——因子分析 四、前沿无监督学习模型 第四节 强化学习 一、强化学习概念 二、Q-Learning算法 三、深度Q网络算法 四、策略梯度算法 五、前沿强化学习模型 第五节 组学数据分析 一、组学数据分类 二、组学数据分析方法 第四章 针灸数据建模 第一节 时间序列建模方法 一、时间序列的预处理 二、建模思想与基本步骤 第二节 自相关函数与谱 一、平稳随机性 二、自相关函数 三、谱密度 第三节 线性模型构建 一、一般线性模型 二、自回归模型 第四节 广义线性模型构建 一、广义线性模型的定义 二、连接函数 三、最大似然估计 四、GLM中的MLE 五、MLE参数β的算法 第五节 Logistic回归模型构建 第六节 神经网络建模 第五章 计算经络 第一节 经络检测计算 一、循经低电阻测量计算 二、经络光学特性检测计算 三、循经示踪轨迹研究计算 第二节 经络功能计算 一、循经血流灌注量时间序列分析 二、从复杂性度量角度探讨经穴脏腑相关研究中的计算 三、经络量子态研究中的计算 第三节 虚拟经络计算 一、穴位时空特性的数字化获取与分析 二、虚拟经络的构建与针灸疗效分析 第四节 计算经络展望 第六章 计算腧穴 第一节 腧穴可视化计算 一、可视化概念 二、可视化分析 三、腧穴可视化 第二节 腧穴特异性计算 一、腧穴特异性概念 二、腧穴特异性计算分析实例 第三节 腧穴配伍计算 一、腧穴配伍的计算程序 二、古代文献腧穴配伍数据挖掘分析 三、基于文本挖掘和复杂网络的单穴与配穴应用规律比较研究 四、基于针灸优势病种的腧穴配穴应用规律研究 五、基于腧穴配伍方案优选及效应影响因素研究 第四节 腧穴识别导航 一、腧穴识别导航概念 二、腧穴识别导航技术基础 三、腧穴识别导航案例分析 第七章 计算刺灸法 第一节 针刺刺激量计算 一、针刺刺激量的概念 二、针刺刺激量的要素 三、针刺刺激量计算的思路与方法 四、针刺手法计算实例 第二节 艾灸刺激量计算 一、艾灸刺激量的概念 二、艾灸刺激量的要素 三、艾灸刺激量计算的思路与方法 四、艾灸刺激量计算实例 第八章 计算针灸效应 第一节 概述 一、针灸的临床应用 二、针灸优势病种的定义 三、针灸优势病种的建立 四、针灸优势病种的发展方向 第二节 针灸优势病种的筛选 一、SRs/MAs 二、伞状综述 三、证据图谱 四、组学分析 第三节 针灸优势病种的预测 一、机器学习 二、多模态技术
