[发明专利]一种基于SSTM的中医证候智能诊断方法

说明书

本发明提供一种基于SSTM的中医证候智能诊断方法，首先输入计算机程序可识别的病人电子文档诊疗记录数据集；其次构建症状—证候主题模型(SSTM)，进行参数求解并对其进行训练；然后将预测样本输入，采用松弛SSTM进行增量训练，进行智能证候诊断。本方法可应用于中医学习系统中，大大降低中医诊断知识学习和掌握的难度，还能应用于各种中医智能化诊疗系统中，对促进证候诊断智能化和标准化具有重要意义。

技术领域

本发明涉及一种中医智能诊断方法，具体涉及一种基于SSTM的中医证候智能诊断方法。

背景技术

“辨证论治”是中医的特色之一，在中医诊疗过程中，一个关键环节是“辩证”，即：医生需通过病人的“四诊”信息—望闻问切进行证候诊断，从而确定治疗方案及方剂配伍，“辩证”体现了中医的知识、经验和水平。由于证候具有复杂性、多样性和模糊性等特点，中医学习者，尤其是青年医生要掌握“辩证”规律往往需要花数年甚至说十年的时间，从数据挖掘的角度，中医尤其是名老中医关于证候诊断的丰富经验和知识隐藏在大量的诊疗历史记录中。现有的关于中医智能诊断的数据分析和挖掘技术，主要采用多元统计及常规数据挖掘方法，不能有效应对复杂的证候诊断规律挖掘，未能达到实际应用的水平。

发明内容

发明目的：本发明提供一种基于SSTM的中医证候智能诊断方法，本方法可应用于中医学习系统中，大大降低中医诊断知识学习和掌握的难度，还能应用于各种中医智能化诊疗系统中，对促进证候诊断智能化和标准化具有重要意义。

技术方案：本发明所述的一种基于SSTM的中医证候智能诊断方法，包括以下步骤：

(1)输入计算机程序可识别的病人电子文档诊疗记录数据集；

(2)构建SSTM，并对模型中的参数求解；

(3)对SSTM进行训练，保存训练结果；

(4)输入预测样本；

(5)智能证候诊断—采用松弛SSTM进行增量训练；

(6)诊断结果及其症候规则输出；

其中，松弛SSTM是SSTM在初始化和抽样阶段取消对证候随机分配的显性约束条件。

所述数据集的每一条数据视作一个文档d，由一个或者多个证候及相应多个症状组成。

所述步骤(2)包括以下步骤：

(21)构建SSTM，模型主题由来自数据集中显性变量—证候标签充当，对主题的分配只针对主症，次症不被分配主题，一个症状s_dn的生成概率公式如下：

其中，d表示一条中医诊疗记录，s表示症状，s_dn表示文档d的第n个症状， z表示证候，z_dn表示文档d的第n个症状所属证候，y为主症和次症标记，y_dn＝0 表示文档d的第n个症状为主症，y_dn＝1表示文档d的第n个症状为次症；

(22)对SSTM参数采样求解，具体公式如下：

其中，“-”表示排除当前位置症状t；表示在文档d中，排除当前位置症状t后所有y＝1的症状的计数，表示在文档d中排除当前位置症状t 后所有症状的计数，表示训练集中排除当前位置症状t后，所有出现t的计数，表示训练集中排除当前位置症状t后，所有症状的计数，V表示训练集中症状个数，ν为Beta(ν)分布超参数，η为Dirichlet(η)分布超参数；