[发明专利]基于主题模型技术的中医智能辨证辅助决策方法

说明书

本发明公开了一种基于主题模型技术的中医智能辨证辅助决策方法，包括对医案集中的症状名称进行规范化处理；预处理医案数据集：使用语言技术平台工具对每份医案进行分词处理；生成医案主题模型，得到隐含在医案集中的所有主题；基于《中医内科学》构建标准证候数据库，并通过计算主题下的症状群与标准证候之间的相似度来获得主题的标签，即证候名称；基于上述挖掘得到的症候群进行证候预测。本发明对医案集中的症状名称进行规范化处理，实现中医书籍的自动标准化功能；本发明的证候预测方法通过对标准化的医案数据进行分析处理，实现中医诊疗系统的辨证功能，使得辨证结果更加准确。

技术领域

本发明涉及一种中医辅助决策方法，具体地说，涉及一种基于主题模型技术的中医智能辨证辅助决策方法。

背景技术

“辨证论治”是传统中医的主要特点，即将望、闻、问、切(四诊)收集的症状，依四诊合参原则，加以分析和总结，确定疾病的病理、病性、病位和邪正关系，从而确定疾病的证型，并选择相应的治疗。中医辨证是中医诊断疾病的理论核心，也是中医诊断学的难题。

传统中医的辨证模式是医生主要利用感官观察和患者对病感的主观描述获取患者的症状和体征信息，这种获取机体功能状态特征信息的方法，难以做出准确的定量描述，缺乏具体的量化方法，如有汗、汗出、微汗、少汗、大汗、汗出不止、大汗淋漓等对汗出状况的描述不够具体、精确，具有模糊性，且这种差异性的描述具有经验性的成分；中医信息的处理、整合由医生根据个人的知识和经验完成，诊断准确性在一定程度上也取决于医生的个人经验、诊断技巧、认识水平和思维能力，主观性较强，其辨证过程更是一个“黑箱理论”，难以诠释。为了解决这些问题，出现了一大批基于数据挖掘技术的中医辨证辅助决策方法，其中最新的研究运用数据挖掘技术从中医和西医两个角度分析中医证候，根据混合智能系统理论设计中医辨证过程的整体框架，以慢性乙型肝炎为例构建混合智能中医辨证模型，该模型首先利用基于多视图的混合属性选择算法获取与证候相关的症状，然后利用TF-IDF算法计算症状的权重，最后利用混合辨证模型判断新样本的主证和次证，并成功获得了180例新样本的主证和次证。同时使用Apriori算法对丁氏外科临床医案数据建模并对其进行关联规则分析，根据支持度和置信度构建网络结构图，用线条的粗细表示病种与六纲要素之间的关系，并结合频数统计法研究其辨证规律，实验结果表明在丁氏医案中对病种疽的辨治最为集中，约为20.31％。

其主要缺陷在于：

首先，在使用混合智能模型进行中医辨证时，所使用的慢性乙型肝炎数据集中包含的属性种类繁多且性质不同，虽然可以使用多视图的混合属性选择算法进行属性选择，但是它不能全面的获取与证候密切相关的关键属性。并且在中医领域常使用属性整体出现的频率来计算该属性的重要程度，但没有考虑在证候间分布的信息，导致辨证结果与真实结果相差甚大，辨证准确度较低。

其次，参与辨证的客观指标不足，最新的一些数据挖掘方法只利用症状进行辨证，没有考虑病因、病位、舌象和脉象等指标，导致直接使用关联规则方法很难构建精确的诊断模型，并且一些症状存在“多词一义”和“一词多义”的现象，即对这些症状没有进行规范化处理，从而导致生成的辨证结果不够全面，准确度低等结果。

发明内容

有鉴于此，本发明针对目前大多数中医智能辨证方法存在的辨证准确度低的问题，提供了一种基于主题模型技术的中医智能辨证辅助决策方法，能够解决“理-法-方-药”的辨证问题，提高辨证准确度。

为了解决上述技术问题，本发明公开了一种基于主题模型技术的中医智能辨证辅助决策方法，具体包括：

步骤1，对医案集中的症状名称进行规范化处理；

步骤2，预处理医案数据集：使用语言技术平台(LTP)工具对每份医案进行分词处理；

步骤3，生成医案主题模型，得到隐含在医案集中的所有主题；