[发明专利]一种中医临床辅助诊断方法

说明书

本发明公开了一种中医临床辅助诊断方法，具体涉及中医临床诊断领域，具体辅助诊断方法如下：S1、首先经网上以及各个中医院搜集中医临床问诊数据，得到中医临床记录中的各种病症以及问诊记录，然后将问诊记录和其对应病症整理成文本数据归类存储在中医临床辅助诊断系统中；S2、通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式；S3、将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况。本发明通过数据表征方法将文本数据转换为数值数据，最后输入至多层感知机模型内，经多标签分类任务搜索，能够实现辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。

技术领域

本发明涉及中医临床诊断技术领域，更具体地说，本发明涉及一种中医临床辅助诊断方法。

背景技术

目前，我国中医临床诊断极为依赖医生所掌握的理论知识储备和临床经验，其很大程度受限于医生本人的医疗水平，而我国的医疗发展不平衡，这导致了一些医学专家数量不足的医院，疑难杂症的误诊率比中心医院要高很多。一旦出现误诊，不仅浪费患者的诊疗费用，给患者的心理和生理上带来巨大的痛苦，更为严重的是会耽误治疗的最佳时间，导致患者病情恶化，最终给患者带来极大的伤害。为了得到相对准确诊断结果，研究者已经越来越多的关注中医临床辅助断证。

近年来由于深度学习的流行，基于深度神经网络的中医临床辅助断证研究也已逐步展开，但是绝大多数方法都是对于网络结构的改进，而关于数据表征方法的研究未见相关报道。数据表征是指将原始数据形式进行数值表征处理，由于神经网络模型无法直接对形式如字符串或者纯文本的数据进行计算，需要将数据的原始形式转换为数值才能带入模型计算，因此数据表征成为了深度学习的基础。而中医临床辅助断证又是基于中医临床记录数据的研究，其中中医临床记录属于短文本数据形式，因此关于中医临床记录的数据表征研究也成为了基于深度神经网络的中医临床辅助断证研究的基础。

医疗资源的不平衡发展使得中医临床辅助断证的研究在医疗资源相对匮乏的地区显得尤为重要。近年来，基于深度学习的中医临床辅助断证方法研究较多。数据表征是获得更好结果的最重要因素之一。因此，在文中研究了基于多层感知器模型的多类多标签中医临床辅助断证任务的不同数据表征形式，想通过这样的方式得到辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种中医临床辅助诊断方法，通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，然后将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，在病症辅助诊断系统中，搜索病症关键词，此时先通过数据表征方法将文本数据转换为数值数据，最后输入至多层感知机模型内，经多标签分类任务搜索，得到病症对应的子目录，即病症的类型、问诊记录以及解决方案，从而能够实现辅助中医医疗人员，特别是在经验不足或者医疗资源稀少的情况下，进行中医医疗诊断。

为实现上述目的，本发明提供如下技术方案：一种中医临床辅助诊断方法，具体辅助诊断方法如下：

S1、首先经网上以及各个中医院搜集中医临床问诊数据，得到中医临床记录中的各种病症以及问诊记录，然后将问诊记录和其对应病症整理成文本数据归类存储在中医临床辅助诊断系统中；

S2、通过数据表征方法将整理的中医问诊文本数据表示为计算机可计算的数值数据形式，具体包括以下步骤：

S2.1、首先将中医问诊文本数据分词，通过数据表征方法计算得到词向量；

S2.2、用词向量代替中医问诊数据中的词汇，一个词汇用一个固定大小的向量表示，一条文本形成一个新的向量，如文本词汇30个，词向量大小300，新的向量大小30*300；

S3、将表征后的数据形式通过多层感知机模型计算判断出中医问诊数据对应的病症情况，具体包括以下步骤：