[发明专利]一种基于自适应模糊神经网络的睡眠障碍中医诊治方法在审
申请号: | 201910867437.8 | 申请日: | 2019-09-12 |
公开(公告)号: | CN110623640A | 公开(公告)日: | 2019-12-31 |
发明(设计)人: | 胡若;李明;李戍军;徐虹;王金云;王华嘉;李学日;赵慧民 | 申请(专利权)人: | 广东技术师范大学 |
主分类号: | A61B5/00 | 分类号: | A61B5/00;G06N3/04;G06N3/08 |
代理公司: | 11350 北京科亿知识产权代理事务所(普通合伙) | 代理人: | 肖平安 |
地址: | 510665 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 睡眠障碍 中医诊治 中医 自适应模糊神经网络 数学模型 构建 诊断 临床症状 模型功能 分类 诊法 症药 输出 | ||
本发明涉及一种基于自适应模糊神经网络的睡眠障碍中医诊治方法,其特征在于包括步骤:一,根据望、闻、问、切的中医四诊法将睡眠障碍的临床症状进行分类,并将睡眠障碍进行证候分类;二,根据中医医治原则,将不同的证候推荐不同的方药;三,构建自适应模糊神经网络中医睡眠障碍诊断模型;四,构建睡眠障碍症药中医诊治的数学模型;五,将睡眠障碍症状以数字的方式输入到所述中医诊治的数学模型当中,进而输出方药的诊治结果。本发明不但在诊断中医睡眠障碍是完全能实现的,而且比起其它诊断模型功能更加强大和有效。
技术领域
本发明涉及一种基于自适应模糊神经网络的睡眠障碍中医诊治方法。
背景技术
人类文明发展到今天,睡眠问题是一个全世界人民面临的一个重要而又普遍的难题。如今人工智能已逐步进入医疗领域,在中医诊断病症上,目前常用以下两种智能诊断方法:
1).人工神经网络诊断方法:ANN具有较强的自学习和联想功能,对专家知识利用就好,但无法处理和描述模糊信息,不能借助已有的知识经验去解释疾病诊断的推理过程和推理结果。
2).基于专家系统:该系统既可处理确定症状,又可处理不确定的模糊症状,提高了症状诊断系统对语言知识的处理能力。缺点是不能自己获取知识、自学习能力差、无法自动生成规则及调整隶属函数、知识库维护困难。
而ANFIS(自适应模糊神经推理系统)是集学习、联想、识别、信息处理于一体,吸取了上述两种诊断方法的优势,又弥补其的不足。目前自适应模糊神经网络在中医诊断睡眠障碍中还未见有采用ANFIS来研究中医睡眠障碍的诊治技术。
发明内容
本发明针对现有技术的不足,提供一种基于自适应模糊神经网络的睡眠障碍中医诊治方法;该方法不但在诊断中医睡眠障碍是完全能实现的,而且比起其它诊断模型功能更加强大和有效。
为了达到上述目的,本发明一种基于自适应模糊神经网络的睡眠障碍中医诊治方法,主要包括以下步骤:
第一,根据望、闻、问、切的中医四诊法将睡眠障碍的临床症状进行分类,并将睡眠障碍进行证候分类;
第二,根据中医医治原则,将不同的证候推荐不同的方药;
第三,构建自适应模糊神经网络中医睡眠障碍诊断模型;
第四,构建睡眠障碍症药中医诊治的数学模型;
最后,将睡眠障碍症状以数字的方式输入到所述中医诊治的数学模型当中,进而输出方药的诊治结果;
所述第三步中主要包括如下步骤:首先依据中医学基础理论和临床经验遴选中医睡眠障碍症状,确定睡眠障碍与症状的二元模糊关系,并采用Mamdani和T-S推理方法构建模糊推理系统(Fuzzy Inference System),即FIS;然后利用失眠数据和模糊推理系统构建相应的自适应模糊神经网络中医睡眠障碍诊断模型ANFIS。
优选地,所述睡眠障碍的证候分成肝郁化火型、痰热内扰型、阴虚火旺型和心脾两虚型。
优选地,所述第三步在构建自适应模糊神经网络中医睡眠障碍诊断模型的过程中的语言变量及语言值为高斯和网格划分法。
经研究发现,选取高斯Membership function得出的训练结果精度最准确,因此选取高斯Membership function。选取网格划分法(Grid partition)产生的规则总条数为输入变量的Membership function个数的乘积,且输出中医睡眠障碍证候S的隶属度函数是离散单个的定值,根据临床样本数据,四个输入语言变量和一个输出语一言变量的取值都各有不同,依据医案数据,四个输入量和一个输出量的值是不同的。
本发明不但在诊断中医睡眠障碍是完全能实现的,而且比起其它诊断模型功能更加强大和有效。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东技术师范大学,未经广东技术师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910867437.8/2.html,转载请声明来源钻瓜专利网。