[发明专利]一种基于多标签学习的藏医诊断辅助装置

说明书

本发明属于民族医药辅助决策领域，具体提供一种基于多标签学习的藏医诊断辅助装置，用于解决传统藏医立法过程中存在的一些问题：即诊断结果的不准确性、差异性、缺乏客观性解释，本发明能够为藏医医师诊疗过程提供辅助决策支持，其具有以下优点：1)特征视图的构建：通过训练过程的不断迭代来动态更新特征视图；2)标签传递：在3个分类器之间两两传递最可靠样本，优化分类器，提高分类准确度；3)最优分类结果选择：使用“向量拼接”和“权重分配”相结合的方法选择最优的预测结果。

技术领域

本发明属于民族医药辅助决策领域，具体为一种基于多标签学习的藏医诊断辅助装置。

背景技术

藏医是祖国医学宝库的重要组成部分，已有三千多年的悠久历史，为藏民族和整个中华民族的繁衍昌盛做出过巨大贡献；藏医药学科学研究和传承工作得到重视。在藏医临床试验中，医师主要根据以下3个步骤对患者进行诊断治疗：1)辨证：医师根据病因病机确定患者证型，2)立法：根据患者证候确定治疗方法，3)组方：根据证型和治法进行开方；其中，治法是临床遣方用药的基础，法随证立，方随法出，立法结果直接影响着临床疗效。近年来，很多研究者使用关联规则、聚类分析、主题模型等方法从大量临床案例中挖掘有效的藏医诊疗规律，但是这些方法都主要集中于辨证和组方规律分析。而对于藏医立法规律的研究，仍然处于传统的人工方法阶段，即医师根据长期积累的自身经验来进行治法预测。

使用传统人工方法进行藏医治法预测时，主要依赖医师的个人经验，导致诊断结果的准确率降低，而且不同医师可能得到不同治法，根据医师的个人经验所得的诊断结果缺乏客观性解释。

发明内容

本发明的目的在于针对传统藏医立法过程中存在的一些问题，即诊断结果的不准确性、差异性、缺乏客观性解释，提供一种基于多标签学习的藏医诊断辅助装置，为藏医医师诊疗过程提供辅助决策支持。

为实现上述目的，本发明采用的技术方案为：

一种基于多标签学习的藏医诊断辅助装置，所述装置包括用于输入症状、证机概要、证候的输入装置，以及用于接收所述输入症状、证机概要、证候的分类器，所述分类器由如下过程训练得到：

步骤1：构建数据集，包括：M份具有治法标签的慢性肾病案例、简称标记案例集，N份无治法标签的慢性肾病案例、简称无标记案例集；

步骤2：基于特征视图训练初始分类器

步骤2.1：初始化特征视图：从标记案例集中随机抽取1份案例，并将其相应的症状、证机概要、证候分别作为3个初始化特征视图；

步骤2.2：初始分类器训练：基于标记案例集，使用ML-KNN方法在3个特征视图上训练基于症状特征的分类器、基于证机概要特征的分类器、基于证候特征的分类器，依次标号为分类器1、2、3；并且在每次训练过程完成后更新相应的3个特征视图；重复训练，直到训练完所有标记案例为止；

步骤3：优化分类器

步骤3.1：分类结果预测：使用训练所得的3个分类器对无标记案例集进行分类预测，得到预测结果

其中，v表示分类器编号，表示分类器v预测案例j的概率向量，表示在分类器为v的条件下案例j的标签为t的概率，t＝1,2,...,K，K为治法(标签)总数；

步骤3.2：更新预测结果：

其中，表示更新后在分类器为v的条件下案例j的标签为t的概率，表示更新后分类器v预测案例j的概率向量；

表示案例j与标签t不相关的概率：

表示案例j与标签t相关的概率：