[发明专利]一种基于神经网络实现中医诊疗的方法、系统及设备

说明书

本发明公开了一种基于神经网络实现中医诊疗的方法、系统及设备，该方法包括步骤：输入关于症状、证候要素，证候或治法的基本要素中一个或几个词；输入预先训练完成的诊疗神经网络模型，获得并输出患者的证候要素、证候、治法和/或药材基本要素信息；所述诊疗神经网络模型包括依次连接的症状神经网络模型、证候要素神经网络模型、证候神经网络模型与治法神经网络模型；且各神经网络模型分别包括使用词嵌入层和全连接层作为网络的主要骨架搭建的网络结构。本发明通过词嵌入层和全连接层作为神经网络的搭建骨架，实现多输入多输出的神经网络模型，实现快速有效地诊断病症并得到治疗方法，辅助缺乏经验的医生进行诊疗的工具。

技术领域

本发明涉及中医学及信息处理领域技术领域，具体涉及一种基于神经网络实现中医诊疗的方法、系统及设备。

背景技术

中医诊疗是中国的传统医学，主要通过研究人体生理，病理来进行诊断和治疗。中医理论有着悠久的历史底蕴，并且来源于大量的医学实践，在现代医学领域有着举足轻重的地位。中医治疗的主要手段是辨证论治，主要包含五大基本要素：症状，证候要素，证候，治法以及药材。医生通常通过望闻问切来确定病人的症状，不同的症状组合可以推出不同证候要素，证候要素的组合可以得出证候，医生通过证候可以有的放矢，选择合适的治法。通常每个治法有其对应的药方，然后有一些特别的症状可以直接对应药方。辨证论治的流程可以有效并且规范的帮助医生对症下药的进行诊疗，但是准确并且高效的完成辨证论治却是具有挑战性的，这主要由一下几点原因决定：

1)、辨证论治的准确性主要来源于医生自身的经验，而经验往往需要长时间的积累，这就需要耗费大量的时间以及资源来培养医生，而现代社会对高质量医生的需要远远高于了产出。

2)、相比较于西医，中医缺少标准化的衡量标准，即对于基本要素之间的关联性缺乏实际量化数据的支持，因此即使是高水平的医生也很有可能对一个医案有着完全不同的见解。

因此，我们希望可以设计一个可以辅助缺乏经验的医生进行诊疗的工具，并且该工具可以对诊疗的每个一个环节进行量化，使得整个流程更加的清洗明了。

传统的统计学方法比如贝叶斯推论等在中医诊疗中的应用及其有限，首先是因为中医诊疗涉及的主要是文字的处理，这对于应用传统的统计学来说是巨大的挑战，其次辨证论治涉及了五个基本要素，其中的逻辑层层相连，导致简单的线性或者非线性方法很难拟合其中所包括的逻辑。

神经网络是人工智能领域最为热门的研究方向，它作为一种由数据驱动的学习模式可以通过拟合数据来进行训练。中医诊疗本身就是一种由医案实例所发展出来的医学理论，因此我们认为神经网络在中医诊疗上可以有很好的应用。然而，要构建一个可以辅助中医诊疗的神经网络还存在一下几方面的挑战和问题亟需解决：

1)、中医包含的专业术语数量多，而且杂乱，缺乏规范化和标准化，有不少的术语实际上形容的是同一个概念。如果我们将这些术语都编码成神经网络可以识别的数字，会产生很多无用或者重复的信息被输入到网络中，从而导致网络的表现变得很差。

2)、中医的医案数据往往不是规范的，虽然辨证论治一般涉及所有的五种基本要素，但是很多时候真实的医案数据只包含其中的一种或者几种要素的对应关系，换句话说，我们希望神经网络能够实现症状，证候要素，证候，治法的任一种或者几种基本要素的组合作为输入，然后输出对应想得到的证候要素，证候，治法，药材的任一种或者几种结果的组合。

有鉴于此，亟需提供一种可实现不规范的数据结构作为输入，可以得到对应结果的多输入多输出的神经网络实现中医诊疗的方法。

发明内容

为了解决上述技术问题，本发明所采用的技术方案是提供了一种基于神经网络实现中医诊疗的方法，包括以下步骤：

输入关于症状、证候要素，证候或治法的基本要素中一个或几个词；