[发明专利]一种中医方剂自动筛选系统及其方法

说明书

本发明公开了一种中医方剂自动筛选系统，通过药物标准化词集和输入的临床症状生成方剂信息总集，在方剂信息总集的基础上构建机器学习模型的学习集合对照集，并将机器学习模型应用于方剂信息总集，生成筛选方剂集合；接着在生成的筛选方剂集合中检索，获得拓展临床表现集合，计算出拓展临床表现相对于输入临床表现的权重；然后以获得的权重，补充筛选方剂集合中的标注方剂，计算出各筛选方剂的临床表现的权重向量：最后输入需要进行筛选的核心临床表现，并计算其权重向量；根据不同向量距离计算公式，计算出各方剂权重向量与核心临床表现的权重向量的向量距离；距离最近的方剂，为该核心临床表现对应的最优方剂选择。

技术领域

本发明涉及机器学习领域，具体地说，特别涉及一种将机器学习和“方证对应”的中医理论指导结合的基于方剂药物组成建模、预测和评估的方剂自动筛选系统。

背景技术

机器学习是利用计算机建模的不同算法，总结已知事物规律，预测、推断未知知识规律，并用于科学决策的方法。机器学习通过模型反应数据内部复杂规则，能够在一定程度上反应中医的整体、辨证思维模式。

近年来机器学习已经被应用于中医药研究的多个领域，可以基于药物组成对不同类方、基于症状对不同方药、基于药物对不同功用进行分类区别研究，或者是利用计算机建模方法从中医方剂中挖掘出信息并进行提炼和总结。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种中医方剂自动筛选系统及其方法，以解决现有技术中存在的问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种中医方剂自动筛选方法，包括如下步骤：

1)根据具体的临床表现和药物标准化词集生成方剂信息总集，并在方剂信息总集的基础上建立机器学习模型的学习集和对照集；

2)以选定的参数建立模型，人工智能动态调参选择模型，分别构建机器学习模型；并按比例组合不同算法模型模块，以人工智能调节不同算法模型的权重比例，构成筛选模型；

3)将机器学习模型应用于方剂信息总集，生成筛选方剂集合；

4)通过在筛选方剂集合中检索获得拓展临床表现集合，并计算出单个拓展临床表现对应的筛选方剂数量、所有方剂数量和拓展临床表现相对于输入临床表现的权重；

5)重复上述步骤，建立多个方剂筛选模型，并通过方剂筛选模型方剂集合进行标注，获得标注方剂；

6)以输入临床表现的权重，补充筛选方剂集合中的标注方剂，计算出各筛选方剂的临床表现的权重向量：

7)对需要进行筛选的核心临床表现使用临床表现的权重，计算出核心临床表现的权重向量；

8)计算出各的临床表现的权重向量与核心临床表现的权重向量的向量距离；

9)向量距离最近的筛选方剂，为该核心临床表现对应的最优方剂选择。

一种中医方剂自动筛选系统，包括

临床表现输入模块A，用于输入具体的临床表现；

方剂数据处理模块B，根据临床表现和药物标准化词集生成方剂信息总集，并在方剂信息总集的基础上建立机器学习模型的学习集和对照集，机器学习模型的参数和权重通过方剂数据处理模块B动态调整；

筛选模型建立模块C，以选定的参数建立模型，人工智能动态调参选择模型，分别构建机器学习模型；并按比例组合不同算法模型模块，以人工智能调节不同算法模型的权重比例，构成筛选模型；

智能调控模块D，根据评估参数智能调节方剂数据处理模块B和筛选模型建立模块C中的模型参数和权重比例；