本發(fā)明涉及一種中醫(yī)輔助診斷的方法，尤其涉及一種基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，屬于深度學(xué)習(xí)。

背景技術(shù)：

1、中醫(yī)學(xué)是中華民族在長期發(fā)展的歷史進(jìn)程中不斷實踐、不斷總結(jié)出來的寶貴經(jīng)驗。中醫(yī)(tcm)作為世界傳統(tǒng)醫(yī)學(xué)的代表之一，具有完整的理論體系、豐富的臨床實踐經(jīng)驗，在世界范圍內(nèi)被廣泛應(yīng)用。中醫(yī)在我國醫(yī)療體系處于重要地位，幾千年來為民族繁榮和人民健康做出了巨大貢獻(xiàn)。中醫(yī)診斷學(xué)通過望、聞、問、切這四診，來分析人體發(fā)病的病理位置、病理性狀以及病理原因。四診中的望診對后續(xù)診斷結(jié)果起到了承上啟下的作用。

2、中醫(yī)認(rèn)識和治療疾病的基本原則是辨證論治，其中望診在辨證論治中占有重要地位。望診是通過觀察患者整體或者局部的神色、形態(tài)變化，并結(jié)合自身的臨床知識分析患者的身體健康情況。然而傳統(tǒng)的望診受限于醫(yī)師的臨床經(jīng)驗與“辯證論治”原則背道而馳。傳統(tǒng)的中醫(yī)診斷還受限于環(huán)境因素，即使是同一個醫(yī)師，在不同環(huán)境下也可能會產(chǎn)生不同的診斷結(jié)果。因此，中醫(yī)輔助診斷的智能技術(shù)是非常有必要的。

3、近些年來，隨著信息化技術(shù)和人工智能技術(shù)的蓬勃發(fā)展，傳統(tǒng)中醫(yī)診斷同現(xiàn)代信息技術(shù)相結(jié)合已成為必然趨勢。對于中醫(yī)常見的舌象診斷、面部診斷和一些問診數(shù)據(jù)的綜合分析診斷，可以利用計算機(jī)圖像處理技術(shù)和自然語言處理技術(shù)進(jìn)行輔助診斷。

4、中醫(yī)輔助診斷方法主要分為，面診、舌診和電子健康記錄分析三個模塊。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是：提供一種基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法。

2、為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

3、一種基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：包括以下步驟：

4、步驟1：構(gòu)建中醫(yī)輔助診斷數(shù)據(jù)庫，由以下步驟組成：

5、步驟1-1：收集舌象圖像、面診圖像、電子病歷資料以及公開的中醫(yī)診斷數(shù)據(jù)，對其進(jìn)行匯總和篩選，建立中醫(yī)輔助診斷數(shù)據(jù)庫；

6、步驟1-2：對中醫(yī)輔助診斷數(shù)據(jù)庫中的圖像進(jìn)行分類劃分和標(biāo)注，舌象圖像劃分類別包括內(nèi)熱過剩、氣滯血瘀、肝氣郁結(jié)、氣血不足、脾虛濕困和健康舌象6個類別，面診圖像劃分類別包括氣血不足、寒凝氣滯、脾虛失運，腎陽虛衰和健康面色5個類別；

7、步驟1-3：圖像數(shù)據(jù)增強(qiáng)處理：

8、中醫(yī)輔助診斷數(shù)據(jù)庫中的圖像依次進(jìn)行直方圖均衡化、區(qū)域分割、關(guān)注對象提取處理，將處理后的圖像將被統(tǒng)一縮放到預(yù)設(shè)尺寸；

9、步驟1-4：電子病歷信息預(yù)處理：

10、提取中醫(yī)輔助診斷數(shù)據(jù)庫的電子病歷資料的既往病史和癥狀作為已知項，現(xiàn)有病情作為預(yù)測項，制作為電子病例文本數(shù)據(jù)集；

11、將中醫(yī)輔助診斷數(shù)據(jù)庫的舌象圖像、面診圖像、電子病例文本數(shù)據(jù)集按照預(yù)設(shè)比例劃分為訓(xùn)練集、測試集和驗證集；

12、步驟2：建立中醫(yī)輔助診斷圖像分類模型：電子病歷文本、舌象圖像、面診圖像訓(xùn)練模型相互獨立，并行訓(xùn)練；舌象圖像、面診圖像訓(xùn)練模型結(jié)構(gòu)相同，包括依次級聯(lián)的卷積層a、輕量級網(wǎng)絡(luò)模塊1、輕量級網(wǎng)絡(luò)模塊2、輕量級網(wǎng)絡(luò)模塊3、sppnet、全連接層1；所述輕量級網(wǎng)絡(luò)模塊3包括依次級聯(lián)的卷積層1、深度可分離卷積層、深度殘差連接模塊、池化層、歸一化層、激活函數(shù)2；

13、電子病歷文本預(yù)測模型由卷積層b、長短時記憶網(wǎng)絡(luò)模塊、池化層、歸一化層、激活函數(shù)3、全連接層2組成，首先通過卷積層初步提取特征，其次通過長短時記憶網(wǎng)絡(luò)模塊進(jìn)行訓(xùn)練，將電子病歷文本中的疾病按照時間進(jìn)行學(xué)習(xí)；

14、步驟3：訓(xùn)練中醫(yī)輔助診斷圖像分類模型，由以下具體步驟組成：

15、步驟3-1：設(shè)置訓(xùn)練參數(shù)，包括分類類別總數(shù)、訓(xùn)練輪次及各訓(xùn)練輪次包括的訓(xùn)練次數(shù)、每輪次樣本個數(shù)、學(xué)習(xí)率初始值、學(xué)習(xí)率的優(yōu)化器類型；當(dāng)前輪次設(shè)置為1；當(dāng)前最佳損失函數(shù)值設(shè)置為預(yù)設(shè)值；

16、步驟3-2：進(jìn)行模型訓(xùn)練，計算損失函數(shù)，與當(dāng)前最佳損失函數(shù)值比較，如果小于當(dāng)前最佳損失函數(shù)，更新訓(xùn)練參數(shù)和當(dāng)前最佳損失函數(shù)；否則轉(zhuǎn)向步驟3-3；

17、步驟3-3：當(dāng)前將輪次加1，判斷是否為最后一個輪次，如果是，轉(zhuǎn)向步驟4，否則，轉(zhuǎn)向步驟3-2；

18、步驟4：疾病輔助診斷：輸入電子病歷文本、舌象圖像、面診圖像，預(yù)測疾病。

19、進(jìn)一步，步驟1-1還包括數(shù)據(jù)圖像去重步驟：利用余弦相似度算法按照預(yù)設(shè)的相似準(zhǔn)則辨識相似度高于預(yù)設(shè)閾值的圖像，進(jìn)行刪除處理。

20、進(jìn)一步，步驟1-2中還包括調(diào)整亮度、對比度、飽和度、通道分離和灰度圖轉(zhuǎn)換對面診圖像和舌診圖像進(jìn)行增強(qiáng)預(yù)處理。

21、進(jìn)一步，所述步驟2還包括深度可分離卷積層步驟，舌診圖像和面診圖像在訓(xùn)練時具分3個通道，每個通道的獨立進(jìn)行特征提??；

22、進(jìn)一步，所述步驟2還包括深度殘差連接模塊，深度殘差連接模塊由卷積層2、卷積層3、激活函數(shù)1、卷積層4、concat組成；

23、進(jìn)一步，所述步驟4還包括長短時記憶網(wǎng)絡(luò)模塊按照時間進(jìn)行學(xué)習(xí)訓(xùn)練，根據(jù)患者的近期狀態(tài)預(yù)測疾病。

24、進(jìn)一步，所述步驟3-1中訓(xùn)練輪次設(shè)置為100或120，每輪次訓(xùn)練樣本個數(shù)設(shè)置為64，訓(xùn)練輪次設(shè)置為300或350，，學(xué)習(xí)率初始值設(shè)置為0.001，用于調(diào)整學(xué)習(xí)率的優(yōu)化器設(shè)置為adam。

25、采用上述技術(shù)方案，本發(fā)明的有益效果是：

26、1、本發(fā)明基于深度學(xué)習(xí)技術(shù)，通過大量圖像數(shù)據(jù)訓(xùn)練獲得舌象模型、面診圖像模型，通過專業(yè)的中醫(yī)理論輔助判斷患者的現(xiàn)有癥狀；

27、2、本發(fā)明采用輕量級網(wǎng)絡(luò)模塊，減少了訓(xùn)練參數(shù)，降低了模型復(fù)雜度，減少了內(nèi)存的占用，推理時間短，實現(xiàn)了圖像分類模型高并發(fā)、高性能的支持，更易于嵌入到醫(yī)院的普通設(shè)備中進(jìn)行使用；

28、3、采用文本預(yù)測模型，將患者的現(xiàn)有癥狀和以往病史進(jìn)行結(jié)合，更準(zhǔn)確的進(jìn)行輔助診斷。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：所述步驟1-1還包括數(shù)據(jù)圖像去重步驟：利用余弦相似度算法按照預(yù)設(shè)的相似準(zhǔn)則辨識相似度高于預(yù)設(shè)閾值的圖像，進(jìn)行刪除處理。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：所述步驟1-2中還包括調(diào)整亮度、對比度、飽和度、通道分離和灰度圖轉(zhuǎn)換對面診圖像和舌診圖像進(jìn)行增強(qiáng)預(yù)處理。

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：所述步驟2還包括深度可分離卷積層步驟，舌診圖像和面診圖像在訓(xùn)練時具分3個通道，每個通道的獨立進(jìn)行特征提取。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：所述步驟2還包括深度殘差連接模塊，深度殘差連接模塊由卷積層2、卷積層3、激活函數(shù)1、卷積層4、concat組成。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：所述步驟4還包括長短時記憶網(wǎng)絡(luò)模塊按照時間進(jìn)行學(xué)習(xí)訓(xùn)練，根據(jù)患者的近期狀態(tài)預(yù)測疾病。

7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，其特征在于：所述步驟3-1中訓(xùn)練輪次設(shè)置為100或120，每輪次訓(xùn)練樣本個數(shù)設(shè)置為64，所述步驟5-1中訓(xùn)練輪次設(shè)置為300或350。

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度學(xué)習(xí)的中醫(yī)輔助診斷方法，包括構(gòu)建中醫(yī)輔助診斷數(shù)據(jù)庫、建立中醫(yī)輔助診斷圖像分類模型、訓(xùn)練中醫(yī)輔助診斷圖像分類模型、建立中醫(yī)輔助診斷文本預(yù)測模型、訓(xùn)練中醫(yī)輔助診斷文本預(yù)測模型步驟。本發(fā)明使中醫(yī)診斷同深度學(xué)習(xí)技術(shù)相結(jié)合，使得診斷更加精準(zhǔn)，有效提高醫(yī)生從業(yè)者的問診效率。

技術(shù)研發(fā)人員：郭奇,田立軍
受保護(hù)的技術(shù)使用者：金葉天成（北京）科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6