本發(fā)明涉及醫(yī)療保健信息，具體涉及一種中醫(yī)證候智能辨識(shí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、中醫(yī)理論中的證，也叫證候，是機(jī)體在疾病過程中某一階段或某一類型的病理概括，是中醫(yī)學(xué)中對(duì)疾病狀態(tài)的綜合描述。證候的辨識(shí)就是將中醫(yī)四診（望聞問切）所收集的癥狀和體征等。

2、相關(guān)技術(shù)中，基于隨機(jī)森林算法進(jìn)行決策樹構(gòu)建，并實(shí)現(xiàn)智能化的證候辨識(shí)效果，但由于隨機(jī)森林算法的原理是通過隨機(jī)抽樣的若干個(gè)樣本以及隨機(jī)組合的若干個(gè)特征訓(xùn)練多個(gè)決策樹，將多個(gè)決策樹組合起來構(gòu)成隨機(jī)森林。最終構(gòu)成的隨機(jī)森林中每個(gè)決策樹的對(duì)輸出結(jié)果的影響權(quán)重是相同的。但不同癥狀與證候的關(guān)聯(lián)性是不同的，而構(gòu)建隨機(jī)森林時(shí)每個(gè)決策樹的癥狀是隨機(jī)選取的，因此直接構(gòu)建決策樹并進(jìn)行證候辨識(shí)的準(zhǔn)確性與可靠性較低。

技術(shù)實(shí)現(xiàn)思路

1、為了解決相關(guān)技術(shù)中構(gòu)建決策樹并進(jìn)行證候辨識(shí)的準(zhǔn)確性與可靠性較低的技術(shù)問題，本發(fā)明提供一種中醫(yī)證候智能辨識(shí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)，所采用的技術(shù)方案具體如下：

2、本發(fā)明提出了一種中醫(yī)證候智能辨識(shí)方法，方法包括：

3、獲取被診斷者四診病歷的訓(xùn)練樣本數(shù)據(jù)，確定所述訓(xùn)練樣本數(shù)據(jù)屬于目標(biāo)證候的目標(biāo)樣本數(shù)據(jù)；獲取訓(xùn)練樣本數(shù)據(jù)中的癥狀表現(xiàn)類別，從所有所述癥狀表現(xiàn)類別中任選一種待分析癥狀；

4、針對(duì)任一目標(biāo)樣本數(shù)據(jù)，根據(jù)所述目標(biāo)樣本數(shù)據(jù)中的其他證候種類，以及屬于其他證候的待分析癥狀的出現(xiàn)頻次，確定所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)；根據(jù)所述待分析癥狀在所述目標(biāo)樣本數(shù)據(jù)中出現(xiàn)的頻次，以及所有所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)，確定所述待分析癥狀的目標(biāo)相關(guān)系數(shù)；確定待分析癥狀在構(gòu)建決策樹的信息增益指標(biāo)；根據(jù)所述目標(biāo)相關(guān)系數(shù)和信息增益指標(biāo)，對(duì)待分析癥狀進(jìn)行決策樹構(gòu)建；

5、根據(jù)訓(xùn)練樣本數(shù)據(jù)與目標(biāo)樣本數(shù)據(jù)中出現(xiàn)任意兩種癥狀表現(xiàn)類別的頻次，以及對(duì)應(yīng)兩種癥狀表現(xiàn)類別的目標(biāo)相關(guān)系數(shù)，確定兩種癥狀表現(xiàn)類別的組合相關(guān)系數(shù)；基于任一決策樹中任意兩種癥狀表現(xiàn)類別的組合相關(guān)系數(shù)，以及所有癥狀針對(duì)目標(biāo)證候的目標(biāo)相關(guān)系數(shù)，確定決策樹的決策權(quán)重；

6、根據(jù)所述決策權(quán)重對(duì)每一決策樹進(jìn)行決策加權(quán)，構(gòu)建證候辨識(shí)模型，根據(jù)所述證候辨識(shí)模型進(jìn)行四診病歷的證候智能辨識(shí)。

7、進(jìn)一步地，確定所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)，包括：

8、確定其他證候中出現(xiàn)待分析癥狀的頻次和值；

9、將所述目標(biāo)樣本數(shù)據(jù)中的證候種類數(shù)量與頻次和值的乘積，將該乘積的相反數(shù)進(jìn)行歸一化處理，作為所述頻數(shù)調(diào)節(jié)參數(shù)。

10、進(jìn)一步地，根據(jù)所述待分析癥狀在所述目標(biāo)樣本數(shù)據(jù)中出現(xiàn)的頻次，以及所有所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)，確定所述待分析癥狀的目標(biāo)相關(guān)系數(shù)，包括：

11、將所有所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)的均值，作為待分析癥狀的整體調(diào)節(jié)參數(shù)；

12、將所述待分析癥狀在所述目標(biāo)樣本數(shù)據(jù)中出現(xiàn)的頻次與整體調(diào)節(jié)參數(shù)的乘積歸一化處理，得到所述待分析癥狀的目標(biāo)相關(guān)系數(shù)。

13、進(jìn)一步地，確定待分析癥狀在構(gòu)建決策樹的信息增益指標(biāo)，包括：

14、基于id3算法，將決策樹的訓(xùn)練集的熵，與給定待分析癥狀下決策樹的訓(xùn)練集的熵的差值，作為信息增益指標(biāo)。

15、進(jìn)一步地，根據(jù)所述目標(biāo)相關(guān)系數(shù)和信息增益指標(biāo)，對(duì)待分析癥狀進(jìn)行決策樹構(gòu)建，包括：

16、計(jì)算所述目標(biāo)相關(guān)系數(shù)與信息增益指標(biāo)的乘積，歸一化處理作為決策樹中用于訓(xùn)練的待分析癥狀的劃分權(quán)重；

17、獲取待訓(xùn)練的決策樹中所有癥狀的劃分權(quán)重，將所有癥狀中劃分權(quán)重最大的作為第一層構(gòu)建決策樹，進(jìn)而計(jì)算除已經(jīng)參與構(gòu)建決策樹的剩下所有癥狀的劃分權(quán)重，將最大的作為第二層，以此類推完成決策樹的構(gòu)建。

18、進(jìn)一步地，所述確定兩種癥狀表現(xiàn)類別的組合相關(guān)系數(shù)，包括：

19、將兩種癥狀表現(xiàn)類別的目標(biāo)相關(guān)系數(shù)的和值，作為第一相關(guān)影響指標(biāo)；

20、基于兩種癥狀共同出現(xiàn)的頻次占比與單獨(dú)出現(xiàn)的頻次占比，確定兩種癥狀組合出現(xiàn)的第二相關(guān)影響指標(biāo)；

21、計(jì)算所述第一相關(guān)影響指標(biāo)和第二相關(guān)影響指標(biāo)的乘積，進(jìn)行最大最小值歸一化處理得到組合相關(guān)系數(shù)。

22、進(jìn)一步地，所述第二相關(guān)影響指標(biāo)對(duì)應(yīng)的計(jì)算公式為：

23、式中，表示第i類癥狀與第v類癥狀的第二相關(guān)影響指標(biāo)，表示第i類癥狀與第v類癥狀同時(shí)在所有目標(biāo)樣本數(shù)據(jù)出現(xiàn)的頻次，表示第i類癥狀與第v類癥狀同時(shí)在所有訓(xùn)練樣本數(shù)據(jù)出現(xiàn)的頻次，表示第i類癥狀在所有目標(biāo)樣本數(shù)據(jù)出現(xiàn)的頻次，表示第v類癥狀在所有目標(biāo)樣本數(shù)據(jù)出現(xiàn)的頻次，表示第i類癥狀在所有訓(xùn)練樣本數(shù)據(jù)出現(xiàn)的頻次，表示第v類癥狀在所有訓(xùn)練樣本數(shù)據(jù)出現(xiàn)的頻次。

24、進(jìn)一步地，所述基于任一決策樹中任意兩種癥狀表現(xiàn)類別的組合相關(guān)系數(shù)，以及所有癥狀的目標(biāo)相關(guān)系數(shù)，確定決策樹的決策權(quán)重，包括：

25、將同一決策樹中所有癥狀的目標(biāo)相關(guān)系數(shù)的均值，作為第一權(quán)重指標(biāo)；

26、將同一決策樹中任意兩種癥狀的所有組合所對(duì)應(yīng)組合相關(guān)系數(shù)的均值，作為第二權(quán)重指標(biāo)；

27、計(jì)算第一權(quán)重指標(biāo)與第二權(quán)重指標(biāo)的乘積，并基于premnmx函數(shù)將其映射至[-1,1]之間，得到?jīng)Q策權(quán)重。

28、另一方面，本發(fā)明還提供了一種中醫(yī)證候智能辨識(shí)系統(tǒng)，所述系統(tǒng)包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如前述一種中醫(yī)證候智能辨識(shí)方法的步驟。

29、另一方面，本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)前述一種中醫(yī)證候智能辨識(shí)方法的步驟。

30、本發(fā)明具有如下有益效果：

31、本發(fā)明實(shí)施例中，針對(duì)相關(guān)技術(shù)中構(gòu)成的隨機(jī)森林中每個(gè)決策樹的對(duì)輸出結(jié)果的影響權(quán)重是相同的，進(jìn)而導(dǎo)致證候辨識(shí)的準(zhǔn)確性與可靠性較低的問題，本方案通過頻次分析確定每一癥狀對(duì)每一證候的目標(biāo)相關(guān)系數(shù)，進(jìn)而實(shí)現(xiàn)決策樹構(gòu)建；而后，通過兩種癥狀的組合，以及決策樹中所有癥狀針對(duì)證候的目標(biāo)相關(guān)系數(shù)，確定決策樹的決策權(quán)重，該決策權(quán)重即為對(duì)應(yīng)決策樹本身在進(jìn)行決策分析時(shí)的權(quán)重信息，通過決策權(quán)重對(duì)每一決策樹進(jìn)行決策加權(quán)，構(gòu)建證候辨識(shí)模型，從而能夠?qū)Σ煌瑳Q策樹賦予不同權(quán)重，獲取更準(zhǔn)確的隨機(jī)森林輸出結(jié)果，以提升證候智能辨識(shí)的準(zhǔn)確性與可靠性。

技術(shù)特征：

1.一種中醫(yī)證候智能辨識(shí)方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，確定所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)，包括：

3.如權(quán)利要求1所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，根據(jù)所述待分析癥狀在所述目標(biāo)樣本數(shù)據(jù)中出現(xiàn)的頻次，以及所有所述目標(biāo)樣本數(shù)據(jù)中待分析癥狀的頻數(shù)調(diào)節(jié)參數(shù)，確定所述待分析癥狀的目標(biāo)相關(guān)系數(shù)，包括：

4.如權(quán)利要求1所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，確定待分析癥狀在構(gòu)建決策樹的信息增益指標(biāo)，包括：

5.如權(quán)利要求1所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，根據(jù)所述目標(biāo)相關(guān)系數(shù)和信息增益指標(biāo)，對(duì)待分析癥狀進(jìn)行決策樹構(gòu)建，包括：

6.如權(quán)利要求1所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，所述確定兩種癥狀表現(xiàn)類別的組合相關(guān)系數(shù)，包括：

7.如權(quán)利要求6所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，所述第二相關(guān)影響指標(biāo)對(duì)應(yīng)的計(jì)算公式為：

8.如權(quán)利要求1所述的一種中醫(yī)證候智能辨識(shí)方法，其特征在于，所述基于任一決策樹中任意兩種癥狀表現(xiàn)類別的組合相關(guān)系數(shù)，以及所有癥狀的目標(biāo)相關(guān)系數(shù)，確定決策樹的決策權(quán)重，包括：

9.一種中醫(yī)證候智能辨識(shí)系統(tǒng)，所述系統(tǒng)包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1~8任意一項(xiàng)所述方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1~8任意一項(xiàng)所述一種中醫(yī)證候智能辨識(shí)方法的步驟。

技術(shù)總結(jié)
本發(fā)明涉及醫(yī)療保健信息技術(shù)領(lǐng)域，具體涉及一種中醫(yī)證候智能辨識(shí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)。該方法包括獲取被診斷者四診病歷的訓(xùn)練樣本數(shù)據(jù)和癥狀表現(xiàn)類別；根據(jù)樣本數(shù)據(jù)中的其他證候種類，以及屬于其他證候的出現(xiàn)頻次，確定頻數(shù)調(diào)節(jié)參數(shù)；進(jìn)而確定癥狀與證候的目標(biāo)相關(guān)系數(shù)；根據(jù)目標(biāo)相關(guān)系數(shù)和信息增益指標(biāo)構(gòu)建決策樹；根據(jù)任意兩種癥狀表現(xiàn)類別的頻次和目標(biāo)相關(guān)系數(shù)，確定組合相關(guān)系數(shù)；基于任意兩種癥狀的組合相關(guān)系數(shù)，以及所有癥狀的目標(biāo)相關(guān)系數(shù)，確定決策權(quán)重；根據(jù)決策權(quán)重對(duì)每一決策樹進(jìn)行決策加權(quán)，構(gòu)建證候辨識(shí)模型，根據(jù)證候辨識(shí)模型進(jìn)行四診病歷的證候智能辨識(shí)。本發(fā)明能夠提升證候智能辨識(shí)的準(zhǔn)確性與可靠性。

技術(shù)研發(fā)人員：王永菊,趙忠偉,楚洪波,譚夢(mèng)瑤,楊千
受保護(hù)的技術(shù)使用者：長春大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6