CN109346180B - 中医方剂君臣佐使训练识别方法及系统 - Google Patents
中医方剂君臣佐使训练识别方法及系统 Download PDFInfo
- Publication number
- CN109346180B CN109346180B CN201810877230.4A CN201810877230A CN109346180B CN 109346180 B CN109346180 B CN 109346180B CN 201810877230 A CN201810877230 A CN 201810877230A CN 109346180 B CN109346180 B CN 109346180B
- Authority
- CN
- China
- Prior art keywords
- prescription
- medicine
- efficacy
- minister
- assistant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Medical Preparation Storing Or Oral Administration Devices (AREA)
Abstract
本发明提供一种中医方剂君臣佐使训练识别方法及系统,能够解决方剂中君臣佐使训练判断的问题。所述方法包括:获取方剂,方剂的功效,以及方剂中各药物的实际剂量和其在方剂中书写的绝对位置;对方剂的功效进行拆分;将方剂中各药物的实际剂量标准化为相对剂量;将药物在方剂中的绝对位置转换为相对位置;在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,得到该药物的君臣佐使的偏性。本发明适用于中医方剂学技术领域。
Description
技术领域
本发明涉及公共卫生领域,具体涉及一种中医方剂君臣佐使训练识别方法及系统。
背景技术
“君臣佐使”作为方剂的组方原则在某种程度上反映了药物之间的配伍关系,明确了方剂中各药的具体地位,一直是人们研究的重点,但是如何确定药物在方剂中的君臣佐使角色并没有统一有效的方法。现有的方法主要归结为二类:一类是通过制定规则直接判断方剂君臣佐使药物或者主药,Wu LH等通过网络药理学的方法测试得到治疗急性心肌缺血方剂(组成药物:黄芪,丹参,三七,黄檀)的“君臣佐使”规则;周铭心基于君臣佐使定义提出了药物君臣佐使角色的判别思路;陈瑾提出基于匹配经方,药物功效,药物剂量,药物位置因素进行模糊判决来得到方剂的君臣药,但是需要中医给出几个因素的权重;李崑设立了剂量、性、味、归经和功效5个判定维度实现对方剂主药的判断;李红军等在李崑提出的多维基础上加入药物权重和药对过滤算子进行方剂主药的分析。另一类是通过模糊聚类的方式得到方剂的药群划分,再辅以中医理论以及欧几里得距离将药群对应到君臣佐使上。陈瑾在模糊矩阵上引入摄动思想的传递闭包对方剂进行药群划分,结合中医理论进行药群君臣佐使角色的解释;王咏梅等提出中药性味归经特性的模糊数学量化描述方法对方剂进行药群划分,辅以中医理论进行君臣佐使群的说明;郑晓洁等[基于药物性味归经属性建立模糊等价矩阵划分半夏泻心汤类方药群。这些方法都从一定程度上为药物角色判定提供了思路,但是没有从分类的角度,充分利用已知的方剂君臣佐使数据以样本学习的方式来解决此问题。
鉴于上述,本设计人,积极加以研究创新,以期创设一种中医方剂君臣佐使训练识别方法及系统,使其更具有产业上的利用价值。
发明内容
为解决上述技术问题,本发明的目的是提供一种解决现有技术存在的没有从分类角度,充分利用已知的方剂君臣佐使数据以样本学习的方式来进行方剂君臣佐使药物识别的问题的中医方剂君臣佐使训练识别方法及系统。
本发明中医方剂君臣佐使训练识别方法,包括:
S1建立中医用药数据库,所述中医用药数据库包括:中医药物剂量子数据库、最小功效子数据库和方剂子数据库;基于该方剂数据库获取方剂,方剂的功效,以及方剂中各药物的实际剂量和其在方剂中书写的绝对位置;
S2对方剂的功效进行拆分;
S3将方剂中各药物的实际剂量标准化为相对剂量;
S4将药物在方剂中的绝对位置转换为相对位置;
S5在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,得到该药物的君臣佐使的偏性。
进一步地,S2包括:对于一个方剂功效,若该功效在最小功效子数据库中,则直接把该方剂功效放到方剂功效拆分结果集中;若该方剂功效不在最小功效子数据库中,则以单位长度为2依次对该方剂功效进行主谓词语截取,将每次截取的词语放在方剂功效拆分结果集中。
进一步地,S3包括:通过转化公式将方剂中各药物的实际剂量标准化为相度剂量,所述转化公式为
其中,G代表相对剂量,x表示方剂中的实际药剂量,以克为单位;a表示该药常用剂量范围最低值;b表示该药常用剂量范围最高值。
进一步地,S4包括:根据方剂中各药物所在方剂的药物个数将方剂中的药物位置均匀的划分成4个区间,根据前后位置依次为每个区间赋予{1,2,3,4}集合中的一个离散值;找到方剂中各药物在方剂中的绝对位置所对应的区间,将该区间的离散值作为该药物的相对位置,转换规则为
其中,D为相对位置为1时在方剂中对应的药物的最大绝对位置,h为方剂组成药物的个数,r=h%4,d为药物的相对位置,p为药物在方剂中的绝对位置。
进一步地,S5包括:基于朴树贝叶斯分类原理,药物个体特征向量F={f1,f2,…fn},其中f1,f2分别为药物的相对位置,相对剂量,f3~fn为方剂的功效属性,现有分类集合c={c1,c2,…cm},分别在训练集上计算每个属性的先验概率p(fi)(1≤i≤n)和每个类别的先验概率p(cj)(1≤j≤n);
计算每个属性在每个类别下的条件概率p(fi|cj)(1≤i≤n)(1≤j≤m);
筛选出每个类别下功效属性条件概率的最大值Max{p(fi|cj)(i=3,...n)},公式如下:
若Max{P(cj|F)}的最大值不为0,则将该最大值对应的分类cj作为最后的分类结果输出;
若Max{P(cj|F)}的最大值为0,则计算基于相对剂量和相对位置的分类后验概率最大值,即
以最大值对应的分类cj作为分类器输出的结果即该药物在方剂中的君臣佐使角色。
本发明中医方剂君臣佐使训练识别系统,包括:
输入单元,用于输入方剂信息,所示方剂信息包括:方剂的组成药物,各药物的实际药量和药物在方剂中的绝对位置,方剂功效;
方剂功效,药物绝对位置,药物绝对剂量确定单元,用于从输入的方剂信息中确定分类器需要的属性;
方剂功效拆分单元,用于对方剂功效进行拆分处理;
药物剂量标准化单元,用于将方剂中各药物的绝对剂量标准化为相对剂量;
药物位置转换单元,用于将方剂中各药物的绝对位置转换为相对位置;
药物君臣佐使确定单元,用于在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,以最大概率值对应的分类作为药物的君臣佐使角色;
输出单元,用于输出输入方剂的君臣佐使药物。
进一步地,所述方剂功效拆分单元,对于一个方剂功效,如果该功效在最小功效单元数据库中,则直接把该方剂功效放到方剂功效拆分结果集中;若该方剂功效不在最小功效单元数据库中,则以单位长度为2依次对该方剂功效进行主谓词语截取,将每次截取的词语放在方剂功效拆分结果集中。
进一步地,所述药物剂量标准化单元,根据中医药物剂量数据库存储的方剂中各药物的最小常用剂量和最大常用剂量,并结合方剂中各药物的实际剂量,通过标准化公式将方剂中各药物的实际剂量标准化为相度剂量;转化公式为:
其中,G代表相对剂量,x表示方剂中的实际药剂量,以克为单位;a表示该药常用剂量范围最低值;b表示该药常用剂量范围最高值。
进一步地,所述药物位置转换单元,根据方剂中各药物所在方剂的药物个数将方剂中的药物位置均匀的划分成4个区间,根据前后位置依次为每个区间赋予{1,2,3,4}集合中的一个离散值;找到方剂中各药物在方剂中的绝对位置所对应的区间,将该区间的离散值作为该药物的相对位置,转换规则为
其中,D为相对位置为1时在方剂中对应的药物的最大绝对位置,h为方剂组成药物的个数,r=h%4,d为药物的相对位置,p为药物在方剂中的绝对位置。
进一步地,所述药物君臣佐使确定单元,药物个体特征向量F={f1,f2,…fn},其中f1,f2分别为药物的相对位置,相对剂量,f3~fn为方剂的功效属性,现有分类集合c={c1,c2,…cm},分别在训练集上计算每个属性的先验概率p(fi)(1≤i≤n)和每个类别的先验概率p(cj)(1≤j≤n);
计算每个属性在每个类别下的条件概率p(fi|cj)(1≤i≤n)(1≤j≤m);
筛选出每个类别下功效属性条件概率的最大值Max{p(fi|cj)(i=3,...n)},公式如下:
若Max{P(cj|F)}的最大值不为0,则将该最大值对应的分类cj作为最后的分类结果输出;
若Max{P(cj|F)}的最大值为0,则计算基于相对剂量和相对位置的分类后验概率最大值,即
以最大值对应的分类cj作为分类器输出的结果即该药物在方剂中的君臣佐使角色。
借由上述方案,本发明中医方剂君臣佐使训练识别方法及系统,至少具有以下优点:
以方剂功效,药物在方剂中的相对位置和相对剂量作为贝叶斯分类器的属性,从已有的明确君臣佐使药物的方剂中学习药物作为不同角色的概率,不仅结合了传统影响方剂君臣佐使识别的因素,还运用了分类的思想,充分利用已知的方剂君臣佐使数据以样本学习的方式比不依赖影响因素只分析药物在不同角色下出现的频次更可靠,同时比根据药物本身的性味归经属性人工设置阈值得到药物划团,依赖中医知识给药团划分标签更为简便。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明实施例提供的中医方剂君臣佐使训练识别方法的方法流程;
图2为本发明实施例提供的拆分方剂功效的方法流程图;
图3为本发明实施例提供的确定药物相对剂量的方法流程图;
图4为本发明实施例提供的确定药物相对位置的方法流程图;
图5为本发明实施例提供的中医方剂君臣佐使训练识别系统的工作流程图;
图6为本发明实施例提供的中医方剂君臣佐使训练识别系统的人机交互示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
参看图1所示,本发明实施例提供的一种中医方剂君臣佐使训练识别方法,包括
S1:获取方剂,方剂的功效,以及方剂中各药物的实际剂量和其在方剂中书写的绝对位置;
S2:对方剂的功效进行拆分;
S3:将方剂中各药物的实际剂量标准化为相对剂量;
S4:将药物在方剂中的绝对位置转换为相对位置;
S5:在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,得到该药物的君臣佐使的偏性。
本发明实施所述的中医方剂君臣佐使训练识别方法,通过将方剂功效拆分,将方剂药物的绝对剂量标准化为相对剂量,将方剂药物的绝对位置转化为相对位置,在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,得到该药物的君臣佐使的偏性。这样不仅结合了传统影响方剂君臣佐使识别的因素,还运用了分类的思想,充分利用已知的方剂君臣佐使数据以样本学习的方式比不依赖影响因素只分析药物在不同角色下出现的频次更可靠,同时比根据药物本身的性味归经属性人工设置阈值得到药物划团,依赖中医知识给药团划分标签更为简便。
本发明实施例中,获取方剂,方剂的功效,以及方剂中各药物的实际剂量和其在方剂中书写的绝对位置之前需要获取中医药物及各药物的最小常用剂量和最大常用剂量,建立中医药物剂量数据库;获取《方剂学》第九版所有的方剂功效和《中药大辞典》第二版所有药物的功效得到功效集合,根据功效的“主+谓”描述结构从功效集合中抽取只包含2字和不可再进行谓语拆分的3字功效建立最小功效单元数据库;获取《方剂学》第九版记载了方剂功效,方剂组成药物,组成药物剂量以及方剂君臣佐使药物的方剂建立方剂数据库。
本发明实施例中,根据获取到的方剂,确定方剂的功效,方剂的组成药物及各药物的实际剂量其在方剂中书写的绝对位置。
本发明实施例中,对于一个方剂功效,如果该功效在最小功效单元数据库中,则直接把该方剂功效放到方剂功效拆分结果集中;若该方剂功效不在最小功效单元数据库中,则以单位长度为2依次对该方剂功效进行主谓词语截取,将每次截取的词语放在方剂功效拆分结果集中。
本发明实施例中,方剂以逍遥散为例,逍遥散的功效为疏肝解郁,养血健脾。功效拆分过程如图2所示,拆分结果为疏肝、解郁、养血、健脾。
本发明实施例中,根据中药剂量数据库存储的药物常用最小剂量和最大剂量,结合方剂中各药物的实际剂量,通过标准化公式将方剂中的各药物的实际剂量转化为相对剂量;
其中,标准化公式为
其中,G代表相对剂量,x表示方剂中的实际药剂量,以克为单位;a表示该药常用剂量范围最低值;b表示该药常用剂量范围最高值。
本发明实施例中,方剂以逍遥散为例,并将方剂中不同药物的药量单位标准化为以“克”为单位,《方剂学》中逍遥散的组成包括:甘草4.5g,当归9g,茯苓9g,芍药9g,白术9g,柴胡9g,接着将药物的实际剂量标准化为相对剂量,标准化流程如图3所示,逍遥散药物相对剂量计算结果如表1所示:
表1:逍遥散实际剂量与相对剂量
逍遥散 | 实际剂量 | 相对剂量 |
甘草 | 4.5g | 中 |
当归 | 9g | 中 |
茯苓 | 9g | 低 |
芍药 | 9g | 中 |
白术 | 9g | 中 |
柴胡 | 9g | 中 |
本发明实施例中,将药物在方剂中的绝对位置转换为相对位置,根据方剂中各药物所在方剂的药物个数将方剂中的药物位置均匀的划分成4个区间(当方剂药物个数较少时,靠后的区间可为空),根据前后位置依次为每个区间赋予{1,2,3,4}集合中的一个离散值;找到方剂中各药物在方剂中的绝对位置所对应的区间,将该区间的离散值作为该药物的相对位置。
其中,转换规则为
其中D为相对位置为1时在方剂中对应的药物的最大绝对位置,h为方剂组成药物的个数,r=h%4,d为药物的相对位置,p为药物在方剂中的绝对位置减1。
本发明实施例中,方剂以逍遥散为例,《方剂学》中逍遥散方剂包含6个药物,组成药物的书写位置为:甘草,当归,茯苓,芍药,白术,柴胡。其划分为4个区间,按照转换规则将每个药物在方剂中的书写位置转换为相对位置,转换流程如图4所示,逍遥散药物相对位置转换结果如表2所示:
表2
本发明实施例中,在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,得到该药物的君臣佐使的偏性。
基于朴树贝叶斯分类原理,假设药物个体特征向量F={f1,f2,…fn},其中f1,f2分别为药物的相对位置,相对剂量,f3~fn为方剂的功效属性,现有分类集合C={c1,c2,…cm},
分别在训练集上计算每个属性的先验概率p(fi)(1≤i≤n)和每个类别的先验概率p(cj)(1≤j≤m);
计算每个属性在每个类别下的条件概率p(fi|cj)(1≤i≤n)(1≤j≤m);
筛选出每个类别下功效属性条件概率的最大值Max{p(fi|cj)(i=3,…n)},公式如下:
若Max{p(cj|F)的最大值不为0,则将该最大值对应的分类cj作为最后的分类结果输出;否则,计算基于相对剂量和相对位置的分类后验概率最大值,即
以上式最大值对应的分类cj作为分类器输出的结果即该药物在方剂中的君臣佐使角色。
本发明实施例中,方剂以逍遥散为例,通过对方剂功效,各药物的相对剂量,相对位置进行贝叶斯分类器的训练,确定逍遥散方剂中各药物的君臣佐使角色,君臣佐使结果如表3所示,根据《方剂学》,逍遥散中方剂中柴胡为君药;当归、芍药共为臣药;白术、茯苓、甘草共为佐药。柴胡为肝经引经药,又兼使药之用。本发明实施例得出的逍遥散的君臣佐使药物符合中医对逍遥散君臣佐使的认知。
表3:对方剂药物君臣佐使概率计算结果
药物 | 君 | 臣 | 佐 | 使 |
甘草 | 0.000 | 0.000 | 0.0072 | 0.0064 |
当归 | 0.000 | 0.0130 | 0.0083 | 0.000 |
茯苓 | 0.000 | 0.0053 | 0.0232 | 0.000 |
芍药 | 0.000 | 0.0133 | 0.0094 | 0.000 |
白术 | 0.0133 | 0.0266 | 0.0616 | 0.000 |
柴胡 | 0.0250 | 0.000 | 0.0369 | 0.0513 |
本发明实施例中,以药物相对位置,药物相对剂量,方剂功效为属性对逍遥散组成药物分别建立角色分类器,判断逍遥散组成药物的角色,结果与逍遥散在《方剂学》第九版中记载基本一致,且比模糊聚类的药团分析方法更接近真实的药团结果,表明用朴素贝叶斯分类方法对逍遥散药物进行君臣佐使分析可以得到较好的分类效果,实现了基于已知数据的中医方剂君臣佐使的训练与预测,为方剂君臣佐使组方分析提供了新的思路。
实施例2
本发明还提供一种中医方剂君臣佐使训练识别系统,包括:
输入单元,用于输入方剂信息,所示方剂信息包括:方剂的组成药物,各药物的实际药量和药物在方剂中的绝对位置,方剂功效;
方剂功效,药物绝对位置,药物绝对剂量确定单元,用于从输入的方剂信息中确定分类器需要的属性;
方剂功效拆分单元,用于对方剂功效进行拆分处理;
药物剂量标准化单元,用于将方剂中各药物的绝对剂量标准化为相对剂量;
药物位置转换单元,用于将方剂中各药物的绝对位置转换为相对位置;
药物君臣佐使确定单元,用于在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,以最大概率值对应的分类作为药物的君臣佐使角色;
输出单元,用于输出输入方剂的君臣佐使药物。
本发明实施例中,根据中医方剂君臣佐训练识别方法,设计出中医方剂君臣佐训练识别系统,如图5所示。通过中医方剂君臣佐训练识别系统能够输出用户输入的方剂药物的君臣佐使角色,能够反映出该方剂的君臣佐使配伍情况。本发明实施例为基于经验数据的中医方剂君臣佐使药物训练识别提供了新的思路,适用于方剂配伍分析的研究以及方剂运用的合理性验证等。
本发明实施例中,通过用户(例如,医生或病人)在中医方剂君臣佐训练识别系统中输入方剂信息(方剂信息包括:方剂的组成药物,各药物的实际药量和药物在方剂中的绝对位置,方剂功效),中医方剂君臣佐训练识别系统根据中医方剂君臣佐训练识别方法计算出每个药物在君臣佐使下的概率值,选取最大概率值对应的角色以文字的形式输出给用户,如图6所示为中医方剂君臣佐训练识别系统的人机交互示意图。
在前述中医方剂君臣佐训练识别系统具体实施方式中,进一步地,所述系统还包括:中医药物剂量数据库、最小功效单元数据库和方剂数据库;
所述中医药物剂量数据库,用于存储中医药物及各药物的最小常用剂量和最大常用剂量;
所述最小功效单元数据库,用于存储中医功效的最小描述单元;
所述方剂数据库,用于存储《方剂学》第九版记载了方剂功效,方剂组成药物,组成药物剂量以及方剂君臣佐使药物的方剂。
在前述中医方剂君臣佐使训练识别系统实施方式中,进一步地,所述方剂功效拆分单元,对于一个方剂功效,如果该功效在最小功效单元数据库中,则直接把该方剂功效放到方剂功效拆分结果集中;若该方剂功效不在最小功效单元数据库中,则以单位长度为2依次对该方剂功效进行主谓词语截取,将每次截取的词语放在方剂功效拆分结果集中。
在前述中医方剂君臣佐使训练识别系统实施方式中,进一步地,所述药物剂量标准化单元,根据中医药物剂量数据库存储的方剂中各药物的最小常用剂量和最大常用剂量,并结合方剂中各药物的实际剂量,通过标准化公式将方剂中各药物的实际剂量标准化为相度剂量;其中标准化公式为
其中,G代表相对剂量,x表示方剂中的实际药剂量,以克为单位;a表示该药常用剂量范围最低值;b表示该药常用剂量范围最高值。
在前述中医方剂君臣佐使训练识别系统实施方式中,进一步地,所述药物位置转换单元,根据方剂中各药物所在方剂的药物个数将方剂中的药物位置均匀的划分成4个区间(当方剂药物个数较少时,靠后的区间可为空),根据前后位置依次为每个区间赋予{1,2,3,4}集合中的一个离散值;找到方剂中各药物在方剂中的绝对位置所对应的区间,将该区间的离散值作为该药物的相对位置。
其中,转换规则为
其中D为相对位置为1时在方剂中对应的药物的最大绝对位置,h为方剂组成药物的个数,r=h%4,d为药物的相对位置,p为药物在方剂中的绝对位置。
在前述中医方剂君臣佐使训练识别系统实施方式中,进一步地,所述药物君臣佐使确定单元,基于朴树贝叶斯分类原理,假设药物个体特征向量F={f1,f2,…fn},其中f1,f2分别为药物的相对位置,相对剂量,f3~fn为方剂的功效属性,现有分类集合C={c1,c2,…cm},分别在训练集上计算每个属性的先验概率p(fi)(1≤i≤n)和每个类别的先验概率p(cj)(1≤j≤m);计算每个属性在每个类别下的条件概率p(fi|cj)(1≤i≤n)(1≤j≤m);筛选出每个类别下功效属性条件概率的最大值Max{p(fi|cj)(i=3,…n)},公式如下:
若Max{p(cj|F)的最大值不为0,则将该最大值对应的分类cj作为最后的分类结果输出;否则,计算基于相对剂量和相对位置的分类后验概率最大值,即
以上式最大值对应的分类cj作为分类器输出的结果即该药物在方剂中的君臣佐使角色。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种中医方剂君臣佐使训练识别方法,其特征在于,包括:
S1建立中医用药数据库,所述中医用药数据库包括:中医药物剂量子数据库、最小功效子数据库和方剂子数据库;基于该方剂数据库获取方剂,方剂的功效,以及方剂中各药物的实际剂量和其在方剂中书写的绝对位置;
S2对方剂的功效进行拆分;
S3将方剂中各药物的实际剂量标准化为相对剂量;
S4将药物在方剂中的绝对位置转换为相对位置;
S5在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,得到该药物的君臣佐使的偏性,
基于朴树贝叶斯分类原理,药物个体特征向量F={f1,f2,…fn},其中f1,f2分别为药物的相对位置,相对剂量,f3~fn为方剂的功效属性,现有分类集合c={c1,c2,…cm},分别在训练集上计算每个属性的先验概率p(fi)(1≤i≤n)和每个类别的先验概率p(cj)(1≤j≤n);
计算每个属性在每个类别下的条件概率p(fi|cj)(1≤i≤n)(1≤j≤m);
筛选出每个类别下功效属性条件概率的最大值Max{p(fi|cj)(i=3,...n)},公式如下:
若Max{P(cj|F)}的最大值不为0,则将该最大值对应的分类cj作为最后的分类结果输出;
若Max{P(cj|F)}的最大值为0,则计算基于相对剂量和相对位置的分类后验概率最大值,即
以最大值对应的分类cj作为分类器输出的结果即该药物在方剂中的君臣佐使角色。
2.根据权利要求1所述的中医方剂君臣佐使训练识别方法,特征在于,S2包括:
对于一个方剂功效,若该功效在最小功效子数据库中,则直接把该方剂功效放到方剂功效拆分结果集中;若该方剂功效不在最小功效子数据库中,则以单位长度为2依次对该方剂功效进行动宾词语截取,将每次截取的词语放在方剂功效拆分结果集中。
5.一种中医方剂君臣佐使训练识别系统,其特征在于,包括:
输入单元,用于输入方剂信息,所示方剂信息包括:方剂的组成药物,各药物的实际药量和药物在方剂中的绝对位置,方剂功效;
方剂功效,药物绝对位置,药物绝对剂量确定单元,用于从输入的方剂信息中确定分类器需要的属性;
方剂功效拆分单元,用于对方剂功效进行拆分处理;
药物剂量标准化单元,用于将方剂中各药物的绝对剂量标准化为相对剂量;
药物位置转换单元,用于将方剂中各药物的绝对位置转换为相对位置;
药物君臣佐使确定单元,用于在方剂数据库上构建基于方剂功效,药物相对剂量和药物相对位置的朴素贝叶斯分类器,确定每个药物分别在君臣佐使上的概率值,以最大概率值对应的分类作为药物的君臣佐使角色,所述药物君臣佐使确定单元,药物个体特征向量F={f1,f2,…fn},其中f1,f2分别为药物的相对位置,相对剂量,f3~fn为方剂的功效属性,现有分类集合c={c1,c2,…cm},分别在训练集上计算每个属性的先验概率p(fi)(1≤i≤n)和每个类别的先验概率p(cj)(1≤j≤n);
计算每个属性在每个类别下的条件概率p(fi|cj)(1≤i≤n)(1≤j≤m);
筛选出每个类别下功效属性条件概率的最大值Max{p(fi|cj)(i=3,...n)},公式如下:
若Max{P(cj|F)}的最大值不为0,则将该最大值对应的分类cj作为最后的分类结果输出;
若Max{P(cj|F)}的最大值为0,则计算基于相对剂量和相对位置的分类后验概率最大值,即
以最大值对应的分类cj作为分类器输出的结果即该药物在方剂中的君臣佐使角色;
输出单元,用于输出输入方剂的君臣佐使药物。
6.根据权利要求5所述的中医方剂君臣佐使训练识别系统,其特征在于,所述方剂功效拆分单元,对于一个方剂功效,如果该功效在最小功效单元数据库中,则直接把该方剂功效放到方剂功效拆分结果集中;若该方剂功效不在最小功效单元数据库中,则以单位长度为2依次对该方剂功效进行主谓词语截取,将每次截取的词语放在方剂功效拆分结果集中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810877230.4A CN109346180B (zh) | 2018-08-03 | 2018-08-03 | 中医方剂君臣佐使训练识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810877230.4A CN109346180B (zh) | 2018-08-03 | 2018-08-03 | 中医方剂君臣佐使训练识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109346180A CN109346180A (zh) | 2019-02-15 |
CN109346180B true CN109346180B (zh) | 2022-04-01 |
Family
ID=65296733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810877230.4A Active CN109346180B (zh) | 2018-08-03 | 2018-08-03 | 中医方剂君臣佐使训练识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109346180B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786104B (zh) * | 2021-02-03 | 2024-03-22 | 东北大学 | 基于机器学习的药物疗效影响因子挖掘方法 |
CN116680619A (zh) * | 2023-07-28 | 2023-09-01 | 江西中医药大学 | 煎药时长分类预测方法、装置、电子设备及存储介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030083822A2 (en) * | 2001-05-15 | 2003-05-01 | Psychogenics, Inc. | Systems and methods for monitoring behavior informatics |
CN1473583A (zh) * | 2002-08-05 | 2004-02-11 | 浙江大学 | 一种中药新药研制方法 |
US7555435B2 (en) * | 2002-09-25 | 2009-06-30 | Ndchealth Corporation | Systems and methods for look-alike sound-alike medication error messaging |
CN101470109B (zh) * | 2007-12-25 | 2013-07-10 | 深圳迈瑞生物医疗电子股份有限公司 | 一种提高血液样本白细胞分类结果准确性的方法 |
US8489539B2 (en) * | 2009-10-05 | 2013-07-16 | Elc Management, Llc | Computer-aided diagnostic systems and methods for determining skin compositions based on traditional chinese medicinal (TCM) principles |
CN102122325B (zh) * | 2011-04-20 | 2012-07-11 | 天津师范大学 | 一种中药方剂功效自动分析方法 |
US20140257850A1 (en) * | 2013-03-05 | 2014-09-11 | Clinton Colin Graham Walker | Automated interactive health care application for patient care |
CN103177087B (zh) * | 2013-03-08 | 2016-05-18 | 浙江大学 | 一种基于概率主题模型的相似中药检索方法 |
CN105404773B (zh) * | 2015-08-24 | 2019-01-01 | 北京康仁堂药业有限公司 | 中药配方颗粒组方的临床疗效评测方法和评测装置 |
JP6536359B2 (ja) * | 2015-11-06 | 2019-07-03 | 富士通株式会社 | 処方薬品情報表示方法、処方薬品情報表示プログラムおよび処方薬品情報表示装置 |
CN105574340B (zh) * | 2015-12-17 | 2018-03-30 | 北京科技大学 | 一种中医方剂性味归经定量方法及系统 |
CN105550526B (zh) * | 2016-01-04 | 2018-06-19 | 北京科技大学 | 一种基于中药属性的中医方剂功效定量方法及系统 |
CN106803012B (zh) * | 2016-12-29 | 2019-03-22 | 杭州师范大学钱江学院 | 基于概率主题模型和中药基本属性的方剂功能预测方法 |
CN107993723A (zh) * | 2017-12-19 | 2018-05-04 | 苏州大学 | 一种基于集成进化学习的华法林剂量预测建模方法 |
-
2018
- 2018-08-03 CN CN201810877230.4A patent/CN109346180B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109346180A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190171656A1 (en) | Traditional chinese medicine knowledge graph and establishment method therefor, and computer system | |
Liu et al. | Chinese herbs combined with Western medicine for severe acute respiratory syndrome (SARS) | |
CN106803012B (zh) | 基于概率主题模型和中药基本属性的方剂功能预测方法 | |
CN109346180B (zh) | 中医方剂君臣佐使训练识别方法及系统 | |
CN105550526B (zh) | 一种基于中药属性的中医方剂功效定量方法及系统 | |
WO2021151295A1 (zh) | 患者治疗方案的确定方法、装置、计算机设备及介质 | |
CN109947901B (zh) | 基于多层感知机和自然语言处理技术的方剂功效预测方法 | |
Zhang et al. | Medication regularity of pulmonary fibrosis treatment by contemporary traditional Chinese medicine experts based on data mining | |
CN104615753A (zh) | 获取药品与疾病之间适用关系的方法和系统 | |
CN115050481A (zh) | 一种基于图卷积神经网络的中医方剂功效预测方法 | |
CN107818289A (zh) | 一种药方识别方法和装置、一种用于药方识别的装置 | |
Rao et al. | Identification of medicinal plants using deep learning | |
CN110544536A (zh) | 一种基于数据挖掘分析法的肺癌治疗核心处方发现方法 | |
CN110827990A (zh) | 一种基于知识图谱的伤寒辨证推理系统 | |
Chen et al. | Syndrome differentiation and treatment algorithm model in traditional Chinese medicine based on disease cause, location, characteristics and conditions | |
CN117807534A (zh) | 一种中医证候归属分类方法及其数据库系统 | |
CN113539412A (zh) | 基于深度学习的中草药推荐系统 | |
CN111178444A (zh) | 一种基于向量分析的中药配方治疗效果统计方法 | |
WO2023240837A1 (zh) | 基于病患数据的服务包生成方法、装置、设备及存储介质 | |
CN107423347B (zh) | 一种中药配方有效成分分析方法及终端设备 | |
Divyasree et al. | Ayurvedic leaf identification using deep learning model: VGG16 | |
CN110299206A (zh) | 一种多内容隐含狄利克雷分布模型及中医医案隐含病机挖掘方法 | |
Wang et al. | Research methods about data mining technology in the study medication Rule on Famous Veteran Teran Doctors of TCM | |
CN114093455A (zh) | 基于人工智能的互联网医院合理用药引擎构建方法 | |
Hossain et al. | Prediction of plant-disease relations based on unani formulas by network analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |