CN109448838A - 一种基于深度神经网络的症状诊断方法及设备 - Google Patents

Abstract

本发明公开了一种基于深度神经网络的症状诊断方法及设备，其中，该方法包括：构建中医知识图谱；辨识用户输入的舌象图片表示的体质类型；获取用户输入的症状信息；根据上述症状信息确定使用的目标专场；从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；获取用户输入的问诊问题的答案；根据问诊问题的答案，获取症状信息的治疗处方。通过本发明，能够使个人自助诊断疾病，对于用户自助诊断轻度疾病非常有利。

Description

一种基于深度神经网络的症状诊断方法及设备

技术领域

本发明涉及疾病诊断设备技术领域，特别涉及一种基于深度神经网络的症状诊断方法及设备。

背景技术

近年来，市场上推出不少中医自动诊断的仪器，但这些仪器都需要专门的设备，而且价格也比较昂贵，采用技术也相对落后。目前市场上的中医诊断系统，一般会分为舌象采集单元和体质辨别单元，需要使用特定的计算机和拍摄装置，对舌形，舌色，舌络，舌态，苔色，苔形，苔质，面象-对面象，面容，表情，神，色，用下拉标准选项并比对标准图的方式，自助得出结论，同时在体质辨别单元基本按照中华中医药学会标准ZYYXH/T157-2009《中医体质分类与判定》的要求进行问诊，并对9种基本体质及44种复合体质进行自动判别，为临床提供依据，并可得出包括体质类型，体质特征，发病倾向，环境适应力等的个体健康状况，并给出饮食调理，药物调理，运动调理及食疗食谱等个性化养生调理方案及经典处方，但这种中医诊断设备体系庞大，只能应用在医院，个人自助无法使用，这给个人自助诊断疾病带来了极大的不便。

发明内容

本发明提供一种基于深度神经网络的症状诊断方法及设备，能够使个人自助诊断疾病，对于用户自助诊断轻度疾病非常有利。

根据本发明的一个方面，提供了一种基于深度神经网络的症状诊断方法，包括以下步骤：构建中医知识图谱；辨识用户输入的舌象图片表示的体质类型；获取用户输入的症状信息；根据上述症状信息确定使用的目标专场；从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；获取用户输入的问诊问题的答案；根据问诊问题的答案，获取症状信息的治疗处方。

优选地，构建中医知识图谱，包括以下步骤：通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；其中，与中医相关的实体包括症状和处方；根据上述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；获取人工整理的症状对应的问诊问题和问诊问题的多个答案，分析得到症状与问诊问题的关联关系；根据症状和处方的关联关系以及症状与问诊问题的关联关系，得到中医知识图谱。

优选地，根据症状和处方的关联关系和症状与问诊问题的关联关系，得到中医知识图谱之后，该方法还包括以下步骤：将中医知识图谱转换为中医知识表格；对转换好的中医知识表格中的内容进行检查。

优选地，获取用户输入的症状信息之后，以及根据症状信息确定使用的目标专场之前，该方法还包括以下步骤：在中医知识图谱中查找是否存在上述症状信息；如果是，则执行根据上述症状信息确定使用的目标专场的步骤；如果否，显示提示信息供用户查看。

优选地，根据问诊问题的答案，获取上述症状信息的治疗处方之后，该方法还包括以下步骤：根据症状信息的治疗处方，获取治疗处方的煎煮方法和食用方法。

根据本发明的另一个方面，还提供了一种基于深度神经网络的症状诊断设备，包括：图谱构建单元，用于构建中医知识图谱；体质辨别单元，用于辨识用户输入的舌象图片表示的体质类型；症状获取单元，用于获取用户输入的症状信息；专场确定单元，用于根据上述症状信息确定使用的目标专场；问题搜索单元，用于从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；答案获取单元，用于获取用户输入的问诊问题的答案；处方获取单元，用于根据问诊问题的答案，获取症状信息的治疗处方。

优选地，图谱构建单元包括：实体搜索子单元，用于通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；其中，与中医相关的实体包括症状和处方；关系分析子单元，用于根据上述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；关系获取子单元，用于获取人工整理的症状对应的问诊问题和问诊问题的多个答案，分析得到症状与问诊问题的关联关系；图谱获取子单元，用于根据症状和处方的关联关系以及症状与问诊问题的关联关系，得到中医知识图谱。

优选地，图谱构建单元还包括：图谱转化子单元，用于在图谱获取子单元根据症状和处方的关联关系和症状与问诊问题的关联关系，得到中医知识图谱之后，将中医知识图谱转换为中医知识表格；检查子单元，用于对转换好的中医知识表格中的内容进行检查。

优选地，一种基于深度神经网络的症状诊断设备还包括：查找单元，用于在症状获取单元获取用户输入的症状信息之后，以及专场确定单元根据上述症状信息确定使用的目标专场之前，在中医知识图谱中查找是否有上述症状信息；专场确定单元，具体用于在查找单元在中医知识图谱中查找存在上述症状信息时，根据上述症状信息确定使用的目标专场；显示单元，用于在查找单元在中医知识图谱中查找未存在上述症状信息时，显示提示信息供用户查看。

优选地，一种基于深度神经网络的症状诊断设备还包括：注意事项获取单元，用于在处方获取单元根据问诊问题的答案，获取症状信息的治疗处方之后，根据症状信息的治疗处方，获取治疗处方的煎煮方法和食用方法。

与现有技术相比较，本发明的有益效果如下：

通过本发明，首先需要构建中医知识图谱，再通过用户输入的舌象图片辨识用户的体质类型，当用户需要诊断自身疾病时，需要在诊断设备中输入自身的症状信息，诊断设备会根据症状信息确定用户需要使用的专场，从中医知识图谱中搜索与体质类型和专场相符的问诊问题及相关答案选项，获取用户输入的问诊问题的答案，根据问诊问题的答案得到与用户的症状信息对应的治疗处方。这种诊断方法操作简单，且适用于家庭生活中，使用户可以随时自助诊断自身的疾病并得到治疗处方，有利于用户自助治疗感冒发烧等小病，这样既节省去医院看病的时间，又节省在医院治病的费用，适于大范围推广使用。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。附图中：

图1是根据本发明实施例的一种基于深度神经网络的症状诊断方法的流程图；

图2是根据本发明实施例的一种基于深度神经网络的症状诊断设备的结构框图；

图3是根据本发明实施例一的另一种基于深度神经网络的症状诊断方法的流程图；

图4是根据本发明实施例二的又一种基于深度神经网络的症状诊断方法的流程图。

具体实施方式

下面将结合本发明附图，对本发明技术方案进行描述，但所描述的实施例仅仅是本发明一部分实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于深度神经网络的症状诊断方法，图1是根据本发明实施例的一种基于深度神经网络的症状诊断方法的流程图，如图1所示，包括以下步骤：

步骤S101：构建中医知识图谱；

步骤S102：辨识用户输入的舌象图片表示的体质类型；

步骤S103：获取用户输入的症状信息；

步骤S104：根据症状信息确定使用的目标专场；

步骤S105：从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；

步骤S106：获取用户输入的问诊问题的答案；

步骤S107：根据问诊问题的答案，获取症状信息的治疗处方。

在实施过程中，在步骤S101中，通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；其中，与中医相关的实体包括症状和处方；根据上述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；获取人工整理的症状对应的问诊问题和问诊问题的多个答案，分析得到症状与问诊问题的关联关系；根据症状和处方的关联关系以及症状与问诊问题的关联关系，得到中医知识图谱。

进一步的，将中医知识图谱转换为中医知识表格；对转换好的中医知识表格中的内容进行检查。

在步骤S103之后，以及步骤S104之前，需要先在中医知识图谱中查找是否存在上述症状信息；如果是，则执行根据上述症状信息确定使用的目标专场的步骤；如果否，显示提示信息供用户查看。

在步骤S107之后，根据症状信息的治疗处方，获取治疗处方的煎煮方法和食用方法。

通过上述步骤，能够使个人自助诊断疾病，对于用户自助诊断轻度疾病非常有利。

本发明实施例还提供了一种基于深度神经网络的症状诊断设备20，用于实现上述一种基于深度神经网络的症状诊断方法。

图2是根据本发明实施例的一种基于深度神经网络的症状诊断设备20的结构框图，如图2所示，该设备20包括：图谱构建单元201，用于构建中医知识图谱；体质辨别单元202，用于辨识用户输入的舌象图片表示的体质类型；症状获取单元203，用于获取用户输入的症状信息；专场确定单元204，用于根据症状信息确定使用的目标专场；问题搜索单元205，用于从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；答案获取单元206，用于获取用户输入的问诊问题的答案；处方获取单元207，用于根据问诊问题的答案，获取上述症状信息的治疗处方。

对于一种基于深度神经网络的症状诊断设备20，图谱构建单元201包括：实体搜索子单元2011，用于通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；其中，与中医相关的实体包括症状和处方；关系分析子单元2012，用于根据上述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；关系获取子单元2013，用于获取人工整理的症状对应的问诊问题和问诊问题的多个答案，分析得到症状与问诊问题的关联关系；图谱获取子单元2014，用于根据症状和处方的关联关系以及症状与问诊问题的关联关系，得到中医知识图谱。

对于一种基于深度神经网络的症状诊断设备20，图谱构建单元201还包括：图谱转化子单元2015，用于在图谱获取子单元根据症状和处方的关联关系和症状与问诊问题的关联关系，得到中医知识图谱之后，将中医知识图谱转换为中医知识表格；检查子单元2016，用于对转换好的中医知识表格中的内容进行检查。

对于一种基于深度神经网络的症状诊断设备20，还包括：查找单元208，用于在症状获取单元203获取用户输入的症状信息之后，以及专场确定单元204根据症状信息确定使用的目标专场之前，在中医知识图谱中查找是否有上述症状信息；专场确定单元204，具体用于在查找单元208在中医知识图谱中查找存在上述症状信息时，根据上述症状信息确定使用的目标专场；显示单元209，用于在查找单元208在中医知识图谱中查找未存在上述症状信息时，显示提示信息供用户查看。

对于一种基于深度神经网络的症状诊断设备20，还包括：注意事项获取单元210，用于在处方获取单元207根据问诊问题的答案，获取症状信息的治疗处方之后，根据症状信息的治疗处方，获取治疗处方的煎煮方法和食用方法。

需要说明的是，装置实施例中描述的一种基于深度神经网络的症状诊断设备对应于上述的方法实施例，其具体的实现过程在方法实施例中已经进行过详细说明，在此不再赘述。

为了使本发明的技术方案和实现方法更加清楚，下面将结合优选的实施例对其实现过程进行详细描述。

实施例一

本实施例提供另一种基于深度神经网络的症状诊断方法，如图3所示，图3是根据本发明实施例一的另一种基于深度神经网络的症状诊断方法的流程图，包括以下步骤：

步骤S301：症状诊断设备通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；

本发明实施例中，上述与中医相关的实体包括症状和处方；中医书籍可以是《伤寒论》、《伤寒杂病论》等中医古籍经典，通过自然语言处理中的实体识别方法，从中医书籍中将中医领域涉及的实体全都分析出来；

可选的，本发明实施例的症状诊断设备为一种可手持、体积小、轻便的电子设备，可以是手机，也可以是平板，还可以是手持电子设备，本发明实施例不做限定；通过本发明用户可以随时快速方便的为自己诊断，并可以得到相应的治疗处方，方便用户使用，有利于在家庭中推广使用；

步骤S302：症状诊断设备根据上述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；

步骤S303：症状诊断设备获取人工整理的症状对应的问诊问题和问诊问题的多个答案，分析得到症状与问诊问题的关联关系；

作为一种可选的实施方式，当症状诊断设备从中医书籍中搜索出实体之后，可以从症状中抽取一部分数据，当然抽取的症状各不相同，通过人工整理出症状对应的问诊问题和每个问诊问题对应的多个答案，并将整理的问诊问题和相应的答案输入症状诊断设备中，症状诊断设备随之会对症状和问诊问题及问诊问题的答案进行模型训练，得到症状与问诊问题的关联关系；这样当用户向症状诊断设备中输入自身的症状信息之后，症状诊断设备会自动将与获取的症状信息相匹配的问诊问题和相应的多个可选的答案显示出来供用户选择，更加方便用户使用本发明的症状诊断设备去诊断自身的疾病；

步骤S304：症状诊断设备根据症状和处方的关联关系以及症状与问诊问题的关联关系，得到中医知识图谱；

步骤S305：症状诊断设备将中医知识图谱转换为中医知识表格；

步骤S306：症状诊断设备对转换好的中医知识表格中的内容进行检查；

作为一种可选的实施方式，症状诊断设备对转换好的中医知识表格中的内容进行检查可以分为两个步骤，首先症状诊断设备进行初检，主要检查知识图谱中是否存在未转化为表格的内容，如果没有，则通过人工对知识表格逐条的检查，判断表格中的文字内容是否有转化错误或是其他的知识性错误，如果没有错误，就表示转化成功，症状诊断设备可以将转化好的知识表格进行保存投入使用，如果存在错误，则可以人工对表格中的错误进行修改，此时症状诊断设备就会将修改正确的知识表格进行存储并投入使用；通过对知识表格中的内容进行检查，使得知识图谱转化的知识表格中的内容完全正确，这样在症状诊断设备利用知识表格诊断用户的疾病时能够更加准确，向用户推荐的治疗处方能够更加对症；

步骤S307：症状诊断设备辨识用户输入的舌象图片表示的体质类型；

作为一种可选的实施方式，用户需要将自己的舌象图片输入症状诊断设备中以检测自身的体质类型，用户获取自身的舌象图片可以是利用手机拍摄自己的舌象图片，也可以是通过专门的拍摄装置，如相机拍摄自己的舌象图片，本发明实施例不做限定，但是需要说明的是，输入至症状诊断设备中的舌象图片只需要有舌头图象，不需要包括整张人脸，因为包括整张人脸的舌象图片会使的症状诊断设备在检测体质类型时的辨识度降低，降低体质类型检测的精准度；

可选的，上述体质类型可以包括11种，分别为寒凝血淤、寒湿、脾胃气虚、气血两虚、热盛伤津、湿热、实热、食积痰浊、胃气阴不足、阴虚、淤血；

步骤S308：症状诊断设备获取用户输入的症状信息；

步骤S309：症状诊断设备根据症状信息确定使用的目标专场；

作为一种可选的实施方式，本实施例中将常见的症状分为10个专场，分别为感冒发烧专场、亚健康调理专场、咳嗽专场、咽痛或喉咙不适专场、腹泻专场、失眠专场、腹痛专场、胁痛专场、打嗝专场、白带异常专场；

步骤S310：症状诊断设备从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；

步骤S311：症状诊断设备获取用户输入的问诊问题的答案；

作为一种可选的实施方式，当症状诊断设备将问诊问题和相应的答案选项显示出来之后，用户可以根据自身的情况选择问诊问题的答案并输入至症状诊断设备，症状诊断设备根据用户输入的问诊问题的答案从中医知识图谱中搜索出下一个问诊问题，再由用户输入问诊问题的答案，这样一直搜索问诊问题供用户回答，直到搜索到中医知识图谱的最后一个节点的问诊问题才停止搜索，这样才能完整的根据用户的具体症状诊断出用户所患的疾病，从而准确的给出治疗用户疾病的处方；

步骤S312：症状诊断设备根据问诊问题的答案，获取症状信息的治疗处方。

实施例二

本实施例提供又一种基于深度神经网络的症状诊断方法，如图4所示，图4是根据本发明实施例二的又一种基于深度神经网络的症状诊断方法的流程图，包括以下步骤：

步骤S401：症状诊断设备通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；

本发明实施例中，上述与中医相关的实体包括症状和处方；中医书籍可以是《伤寒论》、《伤寒杂病论》等中医古籍经典，通过自然语言处理中的实体识别方法，从中医书籍中将中医领域涉及的实体全都分析出来；

可选的，本发明实施例的症状诊断设备为一种可手持、体积小、轻便的电子设备，可以是手机，也可以是平板，还可以是手持电子设备，本发明实施例不做限定；通过本发明用户可以随时快速方便的为自己诊断，并可以得到相应的治疗处方，方便用户使用，有利于在家庭中推广使用；

步骤S402：症状诊断设备根据上述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；

步骤S403：获取人工整理的症状对应的问诊问题和问诊问题的多个答案，分析得到症状与问诊问题的关联关系；

作为一种可选的实施方式，当症状诊断设备从中医书籍中搜索出实体之后，可以从症状中抽取一部分数据，当然抽取的症状各不相同，通过人工整理出症状对应的问诊问题和每个问诊问题对应的多个答案，并将整理的问诊问题和相应的答案输入症状诊断设备中，症状诊断设备随之会对症状和问诊问题及问诊问题的答案进行模型训练，得到症状与问诊问题的关联关系；这样当用户向症状诊断设备中输入自身的症状信息之后，症状诊断设备会自动将与获取的症状信息相匹配的问诊问题和相应的多个可选的答案显示出来供用户选择，更加方便用户使用本发明的症状诊断设备去诊断自身的疾病；

步骤S404：症状诊断设备根据症状和处方的关联关系以及症状与问诊问题的关联关系，得到中医知识图谱；

步骤S405：症状诊断设备将中医知识图谱转换为中医知识表格；

步骤S406：症状诊断设备对转换好的中医知识表格中的内容进行检查；

作为一种可选的实施方式，症状诊断设备对转换好的中医知识表格中的内容进行检查可以分为两个步骤，首先症状诊断设备进行初检，主要检查知识图谱中是否存在未转化为表格的内容，如果没有，则通过人工对知识表格逐条的检查，判断表格中的文字内容是否有转化错误或是其他的知识性错误，如果没有错误，就表示转化成功，症状诊断设备可以将转化好的知识表格进行保存投入使用，如果存在错误，则可以人工对表格中的错误进行修改，此时症状诊断设备就会将修改正确的知识表格进行存储并投入使用；通过对知识表格中的内容进行检查，使得知识图谱转化的知识表格中的内容完全正确，这样在症状诊断设备利用知识表格诊断用户的疾病时能够更加准确，向用户推荐的治疗处方能够更加对症；

步骤S407：症状诊断设备辨识用户输入的舌象图片表示的体质类型；

作为一种可选的实施方式，用户需要将自己的舌象图片输入症状诊断设备中以检测自身的体质类型，用户获取自身的舌象图片可以是利用手机拍摄自己的舌象图片，也可以是通过专门的拍摄装置，如相机拍摄自己的舌象图片，本发明实施例不做限定，但是需要说明的是，输入至症状诊断设备中的舌象图片只需要有舌头图象，不需要包括整张人脸，因为包括整张人脸的舌象图片会使的症状诊断设备在检测体质类型时的辨识度降低，降低体质类型检测的精准度；

可选的，上述体质类型可以包括11种，分别为寒凝血淤、寒湿、脾胃气虚、气血两虚、热盛伤津、湿热、实热、食积痰浊、胃气阴不足、阴虚、淤血；

步骤S408：症状诊断设备获取用户输入的症状信息；

步骤S409：症状诊断设备在中医知识图谱中查找是否存在症状信息；如果否，则执行步骤S410；如果是，执行步骤S411～步骤S415；

步骤S410：症状诊断设备显示提示信息供用户查看；

作为一种可选的实施方式，当症状诊断设备在中医知识图谱中查找不到用户输入的症状信息时，就说明用户所患的疾病不属于本发明的症状诊断设备可以诊断的范围，此时症状诊断设备就会显示提示信息供用户查看，提示信息为“您的症状不在咨询范围，建议您到医院检查就诊”，这样用户就可以了解到自己所患疾病的严重性了，也能起到提示用户到医院就医的作用；

步骤S411：症状诊断设备根据症状信息确定使用的目标专场；

作为一种可选的实施方式，本实施例中将常见的症状分为10个专场，分别为感冒发烧专场、亚健康调理专场、咳嗽专场、咽痛或喉咙不适专场、腹泻专场、失眠专场、腹痛专场、胁痛专场、打嗝专场、白带异常专场；

步骤S412：症状诊断设备从中医知识图谱中搜索出与体质类型和目标专场相符的问诊问题以及问诊问题的多个答案；

步骤S413：症状诊断设备获取用户输入的问诊问题的答案；

作为一种可选的实施方式，当症状诊断设备将问诊问题和相应的答案选项显示出来之后，用户可以根据自身的情况选择问诊问题的答案并输入至症状诊断设备，症状诊断设备根据用户输入的问诊问题的答案从中医知识图谱中搜索出下一个问诊问题，再由用户输入问诊问题的答案，这样一直搜索问诊问题供用户回答，直到搜索到中医知识图谱的最后一个节点的问诊问题才停止搜索，这样才能完整的根据用户的具体症状诊断出用户所患的疾病，从而准确的给出治疗用户疾病的处方；

步骤S414：症状诊断设备根据问诊问题的答案，获取症状信息的治疗处方；

步骤S415：症状诊断设备根据症状信息的治疗处方，获取治疗处方的煎煮方法和食用方法。

作为一种可选的实施方式，不同病症的治疗方法会根据患者体质不同而发生变化，尤其是治疗处方药的煎煮方法和服用方法也会随着治疗处方药的配比不同而发生相应的变化，所以在症状诊断设备给出治疗处方之后，用户可以自助选择查看该治疗处方的煎煮方法和服用方法；根据正确的煎煮方法和服用方法去处理治疗处方的中药可以使治疗处方的中药发挥最好的药效，达到最好的治疗效果。

综合上述，通过上述实施例，首先需要构建中医知识图谱，再通过用户输入的舌象图片辨识用户的体质类型，当用户需要诊断自身疾病时，需要在诊断设备中输入自身的症状信息，诊断设备会根据症状信息确定用户需要使用的专场，从中医知识图谱中搜索与体质类型和专场相符的问诊问题及相关答案选项，获取用户输入的问诊问题的答案，根据问诊问题的答案得到与用户的症状信息对应的治疗处方。这种诊断方法操作简单，且适用于家庭生活中，使用户可以随时自助诊断自身的疾病并得到治疗处方，有利于用户自助治疗感冒发烧等小病，这样既节省去医院看病的时间，又节省在医院治病的费用，适于大范围推广使用。

Claims (10)

1.一种基于深度神经网络的症状诊断方法，其特征在于，包括以下步骤：

构建中医知识图谱；

辨识用户输入的舌象图片表示的体质类型；

获取用户输入的症状信息；

根据所述症状信息确定使用的目标专场；

从所述中医知识图谱中搜索出与所述体质类型和所述目标专场相符的问诊问题以及所述问诊问题的多个答案；

获取用户输入的所述问诊问题的答案；

根据所述问诊问题的答案，获取所述症状信息的治疗处方。

2.根据权利要求1所述的方法，其特征在于，所述构建中医知识图谱，包括以下步骤：

通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；其中，所述与中医相关的实体包括症状和处方；

根据所述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；

获取人工整理的所述症状对应的问诊问题和所述问诊问题的多个答案，分析得到症状与问诊问题的关联关系；

根据所述症状和处方的关联关系以及所述症状与问诊问题的关联关系，得到中医知识图谱。

3.根据权利要求2所述的方法，其特征在于，所述根据所述症状和处方的关联关系和所述症状与问诊问题的关联关系，得到中医知识图谱之后，还包括以下步骤：

将所述中医知识图谱转换为中医知识表格；

对转换好的中医知识表格中的内容进行检查。

4.根据权利要求1所述的方法，其特征在于，所述获取用户输入的症状信息之后，以及所述根据所述症状信息确定使用的目标专场之前，还包括以下步骤：

在所述中医知识图谱中查找是否存在所述症状信息；

如果是，则执行所述的根据所述症状信息确定使用的目标专场；

如果否，显示提示信息供用户查看。

5.根据权利要求4所述的方法，其特征在于，所述根据所述问诊问题的答案，获取所述症状信息的治疗处方之后，还包括以下步骤：

根据所述症状信息的治疗处方，获取所述治疗处方的煎煮方法和食用方法。

6.一种基于深度神经网络的症状诊断设备，其特征在于，包括：

图谱构建单元，用于构建中医知识图谱；

体质辨别单元，用于辨识用户输入的舌象图片表示的体质类型；

症状获取单元，用于获取用户输入的症状信息；

专场确定单元，用于根据所述症状信息确定使用的目标专场；

问题搜索单元，用于从所述中医知识图谱中搜索出与所述体质类型和所述目标专场相符的问诊问题以及所述问诊问题的多个答案；

答案获取单元，用于获取用户输入的所述问诊问题的答案；

处方获取单元，用于根据所述问诊问题的答案，获取所述症状信息的治疗处方。

7.根据权利要求6所述的设备，其特征在于，所述图谱构建单元包括：

实体搜索子单元，用于通过自然语言处理中的实体识别方法，从中医书籍中搜索与中医相关的实体；其中，所述与中医相关的实体包括症状和处方；

关系分析子单元，用于根据所述实体，通过依存句法从中医书籍中分析抽取症状和处方的关联关系；

关系获取子单元，用于获取人工整理的所述症状对应的问诊问题和所述问诊问题的多个答案，分析得到症状与问诊问题的关联关系；

图谱获取子单元，用于根据所述症状和处方的关联关系以及所述症状与问诊问题的关联关系，得到中医知识图谱。

8.根据权利要求7所述的设备，其特征在于，还包括：

图谱转化子单元，用于在所述图谱获取子单元根据所述症状和处方的关联关系和所述症状与问诊问题的关联关系，得到中医知识图谱之后，将所述中医知识图谱转换为中医知识表格；

检查子单元，用于对转换好的中医知识表格中的内容进行检查。

9.根据权利要求6所述的设备，其特征在于，还包括：

查找单元，用于在所述症状获取单元获取用户输入的症状信息之后，以及所述专场确定单元根据所述症状信息确定使用的目标专场之前，在所述中医知识图谱中查找是否有所述症状信息；

所述专场确定单元，具体用于在所述查找单元在所述中医知识图谱中查找存在所述症状信息时，根据所述症状信息确定使用的目标专场；

显示单元，用于在所述查找单元在所述中医知识图谱中查找未存在所述症状信息时，显示提示信息供用户查看。

10.根据权利要求9所述的设备，其特征在于，还包括：

注意事项获取单元，用于在所述处方获取单元根据所述问诊问题的答案，获取所述症状信息的治疗处方之后，根据所述症状信息的治疗处方，获取所述治疗处方的煎煮方法和食用方法。