CN111477302A - 一种数据的中医辩证算法 - Google Patents
一种数据的中医辩证算法 Download PDFInfo
- Publication number
- CN111477302A CN111477302A CN202010153747.6A CN202010153747A CN111477302A CN 111477302 A CN111477302 A CN 111477302A CN 202010153747 A CN202010153747 A CN 202010153747A CN 111477302 A CN111477302 A CN 111477302A
- Authority
- CN
- China
- Prior art keywords
- vector
- chinese medicine
- syndrome
- data
- traditional chinese
- 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.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 26
- 239000013598 vector Substances 0.000 claims abstract description 40
- 208000011580 syndromic disease Diseases 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 230000003860 sleep quality Effects 0.000 claims abstract description 4
- 208000024891 symptom Diseases 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 238000001467 acupuncture Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000004224 protection Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Pharmacology & Pharmacy (AREA)
- Alternative & Traditional Medicine (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medicines Containing Plant Substances (AREA)
Abstract
本发明公开了一种数据的中医辩证算法，具体包括以下步骤：S1、抽取医案中的特征，典型的是中医望闻问切得到的症状，结合现代科技，甚至包括某项指标高低、睡眠质量、生活状态等，每项记为Si(存在记为1，不存在或者未知记为0)，对于每个医案，我们可以得到一个向量(S1，S2，S3，S4，S5，...Sn)及其对应的证型Fj，本发明涉及中医数据处理技术领域。该数据的中医辩证算法，通过步骤S1至步骤S8，可以对用户特征能映射到一个向量中，计算向量所对应的证型，记为趋向证型，对用户的特征值进行收集的同时，增强对不同病种的辨证分类能力，使得辩证量化的数据更加全面，使用时便于查找相应的病症进行诊治，提高了诊断结果的准确性。
Description
技术领域
本发明涉及中医数据处理技术领域，具体为一种数据的中医辩证算法。
背景技术
中医，一般指以中国汉族劳动人民创造的传统医学为主的医学，所以也称汉医，是研究人体生理、病理以及疾病的诊断和防治等的一门学科，中医承载着中国古代人民同疾病作斗争的经验和理论知识，是在古代朴素的唯物论和自发的辨证法思想指导下，通过长期医疗实践逐步形成并发展成的医学理论体系，中医学以阴阳五行作为理论基础，将人体看成是气、形、神的统一体，通过“望闻问切”四诊合参的方法，探求病因、病性、病位、分析病机及人体内五脏六腑、经络关节、气血津液的变化、判断邪正消长，进而得出病名，归纳出证型，以辨证论治原则，制定治法，使用中药、针灸、推拿、按摩、拔罐、气功和食疗等多种治疗手段，使人体达到阴阳调和而康复。
目前在进行中医辩证诊治的过程中，由于每个病症的特征不一致，对辩证量化的数据处理不够全面，使得现有数据的辩证量化过程不能全面的涵盖疾病的辩证要点，从而容易导致诊断结果不准确，且不具有通用性。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种数据的中医辩证算法，解决了对辩证量化的数据处理不够全面，使得现有数据的辩证量化过程不能全面的涵盖疾病的辩证要点，从而容易导致诊断结果不准确，且不具有通用性的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种数据的中医辩证算法，具体包括以下步骤：
S1、抽取医案中的特征，典型的是中医望闻问切得到的症状，结合现代科技，甚至包括某项指标高低、睡眠质量、生活状态等，每项记为Si(存在记为1，不存在或者未知记为0)，对于每个医案，我们可以得到一个向量(S1，S2，S3，S4，S5，...Sn)及其对应的证型Fj，整个医案集就是多个向量组合成的矩阵；
S2、对于每个证型Fj对应的出现概率，记为PFj，同时计算出该证型下每个特征Si的均值，形成表示该证型对应所有特征的均值的向量，记为WFj；
S3、根据信息熵公式，代入PFj计算整体数据的信息熵shannon；
S4、对于每个特征Si，分别计算出过滤数据集Si＝1，Si＝0的二维数据，记为M1，M0，同时计算出Si＝1和Si＝0的概率记为P(Si＝1)，P(Si＝0)；
S5、对M1，M0执行S2、S3步骤，计算出各自的信息熵shannon1、shannon0，计算特征Si带来的“信息量”；
S6、把每个特征计算出来的shannonSi乘以关系系数k，记为wi，得到权重向量；
S7、把S2中计算出来的每个WFj乘以S6中weight的转置,得到新的向量WFj’；
S8、用户特征能映射到一个新的向量中，记为Wtest，计算Wtest和S7中每个证型向量WFj’的欧式距离，欧式距离值最小的向量所对应的证型，记为趋向证型。
优选的，所述步骤S1中多个向量组合成的矩阵为：
优选的，所述步骤S3中信息熵公式为：
优选的，所述步骤S5中特征Si的信息量公式为：
shannonSi＝shannon-(-(P(Si＝1)*shnnon1+P(Si＝0)*shnnon0))。
优选的，所述步骤S6中的权重向量为：weight＝(w1，...，wn)。
(三)有益效果
本发明提供了一种数据的中医辩证算法。与现有技术相比具备以下有益效果：
(1)、该数据的中医辩证算法，通过步骤S1至步骤S8，可以对用户特征能映射到一个向量中，计算向量所对应的证型，记为趋向证型，对用户的特征值进行收集的同时，增强对不同病种的辨证分类能力，使得辩证量化的数据更加全面，使用时便于查找相应的病症进行诊治，提高了诊断结果的准确性。
(2)、该数据的中医辩证算法，通过从每个医案中得到一个向量及其对应的证型，并将其整合为一个医案集，扩展了中医诊疗病种的范围，便于对多种中医病症进行分析诊断，提升对疑难杂症的诊疗能力。
附图说明
图1为本发明结构的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
请参阅图1，本发明实施例提供一种技术方案：一种数据的中医辩证算法，具体包括以下步骤：
S1、抽取医案中的特征，典型的是中医望闻问切得到的症状，结合现代科技，甚至包括某项指标高低、睡眠质量、生活状态等，每项记为Si(存在记为1，不存在或者未知记为0)，对于每个医案，我们可以得到一个向量(S1，S2，S3，S4，S5，...Sn)及其对应的证型Fj，整个医案集就是多个向量组合成的矩阵；
S2、对于每个证型Fj对应的出现概率，记为PFj，同时计算出该证型下每个特征Si的均值，形成表示该证型对应所有特征的均值的向量，记为WFj；
S3、根据信息熵公式，代入PFj计算整体数据的信息熵shannon；
S4、对于每个特征Si，分别计算出过滤数据集Si＝1，Si＝0的二维数据，记为M1，M0，同时计算出Si＝1和Si＝0的概率记为P(Si＝1)，P(Si＝0)；
S5、对M1，M0执行S2、S3步骤，计算出各自的信息熵shannon1、shannon0，计算特征Si带来的“信息量”；
S6、把每个特征计算出来的shannonSi乘以关系系数k，记为wi，得到权重向量；
S7、把S2中计算出来的每个WFj乘以S6中weight的转置,得到新的向量WFj’；
S8、用户特征能映射到一个新的向量中，记为Wtest，计算Wtest和S7中每个证型向量WFj’的欧式距离，欧式距离值最小的向量所对应的证型，记为趋向证型。
本发明中，步骤S1中多个向量组合成的矩阵为：
本发明中，步骤S3中信息熵公式为：
本发明中，步骤S5中特征Si的信息量公式为：
shannonSi＝shannon-(-(P(Si＝1)*shnnon1+P(Si＝0)*shnnon0))。
本发明中，步骤S6中的权重向量为：weight＝(w1，...，wn)。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种数据的中医辩证算法，其特征在于：具体包括以下步骤：
S1、抽取医案中的特征，典型的是中医望闻问切得到的症状，结合现代科技，甚至包括某项指标高低、睡眠质量、生活状态等，每项记为Si(存在记为1，不存在或者未知记为0)，对于每个医案，我们可以得到一个向量(S1，S2，S3，S4，S5，...Sn)及其对应的证型Fj，整个医案集就是多个向量组合成的矩阵；
S2、对于每个证型Fj对应的出现概率，记为PFj，同时计算出该证型下每个特征Si的均值，形成表示该证型对应所有特征的均值的向量，记为WFj；
S3、根据信息熵公式，代入PFj计算整体数据的信息熵shannon；
S4、对于每个特征Si，分别计算出过滤数据集Si＝1，Si＝0的二维数据，记为M1，M0，同时计算出Si＝1和Si＝0的概率记为P(Si＝1)，P(Si＝0)；
S5、对M1，M0执行S2、S3步骤，计算出各自的信息熵shannon1、shannon0，计算特征Si带来的“信息量”；
S6、把每个特征计算出来的shannonSi乘以关系系数k，记为wi，得到权重向量；
S7、把S2中计算出来的每个WFj乘以S6中weight的转置,得到新的向量WFj’；
S8、用户特征能映射到一个新的向量中，记为Wtest，计算Wtest和S7中每个证型向量WFj’的欧式距离，欧式距离值最小的向量所对应的证型，记为趋向证型。
2.根据权利要求1所述的一种数据的中医辩证算法，其特征在于：所述步骤S1中多个向量组合成的矩阵为：
3.根据权利要求1所述的一种数据的中医辩证算法，其特征在于：所述步骤S3中信息熵公式为：
4.根据权利要求1所述的一种数据的中医辩证算法，其特征在于：所述步骤S5中特征Si的信息量公式为：
shannonSi＝shannon-(-(P(Si＝1)*shnnon1+P(Si＝0)*shnnon0))。
5.根据权利要求1所述的一种数据的中医辩证算法，其特征在于：所述步骤S6中的权重向量为：weight＝(w1，...，wn)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010153747.6A CN111477302A (zh) | 2020-03-07 | 2020-03-07 | 一种数据的中医辩证算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010153747.6A CN111477302A (zh) | 2020-03-07 | 2020-03-07 | 一种数据的中医辩证算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111477302A true CN111477302A (zh) | 2020-07-31 |
Family
ID=71747271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010153747.6A Pending CN111477302A (zh) | 2020-03-07 | 2020-03-07 | 一种数据的中医辩证算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111477302A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114582486A (zh) * | 2022-01-24 | 2022-06-03 | 珠海复旦创新研究院 | 基于中医阴阳五行原理的辨证分析方法和系统 |
| CN116913493A (zh) * | 2023-07-24 | 2023-10-20 | 北京同仁堂互联网医院管理有限公司 | 一种医患的匹配方法、装置、设备及可读介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102298663A (zh) * | 2010-06-24 | 2011-12-28 | 上海中医药大学 | 中医自动识别证型的检测方法 |
| CN109284353A (zh) * | 2018-09-10 | 2019-01-29 | 平安科技（深圳）有限公司 | 医案检索方法、装置、计算机设备和存储介质 |
| CN109920535A (zh) * | 2019-02-28 | 2019-06-21 | 彭明德 | 一种移动中医辨证分析方法及装置 |
| CN110033862A (zh) * | 2019-04-12 | 2019-07-19 | 南京中医药大学 | 一种基于加权有向图的中医量化诊断系统及存储介质 |
| CN110223749A (zh) * | 2019-06-14 | 2019-09-10 | 电子科技大学 | 基于pcnn网络和注意力机制的中医辨证辅助决策方法 |
-
2020
- 2020-03-07 CN CN202010153747.6A patent/CN111477302A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102298663A (zh) * | 2010-06-24 | 2011-12-28 | 上海中医药大学 | 中医自动识别证型的检测方法 |
| CN109284353A (zh) * | 2018-09-10 | 2019-01-29 | 平安科技（深圳）有限公司 | 医案检索方法、装置、计算机设备和存储介质 |
| CN109920535A (zh) * | 2019-02-28 | 2019-06-21 | 彭明德 | 一种移动中医辨证分析方法及装置 |
| CN110033862A (zh) * | 2019-04-12 | 2019-07-19 | 南京中医药大学 | 一种基于加权有向图的中医量化诊断系统及存储介质 |
| CN110223749A (zh) * | 2019-06-14 | 2019-09-10 | 电子科技大学 | 基于pcnn网络和注意力机制的中医辨证辅助决策方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114582486A (zh) * | 2022-01-24 | 2022-06-03 | 珠海复旦创新研究院 | 基于中医阴阳五行原理的辨证分析方法和系统 |
| CN114582486B (zh) * | 2022-01-24 | 2025-06-13 | 珠海复旦创新研究院 | 基于中医阴阳五行原理的辨证分析方法和系统 |
| CN116913493A (zh) * | 2023-07-24 | 2023-10-20 | 北京同仁堂互联网医院管理有限公司 | 一种医患的匹配方法、装置、设备及可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Belgacem et al. | ECG based human authentication using wavelets and random forests | |
| CN107833629A (zh) | 基于深度学习的辅助诊断方法及系统 | |
| Yang et al. | Proegan-ms: A progressive growing generative adversarial networks for electrocardiogram generation | |
| CN103142229B (zh) | 扩散峭度张量成像的高阶张量特征参数提取方法 | |
| CN110327055A (zh) | 一种基于高阶谱和卷积神经网络的心冲击信号的分类方法 | |
| CN111477302A (zh) | 一种数据的中医辩证算法 | |
| CN109497990A (zh) | 一种基于典型相关分析的心电信号身份识别方法及系统 | |
| CN110151189A (zh) | 用于帕金森步态风险评估的非线性步态动力学判别方法 | |
| CN117423423B (zh) | 一种基于卷积神经网络的健康档案整合方法、设备及介质 | |
| CN118571469A (zh) | 一种基于元数据的心脑血管疾病辅助检测系统 | |
| CN117752308B (zh) | 癫痫预测方法及装置 | |
| CN118380160A (zh) | 基于大数据的口腔癌病历数据分析方法 | |
| CN114582489B (zh) | 一种用于针灸治疗膝骨关节炎的红外热像辅助选穴系统 | |
| Xu et al. | Structural sparse representation with class-specific dictionary for ECG biometric recognition | |
| CN116746888A (zh) | 一种基于lstm模型的中医脉象识别方法及系统 | |
| CN113456031A (zh) | 一种脑状态预测模型的训练装置、预测装置及电子设备 | |
| CN116843036A (zh) | 面向阿尔兹海默症辅助诊断的个性化联邦学习方法 | |
| CN110575178B (zh) | 一种运动状态判断的诊断监控综合医疗系统及其判断方法 | |
| CN114580464B (zh) | 基于变分模态分解和约束独立分量分析的人体心率变异性与呼吸率测量方法 | |
| CN118762851B (zh) | 一种用于咯血预警的肺结核患者病历智慧化分析方法 | |
| CN115633939A (zh) | 一种基于红外图像获取代谢状态复合区域的方法 | |
| Bassiouni et al. | A study on the Intelligent Techniques of the ECG-based Biometric Systems | |
| Oz et al. | Efficacy of biophysiological measurements at FTFPs for facial expression classification: A validation | |
| CN117095813A (zh) | 一种肌少症自动诊断模型构建方法、系统、设备及介质 | |
| CN110141244A (zh) | 心电图身份识别方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200731 |
|
| WD01 | Invention patent application deemed withdrawn after publication |