CN112509672A - 一种基于人工智能的中医辩证治疗辅助系统及方法 - Google Patents

一种基于人工智能的中医辩证治疗辅助系统及方法 Download PDF

Info

Publication number
CN112509672A
CN112509672A CN202011482571.5A CN202011482571A CN112509672A CN 112509672 A CN112509672 A CN 112509672A CN 202011482571 A CN202011482571 A CN 202011482571A CN 112509672 A CN112509672 A CN 112509672A
Authority
CN
China
Prior art keywords
dialectical
low
level
supervised learning
obtaining
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
Application number
CN202011482571.5A
Other languages
English (en)
Inventor
崔书克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Jingfangyun Technology Co ltd
Original Assignee
Henan Jingfangyun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Jingfangyun Technology Co ltd filed Critical Henan Jingfangyun Technology Co ltd
Priority to CN202011482571.5A priority Critical patent/CN112509672A/zh
Publication of CN112509672A publication Critical patent/CN112509672A/zh
Pending legal-status Critical Current

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请涉及医疗辅助技术领域，尤其是一种基于人工智能的中医辩证治疗辅助系统及方法,本申请提供了针对可辩证分析的具体方法和技术，而且本申请实际上是对辩证分析处理的数据处理方法，而不是真正意义的疾病治疗方法，也属于专利法保护的客体。在细节上，在细节上本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；在细节上，得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据。

Description

一种基于人工智能的中医辩证治疗辅助系统及方法
技术领域
本申请涉及医疗辅助技术领域，尤其是一种基于人工智能的中医辩证治疗辅助系统及方法。
背景技术
中国发明申请CN202010342551.1公开有一种中医诊疗辅助信息管理系统，其包括用户登录系统和医生门诊系统，所述医生门诊系统包括健康档案管理单元和中药开方单元，且健康档案管理单元包括健康档案查询模块、体质辨识模块和中医调养模块，所述中药开方单元包括病名开方模块、证型开方模块、诊疗指南开方模块、取经典方模块、取经验方模块、辩证开方模块和自定义开方模块，且用户登录系统包括患者登记模块、患者预约模块和患者查询模块。所述患者登记模块用于登记患者姓名、年龄、电话和性别基本信息，若患者之前登记就诊过会显示患者的登记信息，且患者预约模块用于患者二次就诊登记。所述患者查询模块用于根据姓名、就诊日期、病历号和性别查询条件，进行患者查询。所述体质辨识模块用于对65岁以上老年人进行中医服务，所述中医调养模块用于对0-36个月儿童进行中医服务，且中医调养模块能够根据儿童患者的年龄段给出对应月龄段内的中医药调养服务。所述病名开方模块用于根据选择对应的病名，系统会提示出对应的中医证型和处方名称，进行选择开方，且证型开方模块用于根据患者的病理特征选择对应的证型，系统会提选择对应的证型、治法和处方名称。所述诊疗指南开方模块是通过收录十个常见科室的临床病症，选择对应的科室下的病名，系统提示出不同的辩证、治法、说明和处方名称，然后选择对应的处方名称会显示出处方的详细信息进行开方，且取经典方模块是通过系统收录了1000种以上经典处方，然后通过查询进行选择使用。所述取经验方模块为医生将经常使用的经验处方，修改过的经典处方进行保存，再遇到同类病症的患者时直接选择存储好的经验处方，且辩证开方模块通过根据患者情况选择对应的证型，系统根据筛选给出合适的辩证结果、治疗原则及处方名称进行开方。所述自定义开方模块为患者自主填写药品开具处方，或从十二经脉、药物性味药品列表内选择药品进行自主填写，从而完成自定义开方。上述的技术并没有具体公开针对可辩证分析的具体方法和技术，而且该技术涉及可能不是专利保护客体的问题。
发明内容
为了克服现有的技术存在的不足,本申请提供基于人工智能的中医辩证治疗辅助系统及方法。
本申请解决其技术问题所采用的技术方案是：
基于人工智能的中医辩证治疗辅助，包括：
输入单元，用于得到可辩证分析的信息；
随机监督学习集群建立单元，用于建立包含多个低级监督学习单元的随机监督学习集群辩证器；
联合监督学习单元，用于得到所述多个低级监督学习单元的面的辩证分析特征的出现概率，根据所述出现概率将所述多个低级监督学习单元合并成主监督学习单元，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点，还用于得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成所述主监督学习单元的方向扩展面；还用于判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
联合面单元，用于全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；
辩证器建立单元，用于根据所述主监督学习单元生成监督学习单元辩证器；
数据辩证单元，用于得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
进一步，所述的监督学习单元采用基于人工智能的决策树算法模型。
进一步，所述的可辩证分析的信息具体包括有病患的病症信息、治疗信息。
进一步，所述联合监督学习单元还用于得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出的低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，循环继续判断所述方向扩展面的辩证分析特征是否为可计算特征。
进一步，，，所述联合监督学习单元还用于全部查询所述多个低级监督学习单元，递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。
基于人工智能的中医辩证治疗辅助方法，包括步骤有：
得到可辩证分析的信息；
建立包含多个低级监督学习单元的随机监督学习集群辩证器；
得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；
判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；
得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
进一步，进一步，所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤之后还包括：得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，继续执行所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤。
进一步，进一步，所述得到所述多个低级监督学习单元中的对应所述方向扩展面的辩证分析特征的次低级监督学习单元的步骤为：
全部查询所述多个低级监督学习单元；
递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。
本申请的有益效果是，本申请提供了针对可辩证分析的具体方法和技术，而且本申请实际上是对辩证分析处理的数据处理方法，而不是真正意义的疾病治疗方法，也属于专利法保护的客体。在细节上，本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断，用于具体实现辩证分析处理。
附图说明
图1是本申请实施例中方法实施例的流程图。
具体实施方式
在具体实施中，本申请的基于人工智能的中医辩证治疗辅助系统，包括：
输入单元，用于得到可辩证分析的信息；
随机监督学习集群建立单元，用于建立包含多个低级监督学习单元的随机监督学习集群辩证器；
联合监督学习单元，用于得到所述多个低级监督学习单元的面的辩证分析特征的出现概率，根据所述出现概率将所述多个低级监督学习单元合并成主监督学习单元，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点，还用于得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成所述主监督学习单元的方向扩展面；还用于判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
联合面单元，用于全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；
辩证器建立单元，用于根据所述主监督学习单元生成监督学习单元辩证器；
数据辩证单元，用于得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
具体实施的过程：
得到可辩证分析的信息；
建立包含多个低级监督学习单元的随机监督学习集群辩证器；
得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；
判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；
得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
综合来看，本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断，用于具体实现辩证分析处理。
所述的监督学习单元采用基于人工智能的决策树算法模型。
所述的病患的病症信息、治疗信息具体包括有病患的病症信息、治疗信息。
具体实施的过程：
得到病患的病症信息、治疗信息；
建立包含多个低级监督学习单元的随机监督学习集群辩证器；
得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；
判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；
得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
更加具体的实施中，所述联合监督学习单元还用于得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出的低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，循环继续判断所述方向扩展面的辩证分析特征是否为可计算特征。
更加具体的实施中，所述联合监督学习单元还用于全部查询所述多个低级监督学习单元，递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。
在具体实施中，本申请的基于人工智能的中医辩证治疗辅助方法，如图1所示的，其包括步骤有：
得到，可辩证分析的信息；
建立包含多个低级监督学习单元的随机监督学习集群辩证器；
得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；
判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；
得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
更加具体的实施中，所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤之后还包括：得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，继续执行所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤。
更加具体的实施中，所述得到所述多个低级监督学习单元中的对应所述方向扩展面的辩证分析特征的次低级监督学习单元的步骤为：
全部查询所述多个低级监督学习单元；
递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。
在具体实施中，显然，基于人工智能的中医辩证治疗辅助方法中全部或多数步骤可以通过软件实现，所以实施中基于人工智能的中医辩证治疗辅助系统优选软件实施，具体则可以通过数据处理软件搭建和配置完成。

Claims (7)

1.一种基于人工智能的中医辩证治疗辅助系统，其特征在于，包括：
输入单元，用于得到可辩证分析的信息；
随机监督学习集群建立单元，用于建立包含多个低级监督学习单元的随机监督学习集群辩证器；
联合监督学习单元，用于得到所述多个低级监督学习单元的面的辩证分析特征的出现概率，根据所述出现概率将所述多个低级监督学习单元合并成主监督学习单元，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点，还用于得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成所述主监督学习单元的方向扩展面；还用于判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
联合面单元，用于全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；
辩证器建立单元，用于根据所述主监督学习单元生成监督学习单元辩证器；
数据辩证单元，用于得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
2.如权利要求1所述的基于人工智能的中医辩证治疗辅助系统，其特征在于，
所述的监督学习单元采用基于人工智能的决策树算法模型，所述的可辩证分析的信息具体包括有病患的病症信息、治疗信息。
3.如权利要求1所述的基于人工智能的中医辩证治疗辅助系统，其特征在于，所述联合监督学习单元还用于得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出的低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，循环继续判断所述方向扩展面的辩证分析特征是否为可计算特征。
4.如权利要求2所述的基于人工智能的中医辩证治疗辅助系统，其特征在于，所述联合监督学习单元还用于全部查询所述多个低级监督学习单元，递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。
5.基于人工智能的中医辩证治疗辅助方法，其特征在于，包括步骤有：
得到可辩证分析的信息；
建立包含多个低级监督学习单元的随机监督学习集群辩证器；
得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；
判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；
全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；
得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。
6.如权利要求5所述的基于人工智能的中医辩证治疗辅助方法，其特征在于，所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤之后还包括：得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，继续执行所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤。
7.如权利要求6所述的基于人工智能的中医辩证治疗辅助方法，其特征在于，所述得到所述多个低级监督学习单元中的对应所述方向扩展面的辩证分析特征的次低级监督学习单元的步骤为：
全部查询所述多个低级监督学习单元；
递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。
CN202011482571.5A 2020-12-14 2020-12-14 一种基于人工智能的中医辩证治疗辅助系统及方法 Pending CN112509672A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011482571.5A CN112509672A (zh) 2020-12-14 2020-12-14 一种基于人工智能的中医辩证治疗辅助系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011482571.5A CN112509672A (zh) 2020-12-14 2020-12-14 一种基于人工智能的中医辩证治疗辅助系统及方法

Publications (1)

Publication Number Publication Date
CN112509672A true CN112509672A (zh) 2021-03-16

Family

ID=74972273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011482571.5A Pending CN112509672A (zh) 2020-12-14 2020-12-14 一种基于人工智能的中医辩证治疗辅助系统及方法

Country Status (1)

Country Link
CN (1) CN112509672A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100280350A1 (en) * 2009-05-02 2010-11-04 Xinyu Zhang Chinese medicine tele-diagnostics and triage system
CN102298662A (zh) * 2010-06-24 2011-12-28 上海中医药大学 基于自适应谐振理论的神经网络中医证候诊断系统
CN102813555A (zh) * 2012-09-05 2012-12-12 王雷 一种中医病症辨证诊断系统
CN107887022A (zh) * 2017-11-09 2018-04-06 淮阴工学院 一种基于sstm的中医证候智能诊断方法
CN109065162A (zh) * 2018-07-16 2018-12-21 劲膳美食品股份有限公司 一种综合性智能化诊断系统
CN109817333A (zh) * 2019-03-21 2019-05-28 赵宗耀 一种四诊信息权重分析的中医辨证系统及其方法
CN109902284A (zh) * 2018-12-30 2019-06-18 中国科学院软件研究所 基于论辩挖掘的一种无监督论点提取方法
US10734105B1 (en) * 2019-11-30 2020-08-04 Kpn Innovations, Llc Methods and systems for informed selection of prescriptive therapies

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100280350A1 (en) * 2009-05-02 2010-11-04 Xinyu Zhang Chinese medicine tele-diagnostics and triage system
CN102298662A (zh) * 2010-06-24 2011-12-28 上海中医药大学 基于自适应谐振理论的神经网络中医证候诊断系统
CN102813555A (zh) * 2012-09-05 2012-12-12 王雷 一种中医病症辨证诊断系统
CN107887022A (zh) * 2017-11-09 2018-04-06 淮阴工学院 一种基于sstm的中医证候智能诊断方法
CN109065162A (zh) * 2018-07-16 2018-12-21 劲膳美食品股份有限公司 一种综合性智能化诊断系统
CN109902284A (zh) * 2018-12-30 2019-06-18 中国科学院软件研究所 基于论辩挖掘的一种无监督论点提取方法
CN109817333A (zh) * 2019-03-21 2019-05-28 赵宗耀 一种四诊信息权重分析的中医辨证系统及其方法
US10734105B1 (en) * 2019-11-30 2020-08-04 Kpn Innovations, Llc Methods and systems for informed selection of prescriptive therapies

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵铁牛 等: "决策树原理应用于中医证候学研究", 《天津中医药》, vol. 29, no. 06, 12 December 2012 (2012-12-12), pages 620 - 623 *

Similar Documents

Publication Publication Date Title
CN108877921B (zh) 医疗智能分诊方法和医疗智能分诊系统
US20190035506A1 (en) Intelligent auxiliary diagnosis method, system and machine-readable medium thereof
WO2022267678A1 (zh) 视频问诊方法、装置、设备及存储介质
CN111091906B (zh) 一种基于真实世界数据的辅助医疗诊断方法及系统
US20150248537A1 (en) Personalized Health Score Generator
CN110459320A (zh) 一种基于知识图谱的辅助诊疗系统
CN112331298B (zh) 开具药方的方法、装置、电子设备及存储介质
US10546654B2 (en) Method and system for intelligent completion of medical record based on big data analytics
JP2010505155A5 (zh)
JP2005110944A (ja) 診療支援装置、診療支援方法及び診療支援プログラム
CN116013534A (zh) 一种基于医学指南和数据的临床辅助决策方法及系统
US20070027710A1 (en) Method and system for automatically processing and evaluating medical data
WO2021151302A1 (zh) 基于机器学习的药品质控分析方法、装置、设备及介质
CN112951414A (zh) 基层医疗临床辅助决策系统
WO2022229964A1 (en) Method of generating a diseases database, usage of the diseases database, and system therefor
CN107066816B (zh) 基于临床数据的就医指导方法、装置及服务器
Weiner et al. Electronic health records: high-quality electronic data for higher-quality clinical research.
JP2009244980A (ja) 診療行為支援装置及びコンピュータプログラム
US20140149140A1 (en) System and method for patient identification index
US20160371457A1 (en) System and Method for Data Analyzing of Health-Related Data
CN112509672A (zh) 一种基于人工智能的中医辩证治疗辅助系统及方法
TWM586863U (zh) 智慧看診醫生推薦系統
US12027269B2 (en) Intelligent system and methods for automatically recommending patient-customized instructions
KR101462317B1 (ko) 한의학 예후 모델을 생성하는 장치 및 그의 한의학 예후 모델 생성 방법
KR20220069329A (ko) 건강 관리 서비스 제공 프로그램

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