一种基于iso-r法则的中医智能辨证医理模型的构建方法
【专利摘要】本发明公开了一种基于ISO-R法则的中医智能辨证医理模型的构建方法，它包括以下步骤：S1：构造病机有向图，它包括以下子步骤：S101：构造基本辨证要素集合；S102：构造基本辨证要素关系集合；S2：通过ISO-R法则筛选病机有向图。本发明将复杂的病机通过有向图直观地表现出来，以病机的有向图定义为基础，通过症状与基本辨证要素的映射关系以及基本辨证要素之间的两两关系完成对病机的动态构建；运用病机组合规则ISO-R法则进行筛选即可动态生成病机，筛选出可递归得到一个共同基本辨证要素的基本辨证要素集合，相比目前穷尽列举标准证名模式的方法，可有效回避目前中医智能辨证领域中共同存在的瓶颈问题-证型爆炸问题，为中医智能辨证领域奠定了新的理论基础。
【专利说明】—种基于ISO-R法则的中医智能辨证医理模型的构建方法
【技术领域】
[0001]本发明涉及中医智能辨证领域，特别是涉及一种基于ISO-R法则的中医智能辨证医理模型的构建方法。
【背景技术】
[0002]“中医智能辨证”是根据标准化的公认的中医知识体系，通过数学模型或算法演算映射中医人脑辨证基本规律的一类计算机程序或软件。受现代科学技术的启发与大众科学意识形态的改变，中医智能辨证在过去一度成为中医现代化研究的热点。其基本原理是将待求症状组与系统预存的所有证型的标准化症状组进行匹配，从而通过模糊数学等方法求得匹配度最高的模式为待求症状组对应的证型，但从研究结果可以看出，目前该方面研究的广度和深度是难以覆盖和达到传统临床的。
[0003]目前国内大多数研究是基于计算机在数字处理方面的优势，通过病症的规范研究，通过病状与病机，病种间定量定性关系的确定，通过加权求和、阈值运算等模糊数学方法将待求症状组与已知症状组进行模式匹配，从而判别病种和病机并得出最终的证型。但由于人脑与计算机在实体结构和“思维”机制上的差异，以静态模式匹配为基本原理的中医智能辨证模型不可能原封不动地演绎临床医生的动态诊疗推理过程。
[0004]模式识别为目前中医智能辨证领域的基本数学模型，其基本原理如图1所示:
[0005]A、系统预存所有证型的标准模式-模糊集，如证型a对应的模糊集a的标准模式为(症状1，症状3，症状5......)；
[0006]B、系统将待求症状组(模糊集X)与上述所有证型的标准模式进行匹配；
[0007]C、系统运算并求得匹配度最高的模式，显然该模式即为模糊集X所对应的证型。
[0008]可以看出，模式匹配类似于教科书般地将所有标准化的证型列举于系统的后台数据库中，然后将待求症状组与后台所有的证型进行对比，匹配出最相似的证型，该证型即为待求症状组的证型。相比与教科书对证型的列举，计算机的存储量大，可以穷尽存取成千上万种标准模式，并且计算机运算速度快，可以在极短地时间内完成对所有标准模式地查找与匹配。然而，如同临床中的随机症状组合，不可能完全按照教科书中固定的某一证型发生发展，计算机穷尽列举标准证型的方法也不能完全覆盖临床，大部分待求症状组都不能完全匹配与某一标准模式，因此，系统只能求得匹配度最高的标准模式为该待求症状组的证型。匹配度体现两个模糊集之间的差异，而模糊数学恰好将这种差异进行了量化。目前大部分研究都应用了模糊数学这一基本方法，模糊数学在中医智能辨证领域中的研究价值在
于将待求症状组(模糊集X)与后台预存的标准证型(模糊集a、模糊集b、模糊集c......)
进行匹配，并将这种匹配度进行量化。应用模糊数学进行辨证的方法和模型有:模糊聚类分析、模糊综合评判、简单模式识别(最大隶属原则法)和复杂模式识别(海明距离，贴近度)等。运用模糊数学进行中医辨证的前提是必须确定每个症状在每个标准证型中的贡献度(即权值)，它是建立在病例中症状出现频率的基础上，根据相应的概率计算方法而求得。而一种症状可能出现在不同的标准模式或证型中，一种标准模式或证型又含有不同的症状。故很多研究者选取了贝叶斯条件概率模型或最大似然法作为权值的概率运算方法。
[0009]运用模糊数学进行模式匹配的具体方法为:
[0010]A、加权求和，分别在标准证型(模糊集a、模糊集b、模糊集c......)中，将模糊集
X中的待求症状组进行加权求和，求得模糊集X在标准证型中的权值之和分别为Q (模糊集a)、Q (模糊集b)、Q (模糊集c)......；
[0011]B、证型筛选，显然，权值之和越大，则对应的匹配度最高，具体的筛选方法包括:一种是排它性原则，即选择权值之和最大的证型为其匹配证型；另一种为以阈值筛选原则，只要权值之和超过了阈值就可确诊为该证型。按排它性原则进行筛选的医理设计中，显然不适合处理多病，多证的辨证模型，而固定阈值的筛选原则，很容易造成漏诊与误诊，故很多研究者采用了浮动阈值的筛选方法。
[0012]传统中医辨证的关键和基本要求，是确定疾病的病位、病因与病性。现代临床上将由病因、病位、病性等基本辨证要素相互组合而构成的证名作为比较完整、规范的名称已成为共识。
[0013]朱文峰老师在其中医辨证电脑系统的医理设计中，确定了 48项辨证基本内容(SP辨证元素)，存取了 1500个标准证名模式(即复合证型)，并在其研究中，采取了“调阈、兼容”等办法，并通过模糊数学相关理论，如利用空间度量法、变换减维(或增维)法等对48项模元(即标准证型模式)进行模糊聚类分析，可形成500多个演绎证名模式。
[0014]基于模式匹配的智能辨证模型中，必须确定标准证型模式。理论上讲，48个基本辨证要素的所有排列组合是肯定能够覆盖临床的，但一方面，其数据量(248)却是一个天文数字，将其各种组合予以编排是不可能的，另外一方面，临床上也并非各个辨证要素都可以任意排列组合，如{实火，阳虚}或{外风，实寒，实火}等组合方式在中医理论体系下是不能构成证型的。这就是目前中医智能辨证领域中共同存在的瓶颈问题-证型爆炸问题。
[0015]目前的中医智能辨证系统多是基于症状组输入，证型输出的诊疗模式，该模式的前提是作为运算参数的症状以及症状权值必须量化、证型必须标准化。然而一方面，症状地量化是通过概率统计实现的，但是应用最大似然法(包括其它的计量统计方法)进行计量统计必须具备两个条件:首先是要有足够的病例，样本越大，症状频率越稳定；二是作为诊断指标要多，指标多则辨证的准确率越高。然而中医病例与统计指标的规范与统一却值得进一步商榷。另外，证型标准化一直是中医研究领域的热点，但是能够得到公认与推广的标准化证型却少之有少，并且由于证型爆炸问题的存在，系统所预存的标准证型不一定能覆盖全部临床。
【发明内容】
[0016]本发明的目的在于克服现有技术的不足，提供一种新型的基于ISO-R法则的中医智能辨证医理模型的构建方法，将复杂的病机通过可体现基本辨证要素、基本辨证要素关系的有向图直观地表现出来，以病机的有向图定义为基础，通过症状与基本辨证要素的映射关系以及基本辨证要素之间的两两关系完成对病机的动态构建；只需静态列举存储标准的基本辨证要素以及基本辨证要素之间的相互关系，运用病机组合规则ISO-R法则进行筛选即可动态生成病机，可有效回避证型爆炸的问题，为中医智能辨证领域奠定了新的理论基础。[0017]本发明的目的是通过以下技术方案来实现的:一种基于ISO-R法则的中医智能辨证医理模型的构建方法，它包括以下步骤:
[0018]S1:构造病机有向图，它包括以下子步骤:
[0019]SlOl:构造基本辨证要素集合；
[0020]S102:构造基本辨证要素关系集合；
[0021]S2:通过ISO-R法则筛选病机有向图。
[0022]进一步地，所述的基本辨证要素集合即为病机有向图的顶点集，步骤SlOl所述的构造基本辨证要素集合的步骤包括以下子步骤:
[0023]SlOll:根据症状与基本辨证要素之间存在的映射关系，建立症状组对应的症状-辨证要素集合P集合；
[0024]S1012:在每个症状的P集合中，选定任意的一个元素与其它症状的P集合中的某一元素组合，形成新的基本辨证要素集合V集合；
[0025]S1013:获得症状组对应病机的基本辨证要素集合，完成基本辨证要素集合的构造。
[0026]其中，症状-辨证要素集合P集合中:
[0027]( I)元素本质为基本辨证要素；
[0028](2) P集合内部各个元素是唯一的；
[0029]( 3) P集合之间元素是可以相同的。
[0030]其中，基本辨证要素集合V集合中:
[0031 ] (I)元素本质为基本辨证要素；
[0032](2)元素个数为症状组的症状个数；
[0033](3) V集合的个数为每个症状的P集合中元素个数的排列数。
[0034]进一步地，所述的基本辨证要素关系集合即为病机有向图的弧，步骤S102所述的构造基本辨证要素关系集合的步骤包括以下子步骤:
[0035]S1021:根据η条基本辨证要素之间的关系，将基本辨证要素之间的两两关系通过矩阵存储，形成ηΧη项关系矩阵表；
[0036]S1022:从关系矩阵表中调取基本辨证要素关系，构造形成基本辨证要素关系集
八
口 ο
[0037]关系矩阵表中:基本辨证要素之间存在关系的，记为“I”;基本辨证要素之间不存在关系的，记为“ 1000” ;基本辨证要素与基本辨证要素本身不存在关系，记为“ 1000”。
[0038]其中，基本辨证要素之间存在的关系包括因果关系、并列关系和从属关系二种关系类型。
[0039]进一步地，步骤S2所述的通过ISO-R法则筛选病机有向图的步骤即判断病机有向图中是否有且只有一个入度为O的结点，若存在则返回ISO-R==I,不存在则返回IS0-R==0。
[0040]步骤S2所述的通过ISO-R法则筛选病机有向图的步骤包括以下子步骤:
[0041]S201:定义G集合，G集合的本质为基本辨证要素集合与基本辨证要素关系集合；
[0042]S202:分别通过ISO-R法则对G集合进行验证，包括以下步骤:
[0043]S2021:定义病机有向图中顶点的出度为该顶点对应的行中为“I”的单元格个数，病机有向图中顶点的入度为该顶点对应的列中为“I”的单元格个数；[0044]S2022:历遍病机有向图的关系矩阵表，判断病机有向图中各顶点的入度；
[0045]S2023:得到G集合是否有且只有一个入度为O的结点，如果存在则返回ISO-R==I,不存在则返回ISO-R==O ；
[0046]S203:筛选出ISO-R==I的G集合，即为符合病机定义的G集合；
[0047]S204:对符合ISO-R==I的病机有向图进行访问，输出该症状组对应的病机；
[0048]S205:得到其对应的基本辨证要素，归纳出证型。
[0049]本发明的有益效果是:
[0050]将复杂的病机通过可体现基本辨证要素、基本辨证要素关系的有向图直观地表现出来，以病机的有向图定义为基础，通过症状与基本辨证要素的映射关系以及基本辨证要素之间的两两关系完成对病机的动态构建；只需静态列举存储标准的基本辨证要素以及基本辨证要素之间的相互关系，运用病机组合规则ISO-R法则进行筛选即可动态生成病机，筛选出可递归得到一个共同基本辨证要素的基本辨证要素集合，相比目前智能辨证系统中穷尽列举标准证名模式的方法，可有效回避目前中医智能辨证领域中共同存在的瓶颈问题-证型爆炸的问题，为中医智能辨证领域奠定了新的理论基础。
【专利附图】
【附图说明】
[0051]图1为现有基于模式匹配的中医智能辨证方法原理图；
[0052]图2为基于ISO-R法则的症状组到病机的中医智能辨证医理模型结构示意图；
[0053]图3为病机有向图结构示意图；
[0054]图4为脾虚湿困兼气滞兼阳虚病机关系示意图。
【具体实施方式】
[0055]下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
[0056]如图2所示，一种基于ISO-R法则的中医智能辨证医理模型的构建方法，它包括以下步骤:
[0057]S1:构造病机有向图，它包括以下子步骤:
[0058]SlOl:构造基本辨证要素集合；
[0059]S102:构造基本辨证要素关系集合；
[0060]S2:通过ISO-R法则筛选病机有向图。
[0061]所述的基本辨证要素集合即为病机有向图的顶点集，步骤SlOl所述的构造基本辨证要素集合的步骤包括以下子步骤:
[0062]SlOll:中医理论体系下，症状与基本辨证要素之间存在映射关系，这种关系是可数的、明确的，根据症状与基本辨证要素之间存在的映射关系，建立症状组对应的症状-辨证要素集合P集合；
[0063]如症状头痛映射的症状-辨证要素集合P集合为:{风寒外邪，风热外邪，风湿外
邪，血瘀，湿邪，肾虚，血虚，肝阳......}，假定症状组{A，B, C，D，E}，其对应的P集合分别
为:
[0064]PA: {PA1, PA2, PA3, PA4......PAm} ；PB: {PB1, PB2, PB3, PB4......PBn}；[0065]PC: {PCI, PC2, PC3, PC4......PDi} ；PD: {PDI, PD2, PD3, PD4......PDj}；
[0066]PE: {PEI, PE2, PE3, PE4......PEk}；
[0067]症状-辨证要素集合P集合中:
[0068]( I)元素本质为基本辨证要素；
[0069](2)?集合内部各个元素是唯一的，如？41，？42，？43，？么4......PAm必定不相同；
[0070](3) P集合之间元素是可以相同的，如头痛与咳嗽的P集合中都存在元素“风寒外邪”。
[0071]S1012:在每个症状的P集合中，选定任意的一个元素与其它症状的P集合中的某一元素组合，形成新的基本辨证要素集合V集合；
[0072]V集合举例如: [0073]Vl: {PAI, PBl，PCl，PDl......PEI} ；V2: {PA2, PBl，PC3, PDl......PEk}；
[0074]基本辨证要素集合V集合中:
[0075]( I)元素本质为基本辨证要素；
[0076](2)元素个数为症 状组的症状个数；
[0077](3)理论上，V集合的个数为每个症状的P集合中元素个数的排列数。假定每个症状对应的P集合中元素个数分别为:m、η、1、j、k，则可形成mX η X i X j X k个V集合。实际上，V集合的个数是小于HiXnXiXjXk的，因为P集合之间，元素是可以相同的。
[0078]显然，症状组{A，B, C，D，E}对应病机的基本辨证要素集合必定属于{VI，V2,V3......Vx}，在此，完成了基本辨证要素集合的构造；
[0079]S1013:获得症状组对应病机的基本辨证要素集合，完成基本辨证要素集合的构造。
[0080]中医理论体系下，基本辨证要素是有限的。在朱文峰老师的《常见症状中医鉴别诊疗学》(朱文峰主编，北京:人民卫生出版社，2002)—书中编排了病因、病位、病性等48条基本辨证要素，我们根据模型需要暂且选取其中的病因、病性等32条基本辨证要素，另外我们根据临床常见病因兼夹关系确定了 12条复合病因作为独立的基本辨证要素，鉴于病位类型的辨证元素未与其它辨证要素存在直接的关系，故未纳入。最后选取了《中医诊断学》(王忆勤主编，北京:中国中医院出版社》中脏腑辨证篇目中所确定的63条基本证型作为独立地基本辨证要素，故在基本辨证要素集合中总共包含了 107条基本辨证要素元素。
[0081]中医理论体系下，上述107条基本辨证要素之间的关系也是明确的，我们将上述107条基本辨证要素之间的两两关系通过矩阵存储，则可形成107X 107项关系矩阵表表I。
【权利要求】
1.一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:它包括以下步骤: S1:构造病机有向图，它包括以下子步骤: 5101:构造基本辨证要素集合； 5102:构造基本辨证要素关系集合； S2:通过ISO-R法则筛选病机有向图。
2.根据权利要求1所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:所述的基本辨证要素集合即为病机有向图的顶点集，步骤SlOl所述的构造基本辨证要素集合的步骤包括以下子步骤: 51011:根据症状与基本辨证要素之间存在的映射关系，建立症状组对应的症状-辨证要素集合P集合； 51012:在每个症状的P集合中，选定任意的一个元素与其它症状的P集合中的某一元素组合，形成新的基本辨证要素集合V集合； 51013:获得症状组对应病机的基本辨证要素集合，完成基本辨证要素集合的构造。
3.根据权利要求2所述 的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:所述的症状-辨证要素集合P集合中: (1)元素本质为基本辨证要素； (2)P集合内部各个元素是唯一的； (3)P集合之间元素是可以相同的。
4.根据权利要求2所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:所述的基本辨证要素集合V集合中: (O元素本质为基本辨证要素； (2)元素个数为症状组的症状个数； (3)V集合的个数为每个症状的P集合中元素个数的排列数。
5.根据权利要求1所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:所述的基本辨证要素关系集合即为病机有向图的弧，步骤S102所述的构造基本辨证要素关系集合的步骤包括以下子步骤: 51021:根据η条基本辨证要素之间的关系，将基本辨证要素之间的两两关系通过矩阵存储，形成ηΧη项关系矩阵表； 51022:从关系矩阵表中调取基本辨证要素关系，构造形成基本辨证要素关系集合。
6.根据权利要求5所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:所述的关系矩阵表中:基本辨证要素之间存在关系的，记为“I”;基本辨证要素之间不存在关系的，记为“ 1000” ；基本辨证要素与基本辨证要素本身不存在关系，记为“1000”。
7.根据权利要求5所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:所述的基本辨证要素之间存在的关系包括因果关系、并列关系和从属关系三种关系类型。
8.根据权利要求6所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:步骤S2所述的通过ISO-R法则筛选病机有向图的步骤即判断病机有向图中是否有且只有一个入度为O的结点，若存在则返回ISO-R==I,不存在则返回IS0-R==0。
9.根据权利要求8所述的一种基于ISO-R法则的中医智能辨证医理模型的构建方法，其特征在于:步骤S2所述的通过ISO-R法则筛选病机有向图的步骤包括以下子步骤:5201:定义G集合，G集合的本质为基本辨证要素集合与基本辨证要素关系集合； 5202:分别通过ISO-R法则对G集合进行验证，包括以下步骤: 52021:定义病机有向图中顶点的出度为该顶点对应的行中为“ I”的单元格个数，病机有向图中顶点的入度为该顶点对应的列中为“I”的单元格个数； 52022:历遍病机有向图的关系矩阵表，判断病机有向图中各顶点的入度； 52023:得到G集合是否有且只有一个入度为O的结点，如果存在则返回ISO-R==I,不存在则返回ISO-R==O ； 5203:筛选出ISO-R==I的G集合，即为符合病机定义的G集合； 5204:对符合ISO-R==I的病机有向图进行访问，输出该症状组对应的病机； 5205:得到其对应的基本辨证要`素，归纳出证型。
【文档编号】G06F19/00GK103455723SQ201310392579
【公开日】2013年12月18日 申请日期:2013年9月2日 优先权日:2013年9月2日
【发明者】郑秀丽, 许强, 何成诗, 唐文君, 孙剑锋 申请人:成都中医药大学