一种四诊信息权重分析的中医辨证系统及其方法与流程

本发明申请属于中医诊断学和人工智能结合领域，具体公开了一种四诊信息权重分析的中医辨证系统及其方法。

背景技术：

据国家卫生健康委员会统计，2018年1-11月，全国医疗卫生机构总诊疗人次达75.4亿人次，其中基层医疗卫生机构40.2亿人次，占53.3％。作为公民健康的第一道防线，基层医疗卫生机构承担着诊疗慢病小病，转诊急病大病，缓解上级医院接诊压力的重要作用。然而长期以来，我国基层医疗卫生机构却面临着医疗设备落后，卫生人才缺乏问题，难以满足居民的健康需要。因此，虽然近年来我国开展了推进基层卫生服务的一系列工作，但如何提高基层医疗卫生机构的诊疗水平仍然是一个不容忽视的公共卫生问题。

中医作为我国传统的疾病诊疗方式，有着不需借助高精尖诊疗设备，简便廉效的特点，与西方医学相比，更适于承担基层卫生机构的日常诊疗工作。但中医诊疗以宏观整体为主，强调经验，不易量化；中医人才的培养亦需要至少5-7年的时间，且通常需要更长时间的临床实践才能将医疗技术提高到一个基本符合居民健康需要的水平，短时间内无法满足居民健康要求。因此，需要一种能有效缓解基层卫生机构中医人才缺口和辅助提高中医师诊疗技术的系统及其方法。

望闻问切，辨证论治，中医诊断作为中医学最核心的有机组成部分，是中医临床实践中最难掌握最重要的内容。因此，一个中医师的临床诊疗水平往往也由其诊断疾病，辨别证候的技术水平所决定。在中医四诊信息自动化标准化采集的基础上，如果能够实现中医诊断的自动化，将有效缓解中医人才缺乏的问题。病人来到基层卫生医疗机构之后，只需由经过一定简单培训的医务人员引导进行四诊信息采集和输入计算机的工作，就能基本掌握其证候，且能得到相关的治疗保健信息。因此，需要一种能够辅助中医师进行临床诊断和自动化诊断的系统及其方法。

随着alphago在围棋赛场上战胜人类顶级选手，人工智能技术凭借着其能够自动化解决某些复杂问题的优势，已经渗透到21世纪的每个产业。精准广告投放，人脸识别，无人驾驶汽车，自动化医疗影像识别都是其较为成熟的应用领域。而中医诊断信息高维，非线性的特点，与人工智能技术有着天然的相容性，因此可利用这一技术来实现一种能够辅助中医师进行临床诊断和自动化诊断的系统及其方法。

在以往中医诊断与人工智能的结合应用中，如中国专利号为cn104200120a及cn107145736a的两项专利，在短时间内都难以广泛应用。一方面现有的四诊信息诊察方式如自动化舌诊仪，脉诊仪都还未能完整规范的提取出诊断疾病需要的所有信息，另一方面这些专利的技术在四诊信息收集过程中，无法自动化判断症状对疾病，症状诊断的贡献度，不能针对性个性化诊察信息。所有这些专利技术为了保证诊断的准确性，所需采集的信息过于复杂，对现阶段的中医临床诊断也无指导作用。因此需要一种基于人工智能技术的四诊信息权重分析及中医辨证系统及其方法。

技术实现要素：

针对上述不足，本发明的目的在于提供一种四诊信息权重分析的中医辨证系统及其方法，以解决中医诊断自动化过程中，无法自动判断四诊信息对诊断的贡献权重，导致需采集大量对诊断贡献较小或没有贡献的数据，医疗成本较高；及在实现智能中医诊断(辨证)过程中对中医师临床诊断水平的提高没有指导作用的问题。

为了达到上述目的，本发明的基础方案为：

一种四诊信息权重分析的中医辨证系统及其方法，包括用于采集患者信息的信息采集器；用于接受信息采集器的信息数据并进行数据处理的信息处理器；用于信息处理器处理之后的数据进行权重判断和得出诊断结论的逻辑判断单元。

进一步，所述的信息采集器包括可以采集脉位、脉长、脉宽、脉力、脉率信息的脉象采集装置；可以采集舌色，舌形等信息的数字化舌象采集装置；可以采集多项症状体征的量表问诊仪；由显示器，交互界面，输入设备等组成的人机交互装置，所述人机交互装置能实时显示出需采集四诊信息种类、信息的贡献权重和诊断结果，并能将算法模型，正误结果等数据传入信息处理器。

进一步，所述信息处理器包括数据模块、四诊信息采集模块、输入输出模块、反馈模块、验证模块、管理模块；所述输入输出模块与数据模块相连接，能够根据四诊信息采集模块的需要，控制信息采集器输入四诊信息并将输入的信息储存到数据模块中；所述的四诊信息采集模块，能够实时运算出需采集的四诊信息项目数及其内容并储存在数据模块中。患者每输入一项病情信息后，需采集的四诊信息项目数及其内容都会发生一定变化，最基本全面的需采集四诊信息包括可由舌诊仪，脉诊仪和本课题组编制的专用量表等采集的：舌色，舌形，色局部特征，苔色，苔质；脉位，脉长，脉宽，脉力，脉形；形体特征，心理特征，发病倾向，面色，肤色，二便，不适部位及性质；性别，年龄等。既包括主要由电子仪器所采集的连续性数值形数据如体温，也包括定性数据如有无头痛等。本模块能同时处理这两类数据，主要由一个根据储存在数据模块中的数据创建、修剪而成的决策树构成。决策树是一种最基本的广泛适用于分类任务的算法模型，是多种性能优异算法模型的基本构成单元。此算法虽然准确率较低很少单独用于分类任务的实现，但其多维度权重分析性能却十分优异。决策树的每个节点都由一个病情资料构成，每一片最终叶都是一个可能的诊断结果。上位节点的选择是根据划分后使样本诊断结果的混乱程度最小而确定的。混乱程度通常由基尼系数或信息熵判定。对于一个给定的数据集，标签数为k-1，节点数为m，划分后的区域为rm，区域里面的样本数为nm，则对于一个在rm中的样本，标签为k的概率为pmk，则

基尼系数为

信息熵为

若患者无特别突出的四诊信息，则依照原本决策树的路径采集信息，模拟了中医师有目的地问诊过程；若患者有特别突出的症状或体征，则将此特征作为第一划分节点，重新计算其余特征的信息熵以构建一个新的决策树，依照决策树的路径继续有针对性地采集信息。例如存在舌红、苔黄、小便短赤这三个相关特征信息，权值大致相同，但小便短赤相对较高，因此本模块会选择小便短赤作为节点特征，当小便短赤被选择后，舌红、苔黄重要度则会变低，因为他们可以减少的不纯度已经被小便短赤的特征移除了，即舌红、苔黄可以划分的寒热分类已经被小便短赤分开了，因此本模块会继续选择在“热证”下的鉴别标签；但如果病人强调舌红，即设定了舌红作为第一节点，本模块依然会选取小便短赤作为第二节点，因为舌红无法支持“热证”的判断，而对于诊断“热证”小便短赤较于苔黄权值更大。值得注意的是，一方面此决策树是本模块的算法根据数据模块中的数据自动生成并可自动更新的，避免了人为赋值加权构建决策树这一方法无法解决高维复杂问题的问题；另一方面，本模块作为四诊信息采集模块，仅用于判断需采集那些信息，而不做最终诊断。

进一步，数据模块与其他所有模块均有连接；数据模块能将已有病例数据及其诊断和反馈结果以类矩阵的计算机可识别的数据格式加以储存，数据模块能恢复数据到本地储存器或云储存器,能将已有病例数据及其诊断和反馈结果以类似于矩阵的特定数据格式加以储存。各种四诊信息，判定结果等数据都以相同的数据本质储存在数据模块中，但计算机能够识别区分；其另一个重要的功能就是备份，恢复数据到本地储存器或云储存器。其储存结构如：

[[‘姓名’‘性别’‘年龄’‘舌色’‘脉位’……]

[‘张三’‘女’‘21’‘舌红’‘正常’……]

[‘李四’‘男’‘23’‘舌淡’‘脉沉’……]

……

[‘王麻子’‘女’‘25’‘舌红’‘脉浮’……]

[‘任六’‘男’‘29’‘舌紫暗’‘脉沉’……]]。

进一步，逻辑判断单元包括：中医诊断模块、权重判断模块；所述的中医诊断模块能利用储存在数据模块中的四诊数据运算出该病例的诊断结果，然后将结果储存到数据模块中；所述的中医诊断模块内置的初始算法模型是神经网络。在运行过程中能被验证模块中准确率更高的算法替换。

进一步，权重判断模块能够利用储存在数据模块中的四诊信息数据及对应的诊断数据运算出每个四诊信息对该诊断的贡献度权值，并储存在数据模块中；所述的权重判断模块初始的算法模型是randomforest，工作原理是从数据集中有放回地随机取样形成一定数量的决策树，一个新的样本诊断结果由随机森林中的所有决策树投票确定，每一颗决策树的原理，涉及参数有：

n_estimators，criterion，max_depth，min_samples_split，min_samples_leaf，min_weight_fraction_leaf，max_features，max_leaf_nodes，min_impurity_decrease，min_impurity_split，bootstrap，oob_score，n_jobs，random_state，verbose，warm_start，class_weight。。

进一步，反馈模块与数据模块相连，能够由中医师反馈给计算机该病例的诊断结果是否正确，并储存在数据模块中。

进一步，验证模块能够由操作员通过信息采集器导入及调整各种算法模型，并利用储存在数据模块中的数据做出诊断，随着系统被不断使用，储存在数据模块中的病例信息的数量和数据内容发生改变后，也能自动在规定的时间间隔或其他触发阈值条件后，将各种验证模块中的算法模型的正确率与中医诊断模块中的算法模型相比较，将正确率更高的算法模型置换到中医诊断模块中。

进一步，管理模块为整合各大模块的系统框架并能批量输入、修改病例信息，调节各模块参数及初始化系统。

本四诊信息权重分析的中医辨证方法步骤如下:

(1)基本信息采集：采集患者信息如：如年龄，性别，姓名等；

(2)信息储存：将步骤(1)中采集的信息进行数据整理和储存，以新条目的形式储存在浮动储存区域中；

(3)诊断信息采集：采集一条病人最突出或系统推荐的诊断价值较高的信息；如主诉症状，脉诊信息，舌诊信息等，将其添加至步骤(2)所生成的条目中；

(4)分析：判断、分析继续采集哪些四诊信息有助于诊断或者对诊断贡献最高；

(5)根据步骤(4)得出的结论继续采集患者对应的四诊信息；并将新采集的四诊信息添加到至步骤(2)所生成的条目中；

(6)重复(1)-(5)步骤，利用神经网络模型算法进行诊断，将诊断结果储存，同时对判断诊断结果和四诊信息对该诊断的贡献权重值。

本基础方案的工作原理以及有益效果在于：

本方案解决中医诊断自动化过程中，无法自动判断四诊信息对诊断的贡献权重，导致需采集大量对诊断贡献较小或没有贡献的数据，医疗成本较高；及在实现智能中医诊断(辨证)过程中对中医师临床诊断水平的提高没有指导作用的问题。

本系统及方法能动态化实时判断、更新需采集那些四诊信息，在维持正确率的前提下，有效解决了其他方法必须尽可能全面收集每一个病例的所有病情资料的问题，降低了医疗成本，提高了患者的依从性。

本系统及方法能判别、显示出四诊信息对诊断结果的贡献权值，辅助提高青年中医师的临床诊断水平，有效缓解基层卫生医疗机构成熟中医人才缺口问题。

附图说明

图1为本发明结构示意图；

图2是本发明的中四诊信息采集模块工作原理图；

图3是本发明的中医诊断模块工作原理图；

图4是本发明的权重判断模块的基本构成单元工作原理图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例基本如附图1-4所示：

一种四诊信息权重分析的中医辨证系统及其方法，包括用于采集患者信息的信息采集器；用于接受信息采集器的信息数据并进行数据处理的信息处理器；用于信息处理器处理之后的数据进行权重判断和得出诊断结论的逻辑判断单元。

所述的信息采集器包括可以采集脉位、脉长、脉宽、脉力、脉率信息的脉象采集装置；可以采集舌色，舌形等信息的数字化舌象采集装置；可以采集多项症状体征的量表问诊仪；由显示器，交互界面，输入设备等组成的人机交互装置，所述人机交互装置能实时显示出需采集四诊信息种类、信息的贡献权重和诊断结果，并能将算法模型，正误结果等数据传入信息处理器。

所述信息处理器包括数据模块、四诊信息采集模块、输入输出模块、反馈模块、验证模块、管理模块；所述输入输出模块与数据模块相连接，能够根据四诊信息采集模块的需要，控制信息采集器输入四诊信息并将输入的信息储存到数据模块中；所述的四诊信息采集模块，能够实时运算出需采集的四诊信息项目数及其内容并储存在数据模块中。

所述的数据模块与其他所有模块均有连接；数据模块能将已有病例数据及其诊断和反馈结果以类矩阵的计算机可识别的数据格式加以储存，数据模块能恢复数据到本地储存器或云储存器。

所述逻辑判断单元包括：中医诊断模块、权重判断模块；所述的中医诊断模块能利用储存在数据模块中的四诊数据运算出该病例的诊断结果，然后将结果储存到数据模块中；所述的中医诊断模块内置的初始算法模型是神经网络。

所述的权重判断模块能够利用储存在数据模块中的四诊信息数据及对应的诊断数据运算出每个四诊信息对该诊断的贡献度权值，并储存在数据模块中；所述的权重判断模块初始的算法模型是randomforest。

所述的反馈模块与数据模块相连，能够由中医师反馈给计算机该病例的诊断结果是否正确，并储存在数据模块中。

所述的验证模块能够由操作员通过信息采集器导入及调整各种算法模型，并利用储存在数据模块中的数据做出诊断，储存在数据模块中的病例信息的数量和数据内容发生改变后，也能自动在规定的时间间隔或其他触发阈值条件后，将各种验证模块中的算法模型的正确率与中医诊断模块中的算法模型相比较，将正确率更高的算法模型置换到中医诊断模块中。

所述的管理模块为整合各大模块的系统框架并能批量输入、修改病例信息，调节各模块参数及初始化系统。

具体实施过程以及有益效果如下：

首先采集并输入病人的基本信息如年龄，性别，姓名等，经信息采集器输入系统后，由数据模块整理成特定格式并以新条目的形式储存在浮动储存区域中；然后采集一条病人最突出或系统推荐的诊断价值较高的信息，如主诉症状，脉诊信息，舌诊信息等，同样经信息采集器输入系统并添加到已经生成的条目中；四诊信息采集模块能读取条目信息，并判断、分析继续采集那些病情资料对诊断贡献最高，并将分析结果经由输入输出模块在人机交互装置中显示出来，最后由操作人员依照显示结果继续采集病情资料，并将新采集的四诊信息添加到条目中；重复上述流程，直到采集的病情资料能使四诊信息采集模块做出初步诊断，将所有采集到的四诊信息储存到数据模块中；中医诊断模块读取条目信息，做出诊断，将诊断结果储存到数据模块中，并通过输入输出模块在人机交互装置中显示出诊断结果和每项四诊信息对该诊断的贡献权值，在得出诊断结果之外，中医师还可利用症状的贡献权值提升诊察水平，也可以通过反馈模块反馈计算机诊断的正否结果，以提升系统适用性。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。