中医颈椎病类型的鉴别系统、方法、电子设备及存储介质与流程

1.本发明涉及计算机技术领域，具体涉及一种中医颈椎病类型的鉴别系统、方法、电子设备及存储介质。


背景技术：

2.颈椎病是由颈椎退行性病变产生的临床综合征，颈椎病发作时有颈背僵硬、疼痛、上肢放射性疼痛等症状，约90％的患者经过非手术治疗获得痊愈获缓解，中医根据颈椎病的病因、征象及脉象，分为不同类型的颈椎病，根据颈椎病的类型选择对应的重要配方去治疗。
3.现在判断颈椎病的类型需要通过中医现场诊断，无法对颈椎病患者的症状进行智能分析。


技术实现要素：

4.本发明实施例的目的在于提供一种中医颈椎病类型的鉴别系统、方法、电子设备及存储介质，用以解决现有技术中无法智能鉴别中医颈椎病类型的问题。
5.为实现上述目的，本发明实施例提供一种中医颈椎病类型的鉴别方法，所述方法具体包括：
6.采集一定数量的颈椎病患者病症；
7.对所述颈椎病患者病症进行预处理，获取所述颈椎病患者病症对应的特征信息和药方信息；
8.对所述特征信息和所述药方信息进行筛选和分类，构建样本数据集；
9.利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型；
10.将待识别颈椎病患者病症输入所述颈椎病认知模型，输出所述待识别颈椎病患者病症对应的药方信息。
11.在上述技术方案的基础上，本发明还可以做如下改进：
12.进一步地，所述利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型，包括；
13.通过公式1初始化所述样本数据集中每个样本的权重分布；
[0014][0015]
其中，d1表示第一次迭代时所述样本数据集中每个样本的权重，w
11
表示第一次迭代时所述样本数据集中第一个样本的权重，n表示所述样本数据集的样本总数。
[0016]
进一步地，所述利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型，还包括：
[0017]
使用拥有权重分布的所述样本数据集进行学习，得到弱分类器；
[0018]
通过公式2来衡量所述弱分类器的性能指标；
[0019][0020]
其中，∈m表示误差函数的值；
[0021]
通过公式3计算所述弱分类器gm的话语权αm；
[0022][0023]
其中，话语权αx表示弱分类器gm在最终分类器中的重要程度，随着em减小，αm逐渐增大；
[0024]
通过公式4、公式5和公式6更新训练样本数据集中样本的权重分布，用于下一轮迭代；
[0025]dm+1
＝(w
m+1，1
，w
m+1，2
，...，w
m+1，i
，...，w
m+1，n
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式4；
[0026][0027][0028]
其中，d
m+1
表示用于下次迭代时样本数据集中样本的权值，w
m+1，1
表示下一次迭代时，所述样本数据集中第i个样本的权值；yi表示所述样本数据集中第i个样本对应的类别(1或-1)，gm(xi)表示弱分类器对所述样本数据集中样本xi的分类(1或-1)；若分类正确，则y
igm
(xi)的值为1，反之为-1；其中zm是归一化因子。
[0029]
进一步地，通过公式7对所有迭代过的分类器加权求和：
[0030][0031]
通过公式8得到最终的强分类器；
[0032][0033]
其中，ign函数，主要指用于返回数字的符号。当数字为正数时，则返回1；数字为0时，则返回0；当数字为负数时，则返回-1。
[0034]
一种中医颈椎病类型的鉴别系统，包括：
[0035]
采集模块，用于采集一定数量的颈椎病患者病症；
[0036]
预处理模块，用于对所述颈椎病患者病症样本进行预处理，获取所述颈椎病患者病症对应的特征信息和药方信息；
[0037]
第一构建模块，用于对所述特征信息和所述药方信息进行筛选和分类，构建样本数据集；
[0038]
第二构建模块，用于利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型；
[0039]
颈椎病认知模型，用于将待识别颈椎病患者病症输入所述颈椎病认知模型，输出所述待识别颈椎病患者病症对应的药方信息。
[0040]
进一步地，所述第二构建模块还用于：
[0041]
通过公式1初始化所述样本数据集中每个样本的权重分布；
[0042][0043]
其中，d1表示第一次迭代时所述样本数据集中每个样本的权重，w
11
表示第一次迭
代时所述样本数据集中第一个样本的权重，n表示所述样本数据集的样本总数。
[0044]
进一步地，所述第二构建模块还用于：
[0045]
使用拥有权重分布的所述样本数据集进行学习，得到弱分类器；
[0046]
通过公式2来衡量所述弱分类器的性能指标；
[0047][0048]
其中，∈m表示误差函数的值；
[0049]
通过公式3计算所述弱分类器gm的话语权αm；
[0050][0051]
其中，话语权αm表示弱分类器gm在最终分类器中的重要程度，随着em减小，αm逐渐增大；
[0052]
通过公式4、公式5和公式6更新训练样本数据集中样本的权重分布，用于下一轮迭代；
[0053]dm+1
＝(w
m+1，1
，w
m+1，2
，...，w
m+1，i
，...，w
m+1，n
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式4；
[0054][0055][0056]
其中，d
m+1
表示用于下次迭代时样本数据集中样本的权值，w
m+1，1
表示下一次迭代时，所述样本数据集中第i个样本的权值；yi表示所述样本数据集中第i个样本对应的类别(1或-1)，gm(xi)表示弱分类器对所述样本数据集中样本xi的分类(1或-1)；若分类正确，则y
igm
(xi)的值为1，反之为-1；其中zm是归一化因子。
[0057]
进一步地，所述第二构建模块还包括：
[0058]
所述第二构建模块还包括：
[0059]
通过公式7对所有迭代过的分类器加权求和：
[0060][0061]
通过公式8得到最终的强分类器；
[0062][0063]
其中，ign函数，主要指用于返回数字的符号。当数字为正数时，则返回1；数字为0时，则返回0；当数字为负数时，则返回－1。
[0064]
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述方法的步骤。
[0065]
一种非暂态计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
[0066]
本发明实施例具有如下优点：
[0067]
本发明中的中医颈椎病类型的鉴别方法，采集一定数量的颈椎病患者病症；对颈椎病患者病症进行预处理，获取颈椎病患者病症对应的特征信息和药方信息；对特征信息和药方信息进行筛选和分类，构建样本数据集；利用adaboost算法分别对样本数据集进行
训练，构建颈椎病认知模型；将待识别颈椎病患者病症输入颈椎病认知模型，输出待识别颈椎病患者病症对应的药方信息；解决了现有技术中无法智能鉴别中医颈椎病类型的问题。
附图说明
[0068]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
[0069]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
[0070]
图1为本发明中医颈椎病类型的鉴别方法的流程图；
[0071]
图2为本发明中医颈椎病类型的鉴别系统的框图；
[0072]
图3为本发明提供的电子设备实体结构示意图。
[0073]
其中附图标记为：
[0074]
采集模块10，预处理模块20，第一构建模块30，第二构建模块40，颈椎病认知模型50，电子设备60，处理器601，存储器602，总线603。
具体实施方式
[0075]
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
[0076]
实施例
[0077]
图1为本发明中医颈椎病类型的鉴别方法实施例流程图，如图1所示，本发明实施例提供的一种中医颈椎病类型的鉴别方法包括以下步骤：
[0078]
s101，采集一定数量的颈椎病患者病症，对所述颈椎病患者病症进行预处理，获取所述颈椎病患者病症对应的特征信息和药方信息；
[0079]
具体的，颈椎病患者病症包括：头痛、头晕、视力模糊、耳鸣、失眠、心慌、胸闷、气短以及双上肢的无力，或者是感觉异常等。
[0080]
有的患者多有风寒侵袭的病史，局部疼痛以冷痛为主，遇寒冷刺激后加重，伴有畏风恶寒、苔白腻、脉弦紧的表现；
[0081]
有的患者多有外伤或劳损的病史，有固定的疼痛点，舌上可见瘀点瘀斑，脉弦紧；
[0082]
有的患者气血亏虚，经常头晕目眩、面色苍白、心悸气短、倦怠乏力、舌淡苔少、脉沉细。
[0083]
s102，对所述特征信息和所述药方信息进行筛选和分类，构建样本数据集；
[0084]
具体的，比如，中医认为颈椎病是本虚标实，被归纳为“痹症、项痹病、颈痛症”的范畴，肝脾肾亏虚为本，风寒湿邪、痰湿阻络、气血亏虚为标。
[0085]
就其病因，具体来说：1)经输不利，督阳不行：反复落枕，早期可有头痛，以后头痛为主，逐渐出现颈项疼痛加重，颈项、背疼痛不敢触碰，触压时疼痛加重，甚则颈项板直僵硬，脖子发僵，有时胸痛，上肢麻木、无力，脉浮缓，舌苔薄白或白腻；
[0086]
2)风寒痹阻，寒凝气滞：疼痛为本型的主要症状，头痛以后头痛或偏头痛为多；颈项疼痛，上肢疼痛可为灼热痛，酸痛，甚者有剧烈疼痛，痛有定处，坐卧不安，日夜不眠，将头和手向墙壁撞击，咳嗽、打喷嚏、大便均可使疼痛加重。麻木也较常见，多出现于手指、前臂部，也有出现于头颈部、上臂、前臂部，其麻木程度也不一样。四肢发凉，脉沉细涩，舌质暗；
[0087]
3)邪滞络阻，气滞血瘀：头眩晕为常见症状，发作时头重脚轻，站立不稳，天旋地转，严重时可出现晕厥，眩晕可有方向性，向一侧转头则易发作。可伴耳鸣耳聋，或眼球颤动、复视，在严重眩晕时可突然出现四肢麻木，软弱无力而跌倒，但神志清楚。头痛也是常见症状，多呈现阵发性，突然发作持续数分钟或数小时或1～2天，同时可有恶心呕吐、气短心慌等症状，或有枕部疼痛，记忆力下降。眼部症状也很明显，如视力减退，眼内闪光、暗点，视野缺如，甚至失明。脉弦细或细涩，舌质暗，有瘀斑、瘀点；
[0088]
4)肝肾不足，阴阳失调：头晕，头痛，偏头痛，头沉重发胀，面部炽热；颈项酸软无力，疼痛不舒；腰酸膝软，抬举无力，活动牵强；耳鸣耳聋重听，或有阴虚盗汗，手心手指发红灼热；眼睛发胀，怕光流泪，视物不清；甚者肌肉颤动，步履蹒跚，甚至瘫痪，大小便不利。脉沉细数，舌体瘦小，舌质红绛，少苔或无苔。
[0089]
s103，利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型；
[0090]
具体的，通过公式1初始化所述样本数据集中每个样本的权重分布；
[0091][0092]
其中，d1表示第一次迭代时所述样本数据集中每个样本的权重，w
11
表示第一次迭代时所述样本数据集中第一个样本的权重，n表示所述样本数据集的样本总数。
[0093]
使用拥有权重分布的所述样本数据集进行学习，得到弱分类器；
[0094]
通过公式2来衡量所述弱分类器的性能指标；
[0095][0096]
其中，∈m表示误差函数的值；
[0097]
通过公式3计算所述弱分类器gm的话语权αm；
[0098][0099]
其中，话语权αm表示弱分类器gm在最终分类器中的重要程度，随着em减小，αm逐渐增大；
[0100]
通过公式4、公式5和公式6更新训练样本数据集中样本的权重分布，用于下一轮迭代；
[0101]dm+1
＝(w
m+1，1
，w
m+1，2
，...，w
m+1，i
，...，w
m+1，n
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式4；
[0102][0103][0104]
其中，d
m+1
表示用于下次迭代时样本数据集中样本的权值，w
m+1，1
表示下一次迭代
时，所述样本数据集中第i个样本的权值；yi表示所述样本数据集中第i个样本对应的类别(1或-1)，gm(xi)表示弱分类器对所述样本数据集中样本xi的分类(1或-1)；若分类正确，则y
igm
(xi)的值为1，反之为-1；其中zm是归一化因子。
[0105]
通过公式7对所有迭代过的分类器加权求和：
[0106][0107]
通过公式8得到最终的强分类器；
[0108][0109]
其中，ign函数，主要指用于返回数字的符号。当数字为正数时，则返回1；数字为0时，则返回0；当数字为负数时，则返回－1。
[0110]
s105，将待识别颈椎病患者病症输入所述颈椎病认知模型，输出所述待识别颈椎病患者病症对应的药方信息。
[0111]
具体的，1)颈型：主要表现：头、颈、肩、背部疼痛，转侧不利，难以俯仰旋转，后期颈部易。于疲劳，舌质淡红，苔薄白，脉细弦；治疗原则：舒筋通络，祛风止痛；治疗方法：
①
针灸：取颈夹脊穴、阿是穴、落枕穴、风池穴、合谷穴，直刺或斜刺、泻法，局部温灸或tdp照射30分钟，留针期间每5分钟行针一次，取针后拔火罐，留罐5分钟；
②
推拿：用轻柔的一指禅推法、滚法施颈肩部肌肉，约10分钟，后用旋转扳法，最后揉颈肩部，提拿肩井，拍打颈肩背肌肉结束约15-20分钟；
③
中药：葛根、当归、川芎、白芍、羌活、防风、秦艽、桂枝、甘草、随症加减治疗，日一剂水煎分2次，药渣热敷颈肩部。治疗结果：颈型颈椎病治疗一日一次，5次为一疗程，一般一个疗程以内均能痊愈，病程短，一般1-2次即能使症状消失；
[0112]
2)神经根型：主要表现：头、颈、枕部疼痛，肩背及一侧或双侧上肢及手指酸麻、疼痛，头颈部活动或咳嗽，打喷嚏等使症状加剧，有明显的放射痛和串麻。舌质淡、苔白，脉弦细；治疗原则：活血通络，解痉止痛；治疗方法：
①
针灸：取患侧颈夹脊穴、风池穴，患侧肩k、肩s，曲池、外关、合谷透后溪穴，手法以平补平泻法，或病程短用泻法，病程长用补法，留针30分钟，局部温灸或tdp照射，或用g6805电针治疗；
②
推拿：先行颈椎牵引15-20分钟后，在颈肩部及患肢用一指禅推法、滚法，使颈部肌肉放松，点按、揉患肢肩k、肩s、手三里、曲池、内外关、合谷等穴，后根据神经根受压情况，采用定点扳法，最后施弹拨法，弹拨颈部肌肉，提拿颈肩部，搓抖患肢结束手法，每次20分钟；
③
中药：黄芪、当归、川芎、桂枝、全虫、蜈蚣、地龙、玄胡、白芍、熟地、威灵仙、葛根、丹参、寄生、羌活、独活等随症加减。日一剂水煎分2次。治疗结果：神经根型颈椎病发病率较高，约占60％，治疗一般每日1-2次，10次为一疗程，治疗1-3个疗程，效果稳定，但避免复发，除注意颈部姿势外，避免颈部受凉，应加强颈部功能锻炼，综合治疗效果明显，有效率在90％以上。
[0113]
图2为本发明中医颈椎病类型的鉴别系统实施例流程图；如图2所示，本发明实施例提供的一种中医颈椎病类型的鉴别系统，包括以下步骤：
[0114]
采集模块10，用于采集一定数量的颈椎病患者病症；
[0115]
预处理模块20，用于对所述颈椎病患者病症样本进行预处理，获取所述颈椎病患者病症对应的特征信息和药方信息；
[0116]
第一构建模块30，用于对所述特征信息和所述药方信息进行筛选和分类，构建样本数据集；
[0117]
第二构建模块40，用于利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型；
[0118]
所述第二构建模块40还用于：
[0119]
通过公式1初始化所述样本数据集中每个样本的权重分布；
[0120][0121]
其中，d1表示第一次迭代时所述样本数据集中每个样本的权重，w
11
表示第一次迭代时所述样本数据集中第一个样本的权重，n表示所述样本数据集的样本总数。
[0122]
所述第二构建模块40还用于：
[0123]
使用拥有权重分布的所述样本数据集进行学习，得到弱分类器；
[0124]
通过公式2来衡量所述弱分类器的性能指标；
[0125][0126]
其中，∈m表示误差函数的值；
[0127]
通过公式3计算所述弱分类器gm的话语权αm；
[0128][0129]
其中，话语权αm表示弱分类器gm在最终分类器中的重要程度，随着em减小，αm逐渐增大；
[0130]
通过公式4、公式5和公式6更新训练样本数据集中样本的权重分布，用于下一轮迭代；
[0131]dm+1
＝(w
m+1，1
，w
m+1，2
，...，w
m+1，i
，...，w
m+1，n
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式4；
[0132][0133][0134]
其中，d
m+1
表示用于下次迭代时样本数据集中样本的权值，w
m+1，1
表示下一次迭代时，所述样本数据集中第i个样本的权值；yi表示所述样本数据集中第i个样本对应的类别(1或-1)，gm(xi)表示弱分类器对所述样本数据集中样本xi的分类(1或-1)；若分类正确，则y
igm
(xi)的值为1，反之为-1；其中zm是归一化因子。
[0135]
所述第二构建模块40还包括：
[0136]
通过公式7对所有迭代过的分类器加权求和：
[0137][0138]
通过公式8得到最终的强分类器；
[0139][0140]
其中，ign函数，主要指用于返回数字的符号。当数字为正数时，则返回1；数字为0时，则返回0；当数字为负数时，则返回－1。
[0141]
颈椎病认知模型，用于将待识别颈椎病患者病症输入所述颈椎病认知模型，输出所述待识别颈椎病患者病症对应的药方信息。
[0142]
图3为本发明实施例提供的电子设备实体结构示意图，如图3所示，电子设备60包
括：处理器601(processor)、存储器602(memory)和总线603；
[0143]
其中，处理器601、存储器602通过总线603完成相互间的通信；
[0144]
处理器601用于调用存储器602中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：采集一定数量的颈椎病患者病症；对所述颈椎病患者病症进行预处理，获取所述颈椎病患者病症对应的特征信息和药方信息；对所述特征信息和所述药方信息进行筛选和分类，构建样本数据集；利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型50；将待识别颈椎病患者病症输入所述颈椎病认知模型50，输出所述待识别颈椎病患者病症对应的药方信息。
[0145]
本实施例提供一种非暂态计算机可读介质，非暂态计算机可读介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：采集一定数量的颈椎病患者病症；对所述颈椎病患者病症进行预处理，获取所述颈椎病患者病症对应的特征信息和药方信息；对所述特征信息和所述药方信息进行筛选和分类，构建样本数据集；利用adaboost算法分别对所述样本数据集进行训练，构建颈椎病认知模型50；将待识别颈椎病患者病症输入所述颈椎病认知模型50，输出所述待识别颈椎病患者病症对应的药方信息。
[0146]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0147]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0148]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
[0149]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。