专利名称：基于自适应谐振理论的神经网络中医证候诊断系统的制作方法
技术领域：
本发明属于中医信息化智能诊断技术领域。具体涉及一种中医证候诊断系统，是一种基于自适应谐振理论神经网络的中医证候诊断系统。
背景技术：
中医从整体观的角度出发，通过四诊手段获取病人在特定时空里的状态信息，进行一系列的分析、归纳、判断的思辨过程，继而识别证候。在传统的中医辨证过程中，诊断结果的准确性取决于医生的学识及其临床经验，具有很强的主观性和不确定性，大大限制了中医的发展。为了实现中医辨证的客观化、定量化、智能化，其中一个核心的问题就是准确地模拟中医的诊断过程，即建立中医证候诊断模型，实现计算机智能诊断系统。人工神经网络与人脑存储知识十分相似，具有联想、并行处理和容错的功能，可以将中医诊断系统提高到一个新的水平，为中医智能诊断提供了一条新的有效途径。其将大量的训练样本，通过特定的学习算法得到网络各种神经元之间的连接权，而获得需要的特征信息。经对现有技术的文献检索发现，采用突破传统“专家系统”概念的先进人工智能技术，如王存冉、胡金亮等研制的基于神经网络的中医证候诊断模型，对中医辨证的研究做了有益的尝试，并尝试用计算机规范中医证型，利用电脑程序模拟中医辨证施治。充分发挥了神经网络超强的记忆、存储、自适应学习、非线性等特点，避免了在诊断过程中对知识和规则的依赖，避免了从领域专家获取知识的困难，而只要求提供大量的病例样本，为挖掘中医辨证规律提供了方便。所应用的神经网络模型是客观的，不是经验的，所以在一定程度上减少了主观因素的影响。但目前王存冉等应用的神经网络的诊断模型如BP、对传网络模型，通常采取预先设计好的网络结构，学习算法易于陷入局部最优，收敛速度慢，训练所获得的知识是隐式的，难以被人理解，且不支持增量病例在线实时学习，因此不能真实有效的反映出证候与症状之间的实时辨证关系。
发明内容
本发明所要解决的技术问题在于克服现有技术中存在的不足和缺陷，提供一种基于增量病例在线实时学习的SWART2中医证候诊断模型，使其对量化的中医四诊特征信息进行处理并得到证候诊断结果，能建立四诊信息与证候之间的客观辨证模型，并以数据库的形式存储症状信息和对应证候的辨证诊断规则，使系统诊断过程更快速准确。本发明为解决上述技术问题而提供的一种基于自适应谐振理论的神经网络中医证候诊断系统，包括(1)中医四诊信息预处理模块，运用数据清理技术及属性筛选技术，对中医四诊信息数据库进行分析，清除零属性指标和空值属性指标及冗余属性指标，指导八纲、脏腑证候辨证模块动态建立；(2)证候辨证模块，和中医四诊信息预处理模块连接并从中医四诊信息预处理模块读入数据，采用灰色关联分析方法对四诊信息属性加权，形成新的输入数据，再运用改进的自适应谐振理论模型推导出八纲、脏腑证候的诊断结果，如虚证、实证、里证、表证、气证、 血证和/或肺虚证；(3)规则存储模块，与中医四诊信息预处理模块和证候辨证模块建立双向连接关系，将改进的自适应谐振理论模型训练结果，以规则的形式进行保存，为八纲、脏腑辩证提供经验规则，对未知证候病例的诊断结果进行预测；(4)可视化模块，与中医四诊信息预处理模块和证候辨证模块连接，为使用者可视化系统的输入四诊信息和证候的辨证规则。本发明中，优选地，上述中医四诊信息数据库，包含病人基本信息表、问诊表、面色表、舌象表、脉象表和穴位表，其中，基本信息表的病例号作为主码，其它各表的病例号作为外码与基本信息表连接，形成中医四诊信息预处理模块的多源高维输入症状矢量，如头晕、 头痛、前额痛或头两侧痛，共381维；中医四诊信息预处理模块采用数据清理技术对零属性指标和空值属性指标做清除预处理，采用属性筛选技术去除冗余属性指标，增强输入矢量的特征对比度，指导证候辨证模块神经网络动态建立，例如If病人的某属性指标含有空值(缺失)then该属性指标不作为多源高维输入症状矢量内容之一，或者对该缺失数据进行处理后再作为多源高维输入症状矢量内容之一。优选地，本发明上述证候辨证模块中，采用灰色关联分析方法对中医症状属性特征加权，形成新的网络辨证模型输入矢量X'，由下述公式得到
权利要求
1.一种基于自适应谐振理论的神经网络中医证候诊断系统，其特征是该系统包括(1)中医四诊信息预处理模块，运用数据清理技术及属性筛选技术，对中医四诊信息数据库进行分析，清除零属性指标和空值属性指标及冗余属性指标，指导八纲、脏腑证候辨证模块动态建立；(2)证候辨证模块，和中医四诊信息预处理模块连接并从中医四诊信息预处理模块读入数据，采用灰色关联分析方法对四诊信息属性加权，形成新的输入数据，再运用改进的自适应谐振理论模型推导出八纲、脏腑证候的诊断结果，如虚证、实证、里证、表证、气证、血证和/或肺虚证；(3)规则存储模块，与中医四诊信息预处理模块和证候辨证模块建立双向连接关系，将改进的自适应谐振理论模型训练结果，以规则的形式进行保存，为八纲、脏腑辩证提供经验规则，对未知证候病例的诊断结果进行预测；(4)可视化模块，与中医四诊信息预处理模块和证候辨证模块连接，为使用者可视化系统的输入四诊信息和证候的辨证规则。
2.如权利要求1所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是所述的中医四诊信息数据库，包含病人基本信息表、问诊表、面色表、舌象表、脉象表和穴位表，其中，基本信息表的病例号作为主码，其它各表的病例号作为外码与基本信息表连接，形成中医四诊信息预处理模块的多源高维输入症状矢量，如头晕、头痛、前额痛或头两侧痛，共381维；中医四诊信息预处理模块采用数据清理技术对零属性指标和空值属性指标做清除预处理，采用属性筛选技术去除冗余属性指标，增强输入矢量的特征对比度，指导证候辨证模块神经网络动态建立。
3.如权利要求2所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是If病人的某属性指标含有空值(缺失)then该属性指标不作为多源高维输入症状矢量内容之一，或者对该缺失数据进行处理后再作为多源高维输入症状矢量内容之一。
4.如权利要求1所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是证候辨证模块中，采用灰色关联分析方法对中医症状属性特征加权，形成新的网络辨证模型输入矢量X'，由下述公式得到
5.如权利要求4所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是If辨证目标是里证Input四诊属性指标值XThen运用灰色关联分析计算出四诊属性指标权值WiOutput修正得到新的四诊属性指标值X' = X · Wi。
6.如权利要求1所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是证候辨证模块中，根据先验信息引入离散度警戒参数σ，并采用可变的相位警戒参数P，有效保证模型辨证分类正确。其公式为
7.如权利要求1所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是证候辨证模块中采用质心学习方式修网络模型正连接权值，其公式为
8.如权利要求1所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是规则存储模块保存的内容有训练样本数据表的索引值，训练样本的数量和维数，辨证证候名称，对应的SWART2网络反馈参数、灵敏参数、警戒参数，以及网络最终训练状态的连接权值矢量。
9.如权利要求1所述的基于自适应谐振理论的神经网络中医证候诊断系统，其特征是可视化模块用图形和/或动画手段显示各模块数据。
全文摘要
本发明公开了一种基于自适应谐振理论的神经网络中医证候诊断系统，包括中医四诊信息预处理模块、证候辨证模块、规则存储模块和可视化模块。四个模块相互作用，相互支持，中医四诊信息预处理模块与证候判断模块连接，处理系统输入矢量以指导证候判断模块动态建立，得到证候辨证规则；规则存储模块与中医四诊信息预处理模块和证候辨证模块建立双向连接关系，为二者提供经验规则，后两者读取并修改经验规则；可视化模块与中医四诊信息预处理模块和证候辨证模块连接，对中医四诊信息及诊断规则进行可视化操作。本发明可快速的对新病例样本进行增量匹配学习，并应用改进的辨证模型SWART2提高正确率和系统的适应性，引入可视化工具，提高系统的人性化和交互性。
文档编号G06F19/00GK102298662SQ201010208799
公开日2011年12月28日 申请日期2010年6月24日 优先权日2010年6月24日
发明者周忞, 褚娜, 马利庄 申请人:上海中医药大学, 上海交通大学