日常性中医疗法智能咨询系统的制作方法
【专利摘要】本发明公开了一种西医或大众自助应用的日常性中医疗法智能咨询系统。技术方案包括：经西医检查明确健康、亚健康、疾病三种状态，分别就辨证相关因素设计供选择的证候群组；应用偏差权重法分配证候群组权重；定义证型识别隶属函数并应用多特征模糊模式识别法进行证型识别排序；经证型?处方转换输出中医疗法处方优选排序；并根据效果反馈优化排序。系统通过建立用户信息数据库、诊断?选择证候数据库、诊断?证候群组数据库、疗法处方数据库等，设计证候采集、辨证、遣方、反馈修正等模块相互间联系支持，实现证候?辨证?遣方?反馈修正智能化过程，以期达到日常性中医疗法便捷精准查询，解决大众或西医医生应用时查询不便、缺少辨证等问题。
【专利说明】曰常性中医疗法智能咨询系统
[技术领域]
[0001] 本发明设及中医智能辨证的医学信息技术领域，具体设及西医或大众自助应用的 日常性中医疗法智能咨询系统。
[【背景技术】]
[0002] 日常性中医疗法的普及和运用并体现出单纯西医无法达到的疗效是中医及中西 医结合发展的基础，对民众康复保健有着积极的意义，常见如食疗、单方验方、非处方中成 药等，运是类不必中医专业医生指导的常见中医治疗方式，或者说是类巨大的远超出专业 医生指导能力和精力外具有个体化特点的医疗信息需求，而在现实中又难W满足。运些疗 法对于非中医专业医生及未经系统中医学理论学习和实践的人们来说，需要时存在查询、 辨证、择方等诸多难点，导致其效能没有充分体现和误用情况，影响了中医声誉和流行推 广。采用互联网等实现方式建立西医或大众自助应用的日常性中医疗法智能咨询交流平台 则是高效的解决方案，建立辨证模型是方案的技术核屯、，其作用将使咨询过程符合中医辨 证思维的方式和特点，极大的提高咨询精准度。
[0003] 有关计算机辅助中医辨证在国内开展已有Ξ十余年，用于描述中医专家系统核屯、 的中医辨证数学模型和知识表达方法主要有:基于统计学方法的如多元统计分析建立的判 别函数和回归方程，最大似然法等;基于数据挖掘方法的如贝叶斯模型、粗糖集、人工神经 网络;其他如加权求和模型、加权数理逻辑模型、基于案例推理、基于赌权的灰色关联模型、 群决策理论模型、Fisher和Bayes判别分析、支持向量机、主成分分析和因子分析、关联规 贝1J、层次分析法等。虽然充分考虑了各类处理复杂问题数学方法的特点和在其他领域实现 的成功经验，并进行单独或结合应用尝试，但对于研究辨证过程运种非线性的复杂系统都 存在不足，概括问题有:①多数学者试图从证候的实质研究中发现能够表达和鉴别各种证 候的指标或数据，达到中医辩证量化的目的，而中医辨证逻辑主要W象数方法即定性的方 法运用于辨证，要与运种具有鲜明模糊思维特征的思维过程进行融合存在困难。②作为辩 证分析主要依据的证候信息设计，其内涵概念表达过于宽泛，造成证候隶属频率与证的相 关性较差，影响证的判断；其次不能反映病情的轻重，即病因、病位、病性、病势的轻重缓急 程度，导致组方与用药剂量的依据不足。③存在证的诊断标准不易制定。④包括证素辨证体 系，证候对证素、证素对证型进行量化都具有极大的主观性。
[0004] 中医的辨证论治过程是具有非线性特点的复杂系统工程，从辨证要素看，非线性 特点表现在证候作为证的诊断依据是模糊的、非量化不确定的，相互之间W及与病和证之 间是非线性关系；从思维特点看，中医辨证逻辑主要W象数方法即定性的方法运用于辨证 过程，形成了取象比类、屯、悟体会等中医传统的思维方式，是主观和经验性的。能够表达上 述模糊思维特征的各类算法中W模糊理论与模式识别理论结合形成的多特征模糊模式识 别方法最为契合，应用于证型识别过程能够体现出其良好的系统柔性处理能力。难点在于 隶属函数的定义。
[0005] 各证候在辨证论治过程中的权重不同，影响到系统的准确性，表现为证型或证素 的诊断中在同一证型内各证候的权重不同；同一证候对于不同证型的权重也存在差别。因 此，客观分配证候权重也是亟待解决的问题。
[0006] 多特征模糊模式识别的应用分为两个层面，一是疾病常见证型识别，同时也作为 疗法数据输入层;二是经过效果反馈调整适应症后的疗法处方识别，运一层面实质是为每 种疗法处方寻求一种相适应的细分证型。可W理解为有多少疗法处方就有多少证型，因为 不同疗法处方存在作用强度和机理的差别。
[0007] 应W西医检查结果作为切入点，①目前人们已习惯于首先进行西医检查诊断，随 后选择西医、中医或中西医结合治疗，及时的西医检查不仅免于诊治延误，也规避了 W循证 医学为依据的设医法律法规风险。②西医诊断具有明确的诊断标准，W体现病理生理的功 能及实验室检查指标作为主要依据，便于开展西医指标与中医治疗间的关联研究;③中西 医病证结合(西医诊断中医辨证)研究多年，对西医诊断前提下的常见中医证型分类和相关 主要证候表现有足够的认识和经验积累，有利于系统设计应用。西医诊断结果大致分为健 康、亚健康、疾病Ξ种状态。
[000引食疗、单方验方、非处方中成药等中医疗法总体可分为对症、对病、对证Ξ类并据 此进行记载应用，对证情况占多数;而且经长期积累内容丰富，数量远超出人脑记忆能力， 查询不便。
[0009] 用于非专业者的咨询系统设计还需解决的问题:①输入的证候信息达到多数大众 文化层次者所能感知和描述的水平，不必有医学专业知识背景，并需考虑信息的缺失和容 错问题;②适合大众操作水平的界面设计;③疗法的初始应用建立在已有经验基础上，通过 使用者反馈信息进行修正，W期提高咨询的准确性。
[
【发明内容】
]
[0010] 本发明旨在帮助大众或西医医生安全、合理、高效的应用日常性中医疗法(食疗 方、单方验方、非处方中成药等）。为达到方便查询和较高查询精准度的目的，建立一种西医 或大众自助应用的基于中医辨证和模糊数学理论的日常性中医疗法智能咨询系统，系统技 术方案可由app、动态网页和单机程序等方式实现。
[0011] 用户应用前准备:建议用户在使用本系统前进行西医检查明确健康或亚健康或疾 病状态;健康及亚健康状态者建议采用依据中华中医药协会颁发的《中医体质分类与判定》 标准ZYYXH/T157-2009所设计的中医体质测定软件或问题回答评分(不在本发明范围内）进 行九种中医体质判断，结果存入用户信息数据库，如忽略则均按平和体质对待。
[0012] 用户简要应用步骤:1、首次登录注册用于识别身份的手机号、密码，选择性输入性 另IJ、年龄、体重身高等与医疗相关的隐私信息;2、选择健康或亚健康或疾病状态并进入相应 界面，其中疾病状态界面有症状和诊断两种选择;3、系统依据不同身体状态列出供选择的 相关证候群，用户根据对证候群的感知和理解进行单选或多选;4、经系统对相关输入证候 的提取和运算给出日常性中医疗法排序及相关功效解释等;5、用户选择疗法并在应用后给 予效果评估;6系统依据反馈信息修正相关数据库中内容，使得到持续优化。
[0013] 为了实现上述目的，提供一种中医疗法智能咨询系统，其特征在于包括，
[0014] a.储存单元，储存有W下数据库：
[001引用户信息数据库，包括:用户基本信息表:用于记录用户手机号、密码、性别、年龄、 体重、身高、职业、习惯爱好等;体质表:记录体质测定结果;反馈信息表:记录描述性评论、 效果等级评论W及用户可信度评估等信息;使用记录表:记录曾输入的证候和疗法处方应 用记录，
[0016] 诊断-选择证候数据库，包括，内、外、妇、儿、五官分类的各科诊断-选择证候表:储 存内容有系统名、西医诊断名、诊断简称或俗称、供选择的辨证相关证候群组，例如，内科诊 断-选择证候表记录慢性支气管炎内容:呼吸系统-慢性支气管炎-慢支-证候群组:发热、咳 嗽、咳疲…；症状-选择证候表:记录常见症状、供选择的辨证相关证候群组;亚健康选择证 候表:记录供选择的亚健康辨证相关证候群组，
[0017] 诊断-证候群组数据库，包括，亚健康证候群组数据表:记录亚健康证型、证候群 组、分证候、分证候隶属频率等；诊断-证候群组数据表:记录西医诊断名、证型、证候群组、 分证候、分证候隶属频率等内容;症状-证候群组数据表:记录症状、常见证型、证候群组、分 证候、分证候隶属频率等内容，分证候隶属频率值=分证候阳性人数/总病例数* 100 %，
[0018] 疗法处方数据库，包括，食疗处方表、单方验方表、非处方中成药表:分别记录食 疗、单方验方、非处方中成药的处方名、类别(对症、对病、对证）、组成、主治、功效、功效说明 等内容;处方隶属频率规则表:记录处方名、适用诊断或症状名、适用证型、证候群组、分证 候、分证候隶属频率，
[0019] b.证候采集模块，与用户信息数据库、诊断-选择证候数据库进行信息交互，就用 户Ξ种不同身体状态分别提出供选择证候，进而采集已选择的证候等辨证相关信息发送至 辨证模块。如:健康状态，提取并传送由互联网获取的气溫、湿度、气压、地域等公共信息，W 及由用户信息数据库得到的年龄、性别、身高体重、体质等医学相关信息；亚健康状态则由 亚健康选择证候表提取的亚健康辨证相关证候群组供选择，W及由用户信息数据库得到的 体质等信息；疾病状态状态有症状和诊断两种选择，分别由各科诊断-选择证候表和症状- 选择证候表提供选择证候，W上各选择证候可单选或多选，
[0020] C.辨证模块，储存有多特征模糊模式识别函数和偏差权重函数，
[0021] 辨证模块读取采集到的证候，根据证候提取诊断-证候群组数据库相关表中对应 的证候群组内分证候隶属频率，进而根据定义的证型隶属函数获得标准证型和待识别证型 的隶属度值，
[0022] 采用多特征模糊识别函数得到待识别证型与标准证型库的贴近度，
[0023] 将采集到的隶属频率通过偏差权重函数计算对应的各证型权重，
[0024] 根据得到的权重和贴近度计算加权贴近度，
[0025] 根据择近原则得到证型排序，
[0026] d.遣方模块，与辨证模块连接，根据证型读取疗法处方数据库相关表中关联的疗 法处方，并经拟合输出疗法处方及排序，需要说明的是处方初次应用是经证型-处方转换 的，处方获得与证型相同的分证候隶属频率值，而经应用反馈调整处方隶属频率后，则直接 进行处方排序，类同将每个处方作为一个证型处理。
[0027] e .反馈模块，获取反馈信息包括描述性评论和疗效等级评估，进行综合分析后采 用由高到底评级对应由高到底的数值，用W调整疗法处方数据库中处方隶属频率规则表内 的隶属频率数值。
[00%] f.显示界面，用于显示包括:证候采集模块中供用户选择的证候、遣方模块输出的 疗法处方及排序w及反馈模块的反馈信息等。
[0029] 上述咨询系统还具有如下优化方案：
[0030] 多特征模糊模式识别函数中，定义标准证型库Ai的隶属函数为：
[0034] 其中i为证型数，j为证候群组数，r为证候群内分症状数，q、t、s、c为待识别者分证 候在各证候群内的序号。
[0035] 所述证候辨证模块中，应用多特征模糊模式识别函数时，两个证候群间贴近度计 算方法采用模糊贴近度计算公式为
[0036]
[0037] 其中，HgtA = sup{A(x) IxeX}是模糊集合A的高度，
[003引 DpnA=inf{A(x) Ixex}是模糊集合A的深度。
[0039] 所述的偏差权重函数中：
[0040] 特征的标准偏差Si计算公式为，
[0041]
[0042] 其中％为特征i的均值，
[0043] 权重分配计算公式为，
[0044]
[0045] 权重向量定义为W尸{化，巧2，。'，巧。}，满足归一化1}\=^心。'：1，111为证候群组标准差 总和。
[0046] 所述待识别对象B与标准模式Ai之间加权贴近度Pi计算公式
[0047]
[004引所述择近原则为:设Ai，BEF(X)，i = 1，2，...，n，若N(Aij，B) =maxi{N(Ai，B)}，则判 断B与Ai功同类，其中B为待识别对象，Ai功标准模式。
[0049] 所述反馈模块中，反馈信息包括描述性评论和疗效等级评估，描述性评论进行综 合分析后设为f，疗效等级评估采用由高到低评级对应由高到低的数值设为X，疗法处方数 据库中处方隶属频率规则表内的分证侯隶属频率调整=原数值+rf*l〇〇%。
[0050] 本发明的有益效果:长久W来，中医药领域积累了无数用之有效行之方便的食疗、 单方验方、非处方中成药等日常性中医疗法，运用现代信息技术手段可W极大的提高其应 用效率，本系统对于西医医生，能够帮助他们便捷的应用运些日常性中医疗法于临床，弥补 西医治疗的局限性，促进中西医结合的发展；对于大众，无需具备医学专业理论知识和经 验，可W随时随地方便的进行咨询交流，有助于解决现实中人们对保健康复方法的困惑，重 要的是本发明辨证模型的设计将极大的提高查询的准确性。系统对人们平时保健、缓解疾 病证状、减少用药、加速康复有着积极的意义，将促进中医药宝库的开发利用。
[【附图说明】]
[0051] 图1是本发明的步骤流程图。
[【具体实施方式】]
[0052] 下面结合附图和具体实施例阐述本发明。运些实施例应理解为仅用于说明本发明 而非限制本发明的保护范围。本领域技术人员可W对本发明作各种改动或修改，运些等效 变化和修饰同样落入本发明权利要求所限定的范围。
[0053] 图1为本发明的系统组成结构示意图，本实施例首先建立用户信息数据库、诊断- 选择证候数据库、诊断-证候群组数据库、疗法处方数据库等，存储系统所需数据，通过证候 采集、辨证、遣方、反馈等模块间相互联系支持，完成证候-辨证-遣方-反馈修正应用过程。
[0054] 本实施例中用户信息数据库，由下列各表组成，用户基本信息表:用于记录用户手 机号、密码、性别、年龄、体重、身高、职业、习惯等;体质表:记录体质测定结果;反馈信息表： 记录描述性评论、效果等级评论W及用户可信度评估等信息;使用记录表:记录曾输入的证 候和疗法处方应用记录。各表由相应内容的同名字段构成，手机号为唯一索引标记。
[0055] 本实施例中诊断-选择证候数据库，包括：内、外、妇、儿、五官分类的各科诊断-选 择证候表:按照各科下分的各系统及各系统包括的各疾病次序记录，内容有系统名、西医诊 断名、诊断简称或俗称、供选择的辨证相关证候群组，其中西医诊断W西医本科系列教材中 诊断为参考，西医诊断下辨证相关证候群组设计主要参考高等医学院校中西医结合系列教 材;症状-选择证候表:记录常见症状、供选择的辨证相关证候群组，主要参考全国中医药院 校用"中医诊断学"等教材;亚健康选择证候表:记录供选择的亚健康辨证相关证候群组。
[0056] 本实施例中诊断-证候群组数据库，包括:亚健康证候群组数据表:记录亚健康证 型、证候群组、分证候、分证候隶属频率等，内容参考《亚健康中医临床指南》ZYYXH/T2- 2006;诊断-证候群组数据表:记录西医诊断名、证型、证候群组、分证候、分证候隶属频率等 内容;症状-证候群组数据表:记录症状、常见证型、证候群组、分证候、分证候隶属频率等内 容。需要说明的是证候群组及分证候设计：将能够表达病因、病位、病性、病势、邪正状态等 辨证要点和证或证素轻重程度的同一类范围和性质(症状表现非此即彼）、轻重缓急程度的 证候，总结归纳形成多个证候群组作为辨证的基本要素，其组成中的分证候表达达到最小 化内涵概念，例如:对手足癖的辩证要点等进行特征选择（即结构特征提取），梳理出3个特 征性证候群组:病程、痒痛感、皮损情况，各群分别由最小化内涵概念分证候组成:急性或慢 性反复不愈、无或轻微或较轻痊痒或剧烈痊痒或伴疼痛、丘瘤疹为主或糜烂渗出为主或粗 糖增厚脱屑，每一证候群组中分证候具有非此即彼特征。上述分证候隶属频率的分布数据 是经统计一定数量临床病例产生，分证候隶属频率值=分证候阳性人数/总病例数*100%。
[0057] 本实施例中疗法处方数据库，包括:食疗处方表、单方验方表、非处方中成药表:分 另呪录食疗、单方验方、非处方中成药的处方名、类别(对症、对病、对证）、组成、主治、功效、 功效说明等内容;处方隶属频率规则表:记录处方名、适用诊断或症状名、适用证型、证候群 组、分证候、分证候隶属频率，需要指出各处方的分证侯隶属频率初始值同所适用证型分证 侯隶属频率，在反馈调整后则不再相同。
[005引本实施例中证候采集模块:与用户信息数据库、诊断-选择证候数据库进行信息交 互，就用户健康、亚健康、疾病Ξ种不同身体状态分别提出供选择证候，进而采集已选择的 证候等辨证相关信息发送至辨证模块。如：健康状态，提取并传送由互联网获取的气溫、湿 度、气压、地域等公共信息，W及由用户信息数据库得到的年龄、性别、身高体重、体质等医 学相关信息；亚健康状态则由亚健康选择证候表提取的亚健康辨证相关证候群组供选择， W及由用户信息数据库得到的体质等信息;疾病状态状态有症状和诊断两种选择，分别由 各科诊断-选择证候表和症状-选择证候表提供选择证候。
[0059] 本实施例中证候采集模块:输入证候设计为可单选或多选。
[0060] 本实施例中辨证模块:与证候采集模块连接并读入数据，采用偏差权重法对输入 证候进行加权，定义证型判断隶属函数，运用多特征模糊模式识别法推导出中医证型可能 性排序。步骤如下：
[0061 ]①确定证候论域；
[0062] ②通过研究对象的特征选择，建立标准模型库和标准模型及待识别对象的隶属函 数；
[0063] 设标准模型(证型)库Ai的隶属函数为：
[0067] 其中i为证型数，j为证候群组数，r为证候群内分证状数，q、t、s、c为待识别者分证 候在各证候群内的序号。
[0068] ③应用偏差权重法确定特征性指标的权重分配；
[0069] 特征的标准偏差Si计算公式
[0070]
[0071] 其中，为特征i的均值
[0072] 权重分配计算公式
[0073] 权重向量定义为Wj={wl，W2，…，Wn}，满足归一4·
m为证候群组标准差总 和。
[0074] ④多特征模糊模式识别算法：
[0075] 两个模糊子集间贴近度计算方法:离散型隶属函数采用模糊贴近度计算公式
[0076]
[0077] 式中
[007引 HgtA=sup{A(x) IxeX}是模糊集合A的高度(峰值）
[0079] DpnA=inf{A(x) IxeX}是模糊集合A的深度(谷值）
[0080] 两个模糊向量集合族贴近度计算方法:待识别对象B与标准模式Ai之间贴近度Pi应 用加权贴近度计算公式
[0081]
[0082]⑤根据多个特性的择近原则进行识别排序；
[008；3]择近原贝 1J:设 Ai，BeF(X)，i = l，2r..，n^N(Aij，B)=maxi{N(Ai，B)}
[0084] 则判断B与Αυ为同类，其中B为待识别对象，Αυ为标准模式。
[0085] 本实施例中反馈模块:描述性评论是使用者使用过程中的体会叙述，系统根据评 论的合理性、字数、内容、用户活跃度等多因素建立使用者可信度评价f (其中参考了确定性 理论），运种评价类似于权重;疗效等级评估X是使用者对验方的最终评论，简分为"有效"、 "一般"、"无效"Ξ级，各等级标定有相应的3、1、-2数值应用于计算，疗法处方数据库中处方 隶属频率规则表内的分证侯隶属频率调整=原数值+rf*l〇〇%，为避免恶意或随意性评价 对系统的损害，系统设计有过滤设置。疗法处方淘汰规则是根据总应用例数、有效率(有效 人数/总使用人数）、不良反应等多项指标决定的，达到一定标准系统将自动进行删除。
[0086] 本实施例W症状表现简单的手足癖为例进一步说明。
[0087] 手足癖常见证型为Ai(湿热蕴结）、A2(血虚风燥），用于证型Ai的验方为Ri(腊梅 叶）、R2(桑皮汁），A2为R3(醋酸廳香液）、R4(大黄醋侵液）。
[0088] 设手足癖病人分证候为研究对象X，全体构成论域U，3个证候群为U上的3个模糊子 集，记为Ci = (Cii，Ci2，Ci3)，并构成一个模糊向量集合族，标准证型库Ai = {Ai，A2} (i = l，2)， 其判断是由特征性分证候决定的，记为AeC;。设待识别病人的证型Βι=(Βι?，Βι2，Βι3)，Βι? 是模糊向量集合族。
[0089] 根据手足癖临床病例统计各分证候的隶属频率得表1资料
[0090] 表1分证候隶属频率（％)
[0091]
[0092] 各标准证型Ai的隶属度决定于各证候群组中高发分证候的隶属频率即隶属频率， 依据标准模型（证型）库Ai的隶属函数定义和表1知标准证型Ai= (X11，X23，X31) = (0.64， 0.62,0.54)，A2 =(xi2,X24,X33) = (0.72,0.49,0.76)。
[0093] 各证候群组权重分配是根据表1数据应用标准偏差s计算公式和权重分配计算公 式计算得出，见表2。
[0094] 表2各证候群组权重分配表
[0095]
[0096] Ai前提下各证候群组权重Wj = (Wi，化，W3) = (0.28，0.39，0.33)，A2为Wj = (Wi，化， 化）= (0.35,0.23,0.42)。
[0097] -位待识别证型手足癖病人，2月前出现指间多处丘瘤疹，后破溃痊痒剧烈，现痊 痒减轻，皮损处基底淡红色仍有渗出。
[0098] 待识别对象证型的隶属度取决于各标准证型下分证候隶属频率，设待识别证型Bi 的隶属函数和表1对应分证候为（XII，X22，X32)，其隶属度在Al前提下Bl= (XII ,X22，X32)= (0.64,0.28,0.37)，A2为化=(0.28,0.12,0.16)。
[0099] 由模糊贴近度计算公式和加权贴近度计算公式计算得:Pi = 0.586，P2 = 0.744。
[0100] 根据择近原则知病人证型排序为A2(血虚风燥)〉Ai(湿热蕴结），将验方替换Ai后形 成新的标准模型库{Ri，R2，R3，R4}，A2〉Ai排序变成R3、R4〉Ri、R2，系统按50 %输出处方排序:R3 (醋酸廳香液）、R4(大黄醋侵液）。
[0101] 该用户应用R3(醋酸廳香液）后给予描述性评论和疗效等级评估:有效，系统对描 述性评论评级并结合既往信度进行综合加权权值0.5,疗效等级加分值3,两者积1.5* 100%，与处方隶属频率规则表中相应阳性分证候的隶属频率数值相加。
[0102]初始化与R2、R3与R4隶属度相同排序是随机的，且获得与A2、Ai相同的分证候隶属频 率值，而经应用反馈调整处方的分证侯隶属频率再次应用时，贝峭b过证型识别而直接进行 处方识别排序，并且随着增量病例修正，最终处方的分证侯隶属频率值在相应证候群组中 占比将逐步趋于稳定，各证候群组中高频率分证候集合即为处方的最佳适应证，而排序末 位且多项指标超出设定界限的处方将被自动淘汰。
【主权项】
1. 一种日常性中医疗法智能咨询系统，其特征在于包括， a. 储存单元，储存有以下数据库： 用户信息数据库，包括，用户基本信息表：用于记录用户手机号、密码、性别、年龄、体 重、身高、职业、习惯爱好;体质表:记录体质测定结果;反馈信息表:记录描述性评论、效果 等级评论以及用户可信度评估信息;使用记录表:记录曾输入的证候和疗法处方应用记录， 诊断-选择证候数据库，包括，内、外、妇、儿、五官分类的各科诊断-选择证候表:储存内 容有系统名、西医诊断名、诊断简称或俗称、供选择的辨证相关证候群组， 诊断-证候群组数据库，包括，亚健康证候群组数据表:记录亚健康证型、证候群组、分 证候、分证候隶属频率;诊断-证候群组数据表:记录西医诊断名、证型、证候群组、分证候、 分证候隶属频率内容;症状-证候群组数据表:记录症状、常见证型、证候群组、分证候、分证 候隶属频率内容，分证候隶属频率值=分证候阳性人数/总病例数*100%， 疗法处方数据库，包括，食疗处方表、单方验方表、非处方中成药表:分别记录食疗、单 方验方、非处方中成药的处方名、类别、组成、主治、功效、功效说明内容;处方隶属频率规则 表:记录处方名、适用诊断或症状名、适用证型、证候群组、分证候、分证候隶属频率， b. 证候采集模块，与用户信息数据库、诊断-选择证候数据库进行信息交互，就用户三 种不同身体状态分别提出供选择证候，各选择证候可单选或多选，进而采集已选择的证候 和非选择辨证相关信息发送至辨证模块， C.辨证模块，储存有多特征模糊模式识别函数和偏差权重函数， 辨证模块读取采集到的证候，根据证候提取诊断-证候群组数据库相关表中对应的证 候群组内分证候隶属频率，进而根据定义的证型隶属函数获得标准证型和待识别证型的隶 属度值， 采用多特征模糊识别函数得到待识别证型与标准证型库的贴近度， 将采集到的隶属频率通过偏差权重函数计算对应的各证型权重， 根据得到的权重和贴近度计算加权贴近度， 根据择近原则得到证型排序， d. 遣方模块，与辨证模块连接，根据证型读取疗法处方数据库相关表中关联的疗法处 方，并经拟合输出疗法处方及排序， e. 反馈模块，获取并依据反馈信息调整疗法处方数据库中处方隶属频率规则表的隶属 频率值， f. 显示界面，用于显示包括:证候采集模块中供用户选择的证候、遣方模块输出的疗法 处方及排序以及反馈模块的反馈信息。2. 如权利要求1所述的日常性中医疗法智能咨询系统，其特征在于所述的多特征模糊 模式识别函数中，定义标准证型库Μ的隶属函数为：定义待识别证型仏的隶属函数为：其中i为证型数，j为证候群组数，r为证候群内分症状数，q、t、s、c为待识别者分证候在 各证候群内的序号。3. 如权利要求1所述的日常性中医疗法智能咨询系统，其特征在于所述证候证候模块 中，应用多特征模糊模式识别函数时，两个证候群间贴近度计算方法采用模糊贴近度计算 公式为其中，HgtA = sup{A(x) |xeX}是模糊集合A的高度， DpnA=inf {Α(χ) |χΕΧ}是模糊集合A的深度。4. 如权利要求1所述的日常性中医疗法智能咨询系统，其特征在于所述的偏差权重函 数中： 特征的标准偏差&计算公式为，其中5为特征i的均值， 权重分配计算公式为，权重向量定义为Wj={wi，W2,…，wn}，满足归一化为证候群组标准差总和。5. 如权利要求1所述的日常性中医疗法智能咨询系统，其特征在于待识别对象B与标准 模式Ai之间加权贴近度Pi计算公式6. 如权利要求1所述的日常性中医疗法智能咨询系统，其特征在于所述择近原则为:设 八3奸(父）4 = 1，2，~，11，若1^小8)=11^#^，8)}，则判断8与厶"为同类，其中8为待识 别对象，Ay为标准模式。7. 如权利要求1所述的日常性中医疗法智能咨询系统，其特征在于反馈模块中，反馈信 息包括描述性评论和疗效等级评估，描述性评论进行综合分析后设为f，疗效等级评估采用 由高到低评级对应由高到低的数值设为X，疗法处方数据库中处方隶属频率规则表内的分 证侯隶属频率调整=原数值+xf *100 %。
【文档编号】G06F19/00GK105825064SQ201610162746
【公开日】2016年8月3日
【申请日】2016年3月22日
【发明人】施弘
【申请人】施弘