汤剂煎制参数的决策方法及煎制参数决策模型的训练方法技术

本申请提供一种汤剂煎制参数的决策方法及煎制参数决策模型的训练方法，包括：获取待煎制中药汤剂的处方信息；处方信息至少包括方剂组成信息和方剂剂量信息；将处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数；方剂数据库包括至少一个既有处方及对应的煎制参数；将所有维度对应煎制参数形成的数据序列输入事先训练好的煎制参数决策模型，得到的第一煎制参数符合古方或经典名方的煎制逻辑，体现了中药煎制的个性化特点，满足了一方一煎的要求，对药材加热控制精度高，保证了药效。保证了药效。保证了药效。

【技术实现步骤摘要】
汤剂煎制参数的决策方法及煎制参数决策模型的训练方法


[0001]本申请涉及中药汤剂煎制
，具体而言，涉及一种汤剂煎制参数的决策方法及煎制参数决策模型的训练方法。

技术介绍

[0002]中药方剂的特点是将中医药理论的普遍真理和患者的个体实践相结合，形成了对症下药一人一方的精准模式。在方剂上有差异，也必然会在煎药方式上有差异，即一方一煎。
[0003]中药汤剂是中药的传统剂型之一，汤剂质量的好坏直接影响到临床疗效，汤剂影响疗效到物质基础主要是汤剂中煎出的有效成分，因此要发挥中药汤剂的临床疗效，必须要尽最大限度的煎出有效成分，传统的中药煎煮方法非常讲究，从器具到火候，先煎后下，烊化冲服等。
[0004]因此，现有的煎药机将煎药参数设置成有限的选择去指导所有方剂的煎药，不能满足一方一煎的要求，对药材加热控制精度差，容易影响药效。

技术实现思路

[0005]本申请实施例的目的在于提供一种汤剂煎制参数的决策方法及煎制参数决策模型的训练方法，用以解决现有的煎药机将煎药参数设置成有限的选择去指导所有方剂的煎药，不能满足一方一煎的要求，对药材加热控制精度差，容易影响药效的问题。
[0006]本专利技术实施例提供的一种汤剂煎制参数的决策方法，包括：获取待煎制中药汤剂的处方信息；处方信息至少包括方剂组成信息和方剂剂量信息；将处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数；方剂数据库包括至少一个既有处方及对应的煎制参数；将所有维度对应煎制参数形成的数据序列输入事先训练好的煎制参数决策模型，得到第一煎制参数。
[0007]上述技术方案中，处方信息中包含了不同维度的信息，如方剂组成信息、方剂剂量信息、方剂功效信息和方剂主治信息等，从不同维度将处方信息与方剂数据库中的既有处方进行相似度匹配。方剂数据库由能够体现一方一煎的古方或经典名方构成，方剂数据库中包括了既有处方及对应的煎制参数。匹配出的既有处方，同时也匹配出了既有处方对应的煎制参数。将不同维度对应的煎制参数输入煎制参数决策模型，得到唯一的第一煎制参数。第一煎制参数符合古方或经典名方的煎制逻辑，体现了中药煎制的个性化特点，满足了一方一煎的要求，对药材加热控制精度高，保证了药效。
[0008]在一些可选的实施方式中，不同维度，包括方剂组成信息、方剂剂量信息、方剂功效信息或方剂主治信息中的至少两个维度。
[0009]在一些可选的实施方式中，以方剂组成信息为一个维度时；
将处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数，包括：以方剂组成信息的维度，采用JACCARD相似系数，计算处方信息与方剂数据库中的既有处方的相似度，并输出相似度最高的既有处方及对应的煎制参数。
[0010]上述技术方案中，以方剂组成的维度进行相似度比较，仅比较处方中药物组成的不同，选用JACCARD相似系数计算处方组成的相似度。JACCARD相似系数计算方法如下：Sim(X，Y)=|X∩Y|/|X∪Y|其中，X，Y分别为两个处方的方剂组成。
[0011]在一些可选的实施方式中，以方剂剂量信息为一个维度时；将处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数，包括：以方剂剂量信息的维度，采用余弦相似算法，计算处方信息与方剂数据库中的既有处方的相似度，并输出相似度最高的既有处方及对应的煎制参数。
[0012]上述技术方案中，以方剂剂量信息的维度进行相似度比较，对处方的中药组成和剂量组成的复杂信息进行比较，采用余弦相似算法。由于很多中药的用量单位不同，例如剂量单位为克、枚等等，并且大多数中药的常用剂量范围不同，需要进行标准化处理，消除单位或剂量波动幅度不同造成的影响。因此，对统一单位后的剂量进行规范化：Xi=X1/(X
min
+X
max
)其中，Xi为标准化剂量，X1为实际应用剂量，X
min
，X
max
分别为常用剂量的最小、最大值。
[0013]所有剂量规范化后，利用余弦相似度计算方剂剂量的相似度：其中，X，Y分别为两个处方的方剂剂量。
[0014]在一些可选的实施方式中，以方剂功效信息或方剂主治信息为一个维度时；将处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数，包括：以方剂功效信息或方剂主治信息的维度，采用潜在狄利克雷分配主题模型算法，计算处方信息与方剂数据库中的既有处方的相似度，并输出相似度最高的既有处方及对应的煎制参数。
[0015]上述技术方案中，第一种情形，以方剂功效信息的维度，采用潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）主题模型算法，在处方的功效相似度计算中，根据治法分类，方剂分为解表剂、泻下剂、和解剂等21类，将LDA中“文档
‑
主题
‑
词项”的三者关系的建立分别转换成“方剂
‑
治法
‑
组成成分”的三者关系的建立。基于LDA的具体方法步骤如下：将数据放入LDA主题模型中进行处理，处理过程如下：（1）按照先验概率选择一个中药方剂。
[0016]（2）依据方剂
‑
治法的狄利克雷(Dirichlet)先验分布中取样生成中药方剂
的治法分布，换言之，治法分布是由超参数为方剂
‑
治法的狄利克雷先验分布的狄利克雷分布生成。
[0017]（3）从中药方剂的治法分布中取样生成中药方剂的第j个组成成分的治法。
[0018]（4）依据治法
‑
组成成分狄利克雷(Dirichlet)先验分布中取样生成治法对应的组成成分分布，换言之，组成成分分布由超参数为治法
‑
组成成分狄利克雷先验分布的狄利克雷分布生成。
[0019]（5）从组成成分分布中采样最终的生成组成成分。
[0020]（6）取出目标方剂对应的治法分布，其他方剂用对应的治法分布表示，计算目标方剂与其他每个方剂的KL距离，计算出的值即为目标方剂与其他任意一个方剂的相似度。
[0021]（7）与目标方剂相似度最大的方剂即为治法最为相似的方剂，取其煎煮参数为第一煎制参数。
[0022]第二种情形，以方剂主治信息的维度，采用潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）主题模型算法，在处方的主治相似度计算中，根据中医辨证论治中的 150 个证型，将LDA中“文档
‑
主题
‑
词项”的三者关系的建立分别转换成“方剂
‑
证型
‑
组成成分”的三者关系的建立。基于LDA的具体方法步骤同方剂功效信息的维度，不同之处在于参数设置。
[0023]在一些可选的实施方式中，还包括：根据现代中药汤剂煎制逻辑，生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汤剂煎制参数的决策方法，其特征在于，包括：获取待煎制中药汤剂的处方信息；所述处方信息至少包括方剂组成信息和方剂剂量信息；将所述处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数；所述方剂数据库包括至少一个既有处方及对应的煎制参数；将所有维度对应煎制参数形成的数据序列输入事先训练好的煎制参数决策模型，得到第一煎制参数。2.如权利要求1所述的汤剂煎制参数的决策方法，其特征在于，所述不同维度，包括方剂组成信息、方剂剂量信息、方剂功效信息或方剂主治信息中的至少一个维度。3.如权利要求2所述的汤剂煎制参数的决策方法，其特征在于，以方剂组成信息为一个维度时；所述将所述处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数，包括：以方剂组成信息的维度，采用JACCARD相似系数，计算所述处方信息与所述方剂数据库中的既有处方的相似度，并输出相似度最高的既有处方及对应的煎制参数。4.如权利要求2所述的汤剂煎制参数的决策方法，其特征在于，以方剂剂量信息为一个维度时；所述将所述处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数，包括：以方剂剂量信息的维度，采用余弦相似算法，计算所述处方信息与所述方剂数据库中的既有处方的相似度，并输出相似度最高的既有处方及对应的煎制参数；所述相似度的计算为：其中，X，Y分别为两个处方的方剂剂量。5.如权利要求2所述的汤剂煎制参数的决策方法，其特征在于，以方剂功效信息或方剂主治信息为一个维度时；所述将所述处方信息与方剂数据库中的既有处方从不同维度进行匹配，每一个维度得到一个既有处方及对应的煎制参数，包括：以方剂功效信息或方剂主治信息的维度，采用...

【专利技术属性】
技术研发人员：李智彪，杜建强，杨明，张琦，程春雷，熊旺平，余瑛，朱彦陈，李远辉，王学成，伍振峰，臧振中，王雅琪，
申请(专利权)人：赣江新区智药善和科技有限公司，
类型：发明
国别省市：