基于真实世界数据的外感热病辅助决策系统技术方案

基于真实世界数据的外感热病辅助决策系统，包括：系统模块，包括退出系统子模块、用户信息维护子模块；数据库，其利用分组信息维护原则对案例检索过程所涉及到的各个特征信息进行维护，该模块中的每个分组信息实现信息的添加、修改、删除、查询；编码库，其生成案例编码信息，该模块采用人工智能自然语言处理AI模型，基于案例库中的案例语料进行学习，并将案例库中的案例转换为案例编码用于案例检索算法中的特征输入；同时，基于已生成的案例编码计算得到案例库中每个特征客观权重；决策推理模块，其基于输入目标案例从案例库中检索出K条于目标案例最相似的原始案例，其中涉及主观权重修正与相似性算法；帮助模块，其提供关于本系统的简介信息。本系统的简介信息。本系统的简介信息。

【技术实现步骤摘要】
寒、温病理论融会贯通来思考肺系外感热病的发病，导致辨证不够准确，遣 方用药缺乏理论指导，在一定程度上影响了中医临床疗效的发挥和经验的传 承，肺系外感热病领域有效的继承和发扬名老专家经验显得尤为迫切。
[0003]中医学是典型的临床实践性医学，中医临床能力的核心是中医临床思维 能力。中医临床思维能力是在长时期的临床实践中逐渐提升的，具有丰富中 医临床经验的专家是中医药特有的智能资源，代表着当代中医学术发展的水 平。中医外感热病拥有非常丰富的理论基础，伤寒学说、温病学说、疫病学 说都是随着历代医家对外感热病认识的不断深化和产生的珍贵的经典理论， 在人类频繁受到突发新发传染病威胁的今天，仍具有非常重要的指导意义。 可见，传统的名老中医经验传承模式确实存在人才培养周期长、效率低、数 量少、可重复性和推广性较差的问题。长期以来，中医药传承工作主要面临 两大个亟待解决的难题：一方面是名老中医学术经验的传承效率不高、主观 性强、可重复性和推广性较差，难以有效提升基层中医药服务能力满足广泛 的临床需求；另一方面，临床产生的大量中医诊疗数据质量较低，含有大量 噪声、不完整、不准确甚至是不一致的数据，导致中医缺乏足够的有效临床 科研数据，中西医诊疗信息资源整体利用度不高，存在数据资源的浪费。可 见，名老中医经验传承的模式和方法创新是当前中医行业面临的重要任务， 如何对名老中医，特别是外感热病名老中医的诊疗思维进行描述并有效的传 承推广尚需要方法学探索。

技术实现思路

[0004][0005]为克服现有技术的缺陷，本专利技术要解决的技术问题是提供了一种基于真 实世界数据的外感热病辅助决策系统，其能够为中医决策提供准确的辅助数 据，建立肺系外感热病中医病案案例推理模型，模拟专家诊病、辨证的思维 过程。
[0006]本专利技术的技术方案是：这种基于真实世界数据的外感热病辅助决策系 统，其包括：
[0007]系统模块，包括退出系统子模块、用户信息维护子模块，用户信息 维护子模块用于管理使用系统的用户信息，包括用户信息注册，用 户信息修改，用户信息删除，用户信息查询；退出系统子模块执行 直接退出整个系统；
[0008]数据库，其利用分组信息维护原则对案例检索过程所涉及到的各个 特征信息进行维护，该模块中的每个分组信息实现信息的添加、修 改、删除、查询；
[0009]编码库，其生成案例编码信息，该模块采用人工智能自然语言处理 AI模型，基于案例库中的案例语料进行学习，并将案例库中的案 例转换为案例编码用于案例检索算法中的特征输入；同时，基于已 生成的案例编码计算得到案例库中每个特征客观权重；
[0010]决策推理模块，其基于输入目标案例从案例库中检索出K条于目标 案例最相似的原始案例，其中涉及主观权重修正与相似性算法；
[0011]帮助模块，其提供关于本系统的简介信息。
[0012]本专利技术以全国肺系外感热病临床科研数据为研究对象，采用人工智能案 例推理技术进行中医辅助决策技术研究，采取专家咨询权数法对肺系外感热 病的临床表现进行分类并确定症状相似性权重，构建肺系外感热病案例云数 据库，采用适合中医混合数据集
的混合算法，建立肺系外感热病中医病案案 例推理模型，因此能够为中医决策提供准确的辅助数据，建立肺系外感热病 中医病案案例推理模型，模拟专家诊病、辨证的思维过程。
附图说明
[0013]图1是根据本专利技术的基于真实世界数据的外感热病辅助决策系统的结构 图。
[0014]图2是根据本专利技术的基于真实世界数据的外感热病辅助决策系统的执行 流程图。
[0015]图3示出了Word2vec网络基本结构。
[0016]图4示出了Word2vec网络的CBOW结构。
[0017]图5示出了相似案例检索过程。
具体实施方式
[0018]如图1所示，这种基于真实世界数据的外感热病辅助决策系统，其包 括：
[0019]系统模块，包括退出系统子模块、用户信息维护子模块，用户信息 维护子模块用于管理使用系统的用户信息，包括用户信息注册，用 户信息修改，用户信息删除，用户信息查询；退出系统子模块执行 直接退出整个系统；
[0020]数据库，其利用分组信息维护原则对案例检索过程所涉及到的各个 特征信息进行维护，该模块中的每个分组信息实现信息的添加、修 改、删除、查询；
[0021]编码库，其生成案例编码信息，该模块采用人工智能自然语言处理 AI模型，基于案例库中的案例语料进行学习，并将案例库中的案 例转换为案例编码用于案例检索算法中的特征输入；同时，基于已 生成的案例编码计算得到案例库中每个特征客观权重；
[0022]决策推理模块，其基于输入目标案例从案例库中检索出K条于目标 案例最相似的原始案例，其中涉及主观权重修正与相似性算法；
[0023]帮助模块，其提供关于本系统的简介信息。
[0024]本专利技术以全国肺系外感热病临床科研数据为研究对象，采用人工智能案 例推理技术进行中医辅助决策技术研究，采取专家咨询权数法对肺系外感热 病的临床表现进行分类并确定症状相似性权重，构建肺系外感热病案例云数 据库，采用适合中医混合数据集的混合算法，建立肺系外感热病中医病案案 例推理模型，因此能够为中医决策提供准确的辅助数据，建立肺系外感热病 中医病案案例推理模型，模拟专家诊病、辨证的思维过程。
[0025]优选地，所述决策推理模块包括：
[0026]源案例准备，首先从外部将原始Excel文件中的数据内容进行转换 清洗并存入案例库形成源案例，然后利用案例库中的源案例学习词 向量模型对源案例进行编码构建编码库，同时采用熵权法对编码库 再次进行客观权重分析，得到源案例的特征权重用于目标案例检索 流程中的案例相似性计算；
[0027]目标案例检索，首先由用户录入待检索的目标案例并对权重进行主 观修正，然后采用源案例准备流程中学习到的词向量模型对目标案 例进行编码，利用编码后的目标案例与编码库中的案例特征进行相 似性计算获得最相似的K条案例编号，再依据这K条案例编号从 案例库中获取最相似的源案例用于病例诊断；如果检索到的源案例 能够匹配目标案例，则完成例重用，直接用于病例诊治，否则进行 案例修正，然后再进行案例重用；最后，将重用后的案例以新案例 的形式存储到案例库中。
[0028]优选地，所述编码库中，案例编码采用的是Word2Vec模型；
[0029]Word2Vec模型分为两个部分，第一部分为建立模型，第二部分是 通过模型获取嵌入词向量；Word2Vec的整个建模过程先基于训练 数据构建一个神经网络，当这个模型训练好以后，这个模型通过训 练数据所学得的参数为隐层权重矩阵，然后在基于权重矩阵计算出 词向量；
[0030]Word2vec使用单个隐藏层，隐藏层中的神经元都是线性神经元， 输入层设置为具有与用于训练的词汇中的单词一样多的神经元，隐 藏图层大小设置为生成的单词向量的维度，输出图层的大小与输入 图层相同；
[0031]假本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于真实世界数据的外感热病辅助决策系统，其特征在于：其包括：系统模块，包括退出系统子模块、用户信息维护子模块，用户信息维护子模块用于管理使用系统的用户信息，包括用户信息注册，用户信息修改，用户信息删除，用户信息查询；退出系统子模块执行直接退出整个系统；数据库，其利用分组信息维护原则对案例检索过程所涉及到的各个特征信息进行维护，该模块中的每个分组信息实现信息的添加、修改、删除、查询；编码库，其生成案例编码信息，该模块采用人工智能自然语言处理AI模型，基于案例库中的案例语料进行学习，并将案例库中的案例转换为案例编码用于案例检索算法中的特征输入；同时，基于已生成的案例编码计算得到案例库中每个特征客观权重；决策推理模块，其基于输入目标案例从案例库中检索出K条于目标案例最相似的原始案例，其中涉及主观权重修正与相似性算法；帮助模块，其提供关于本系统的简介信息。2.根据权利要求1所述的基于真实世界数据的外感热病辅助决策系统，其特征在于：所述决策推理模块包括：源案例准备，首先从外部将原始Excel文件中的数据内容进行转换清洗并存入案例库形成源案例，然后利用案例库中的源案例学习词向量模型对源案例进行编码构建编码库，同时采用熵权法对编码库再次进行客观权重分析，得到源案例的特征权重用于目标案例检索流程中的案例相似性计算；目标案例检索，首先由用户录入待检索的目标案例并对权重进行主观修正，然后采用源案例准备流程中学习到的词向量模型对目标案例进行编码，利用编码后的目标案例与编码库中的案例特征进行相似性计算获得最相似的K条案例编号，再依据这K条案例编号从案例库中获取最相似的源案例用于病例诊断；如果检索到的源案例能够匹配目标案例，则完成例重用，直接用于病例诊治，否则进行案例修正，然后再进行案例重用；最后，将重用后的案例以新案例的形式存储到案例库中。3.根据权利要求2所述的基于真实世界数据的外感热病辅助决策系统，其特征在于：所述编码库中，案例编码采用的是Word2Vec模型；Word2Vec模型分为两个部分，第一部分为建立模型，第二部分是通过模型获取嵌入词向量；Word2Vec的整个建模过程先基于训练数据构建一个神经网络，当这个模型训练好以后，这个模型通过训练数据所学得的参数为隐层权重矩阵，然后在基于权重矩阵计算出词向量；Word2vec使用单个隐藏层，隐藏层中的神经元都是线性神经元，输入层设置为具有与用于训练的词汇中的单词一样多的神经元，隐藏图层大小设置为生成的单词向量的维度，输出图层的大小与输入图层相同；假设用于学习单词向量的词汇表由V个单词组成并且N为单词向量的维度，则对隐藏层连接的输入由大小为V
×
N的矩阵WI表示，其中每行表示词汇单词；以相同的方式，通过矩阵WO来描述从隐藏层到输出层的连接大小为N
×
V。4.根据权利要求3所述的基于真实世界数据的外感热病辅助决策系统，其特征在于：所述Word2Vec模型的连续词袋模型建模方法，执行以下步骤：(1)计算隐藏层h的输出：
其中，x
i
为每个词对应Word2Vec模型输入层的编码，WI
T
为W...

【专利技术属性】
技术研发人员：苏芮，刘清泉，马自腾，王烁，郭玉红，王玉贤，徐霄龙，李博，
申请(专利权)人：首都医科大学附属北京中医医院，
类型：发明
国别省市：