本公开提供了一种中医开方模型的训练方法、装置、存储介质以及一种中医开方的方法。在一个方面，该中医开方模型的训练方法包括：获取多个症状的第一向量和第二向量，其中，每个所述症状的所述第一向量指代所述症状的证候要素，每个所述症状的所述第二向量指代所述症状的标识；将每个所述症状的所述第一向量和所述第二向量进行叠加，得到所述中医开方模型的主干网络的输入特征；以及根据所述症状的标签对所述中医开方模型的主干网络进行训练，得到训练完成的所述中医开方模型，其中，所述症状的标签由用于治疗所述症状的药方确定。本公开提供的中医开方模型的训练方法、装置、存储介质以及中医开方的方法可以提高开方系统的准确性。确性。确性。
【技术实现步骤摘要】
一种中医开方模型的训练方法、装置及存储介质
[0001]本公开总体上涉及人工智能领域，更具体地涉及一种中医开方模型的训练方法、装置、存储介质以及一种中医开方的方法。
技术介绍
[0002]中医是基于阴阳五行以及长期的实践和验证的传统医学。其主要的诊疗思路可以用辨证论治进行概括，即首先根据病人的描述总结出症状，然后依据症状并且基于中医诊断学来判断出病人的证候要素，而证候要素决定了病人的主要治疗方向，即可以从证候要素得出病人的治法。最后结合症状、证候要素和治法进行开方。但是中医的诊疗相对与西医来说更加需要经验的沉淀和积累，这是由于症状和证候要素的判断缺乏统一的标准，同时药材的使用存在各种禁忌，比如所谓“十八反十九畏”等。而普通的医师很难独自进行辩证和开药，因此在现代中医系统中会有一个审方来对初级医师开具的方子进行审核，只有审核通过后才可以抓药。
[0003]目前深度学习的发展迅速，在各行各业都有着亮眼的表现，结合深度学习的智能中医开方系统也被广泛的研究并且使用。通过使用智能开方系统，可以辅助初级医师进行快速有效的诊断和开药，提高整个医疗系统的效率。
[0004]然而目前的智能开方系统存在准确性低，而且预测出的药物存在药性冲突等情况，导致其实用性低下，无法很好的作为一个辅助系统发挥其功能。
技术实现思路
[0005]根据本公开的第一方面，提供了一种中医开方模型的训练方法，包括：获取多个症状的第一向量和第二向量，其中，每个所述症状的所述第一向量指代所述症状的证候要素，每个所述症状的所述第二向量指代所述症状的标识；将每个所述症状的所述第一向量和所述第二向量进行叠加，得到所述中医开方模型的主干网络的输入特征；以及根据所述症状的标签对所述中医开方模型的主干网络进行训练，得到训练完成的所述中医开方模型，其中，所述症状的标签由用于治疗所述症状的药方确定。
[0006]在至少一个实施例中，所述第一向量为基于对证候要素集合中的所有所述证候要素进行独热编码得到的独热向量而确定的，所述第二向量为基于对症状集合中的所有所述症状进行独热编码得到的独热向量而确定的。
[0007]在至少一个实施例中，所述中医开方模型的主干网络为循环神经网络。
[0008]在至少一个实施例中，所述症状的标签具有时序特性，并且，所述根据所述症状的标签对所述中医开方模型的主干网络进行训练至少包括：将每个所述症状叠加后的所述第一向量和所述第二向量输入至所述中医开方模型的主干网络，得到第一药方的特征向量；将所述第一药方的特征向量以及每个所述症状叠加后的所述第一向量和所述第二向量再次输入至所述中医开方模型的主干网络，得到第二药方的特征向量；以及根据所述症状的标签、所述第一药方的特征向量和所述第二药方的特征向量对所述中医开方模型的主干网
络进行训练。
[0009]在至少一个实施例中，所述中医开方模型输出预定数量的药方的特征向量，每个所述症状的标签由所述预定数量的、用于治疗所述症状的药方确定，并且，所述中医开方模型输出的当前药方的特征向量由前一个药方的特征向量以及所述症状叠加后的所述第一向量和所述第二向量确定。
[0010]在至少一个实施例中，所述获取每个症状的所述第一向量包括：将所述证候要素进行独热编码产生第一独热向量；以及将所述第一独热向量输入至全连接层，得到所述第一向量。
[0011]在至少一个实施例中，所述获取每个症状的所述第一向量包括：将所述症状进行独热编码产生第二独热向量；以及将所述第二独热向量输入至全连接层，得到所述第二向量。
[0012]根据本公开的第二方面，提供了一种中医开方模型的训练装置，包括：获取模块，其配置为获取多个症状的第一向量和第二向量，其中，每个所述症状的所述第一向量指代所述症状的证候要素，每个所述症状的所述第二向量指代所述症状的标识；叠加模块，其配置为将每个所述症状的所述第一向量和所述第二向量进行叠加，得到所述中医开方模型的主干网络的输入特征；以及训练模块，其配置为根据所述症状的标签对所述中医开方模型的主干网络进行训练，得到训练完成的所述中医开方模型，其中，所述症状的标签由用于治疗所述症状的药方确定。
[0013]在至少一个实施例中，所述第一向量为基于对证候要素集合中的所有所述证候要素进行独热编码得到的独热向量而确定的，所述第二向量为基于对症状集合中的所有所述症状进行独热编码得到的独热向量而确定的。
[0014]在至少一个实施例中，所述中医开方模型的主干网络为循环神经网络。
[0015]在至少一个实施例中，所述症状的标签具有时序特性，并且，所述训练模块至少被配置为：将每个所述症状叠加后的所述第一向量和所述第二向量输入至所述中医开方模型的主干网络，得到第一药方的特征向量；将所述第一药方的特征向量以及每个所述症状叠加后的所述第一向量和所述第二向量再次输入至所述中医开方模型的主干网络，得到第二药方的特征向量；以及根据所述症状的标签、所述第一药方的特征向量和所述第二药方的特征向量对所述中医开方模型的主干网络进行训练。
[0016]在至少一个实施例中，所述中医开方模型输出预定数量的药方的特征向量，每个所述症状的标签由所述预定数量的、用于治疗所述症状的药方确定，并且，所述中医开方模型输出的当前药方的特征向量由前一个药方的特征向量以及所述症状叠加后的所述第一向量和所述第二向量确定。
[0017]在至少一个实施例中，所述获取模块被配置为：将所述证候要素进行独热编码产生第一独热向量；以及将所述第一独热向量输入至全连接层，得到所述第一向量。
[0018]在至少一个实施例中，所述获取模块被配置为：将所述症状进行独热编码产生第二独热向量；以及将所述第二独热向量输入至全连接层，得到所述第二向量。
[0019]根据本公开的第三方面，提供了一种中医开方的方法，包括：获取目标症状的第一向量和第二向量，其中，所述目标症状的所述第一向量指代所述目标症状的证候要素，所述目标症状的所述第二向量指代所述目标症状的标识；以及将所述目标症状的所述第一向量
和所述第二向量输入至预先训练完成的中医开方模型，得到药方，其中，所述预先训练完成的所述中医开方模型的训练方法包括：获取多个症状的第一向量和第二向量，其中，每个所述症状的所述第一向量指代所述症状的证候要素，每个所述症状的所述第二向量指代所述症状的标识；将每个所述症状的所述第一向量和所述第二向量进行叠加，得到所述中医开方模型的主干网络的输入特征；以及根据所述症状的标签对所述中医开方模型的主干网络进行训练，得到训练完成的所述中医开方模型，其中，所述症状的标签由用于治疗所述症状的药方确定。
[0020]根据本公开的第四方面，提供了一种存储有计算机指令的非暂时性计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开第一方面的任一实施例所述的方法。
[0021]根据本公开的实施例提供的中医开方模型的训练方法、装置、存储介质以及中医开方的方法可以提高开方系统的准确性。
[0022]前面已经相当本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种中医开方模型的训练方法，包括：获取多个症状的第一向量和第二向量，其中，每个所述症状的所述第一向量指代所述症状的证候要素，每个所述症状的所述第二向量指代所述症状的标识；将每个所述症状的所述第一向量和所述第二向量进行叠加，得到所述中医开方模型的主干网络的输入特征；以及根据所述症状的标签对所述中医开方模型的主干网络进行训练，得到训练完成的所述中医开方模型，其中，所述症状的标签由用于治疗所述症状的药方确定。2.根据权利要求1所述的训练方法，其中，所述第一向量为基于对证候要素集合中的所有所述证候要素进行独热编码得到的独热向量而确定的，所述第二向量为基于对症状集合中的所有所述症状进行独热编码得到的独热向量而确定的。3.根据权利要求1所述的训练方法，其中，所述中医开方模型的主干网络为循环神经网络。4.根据权利要求1
‑
3任一项所述的训练方法，其中，所述症状的标签具有时序特性，并且，所述根据所述症状的标签对所述中医开方模型的主干网络进行训练至少包括：将每个所述症状叠加后的所述第一向量和所述第二向量输入至所述中医开方模型的主干网络，得到第一药方的特征向量；将所述第一药方的特征向量以及每个所述症状叠加后的所述第一向量和所述第二向量再次输入至所述中医开方模型的主干网络，得到第二药方的特征向量；以及根据所述症状的标签、所述第一药方的特征向量和所述第二药方的特征向量对所述中医开方模型的主干网络进行训练。5.根据权利要求4所述的训练方法，其中，所述中医开方模型输出预定数量的药方的特征向量，每个所述症状的标签由所述预定数量的、用于治疗所述症状的药方确定，并且，所述中医开方模型输出的当前药方的特征向量由前一个药方的特征向量以及所述症状叠加后的所述第一向量和所述第二向量确定。6.根据权利要求2所述的训练方法，其中，所述获取每个症状的所述第一向量包括：将所述证候要素进行...
【专利技术属性】
技术研发人员：韩东燃，黄哲，刘一星，
申请(专利权)人：北京中医药大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。