基于监督制造技术

本发明专利技术提供基于监督

【技术实现步骤摘要】
基于监督LDA主题模型的中医病机智能识别装置


[0001]本专利技术涉及人工智能
，运用领域知识与主题模型，提出一种基于监督
LDA
主题模型的中医病机智能识别方法及装置
。

技术介绍

[0002]中医的诊疗过程是“辨证
‑
论治”，具体来说，医生必须首先确定患者的综合征，然后根据这个结论开始治疗
。
因此，辨证是中医最重要的过程之一
。
传统的辨证方法是医生通过观察和分析患者的症状，获得疾病的基本情况
。
然而，由于人体是一个复杂的有机整体，症状与疾病之间的关系错综复杂，很难辨识出正确的证候
。
此外，症状种类繁多，组合多样，进一步增加了辨证的难度
。
特别是中医辨证需要准确区分病
、
证和候，然而，在中医几千年的发展过程中，缺乏一个统一的标准，使得这三个要素难以区分
。
这些都是中医亟待解决的问题
。
[0003]准确辨证的其中一个关键因素是识别病机，病机由中医临床四诊症状和体征所构成的病机单元组合而成，能够反映证候的特异性和动态演变
。
因此，可以通过识别病机单元来获取病机的信息
。
由于疾病在人体内是动态变化的，因此确定病机单元是复杂
、
模糊和不确定的
。
受人工智能在各个领域的成功启发，其被引入到病机分析和辨证应用中，但该方法需要中医专家手动设计临床数据的特征，这是一项耗时且耗力的任务
。
为了解决这些问题，深度学习被引入到智能辨证中
。
但是，深度学习方法在病机分析过程中不能很好地整合中医领域知识，缺乏推理能力和可解释性
。
此外，现有方法大多是针对单一疾病进行的，导致泛化效果较差
。
因此，如何利用具有领域知识的中医临床数据，设计通用的病机分析和辨证模型，实现病机的自动识别仍然是一项具有挑战性的任务
。

技术实现思路

[0004]为了解决现有技术中的不足，本专利技术的目的在于提供基于监督
LDA
主题模型的中医病机智能识别装置
。
本专利技术所述装置在主题模型训练模块中应用
LDA
监督学习的训练方法，得到了适用于中医病机分析的
LDA
主题模型
。
[0005]为了实现上述目的，本专利技术采用的具体方案为：
[0006]基于监督
LDA
主题模型的中医病机智能识别装置，包括：基础模块
、
文本数据采集模块
、
文本数据处理模块
、
主题模型训练模块
、
病机分类识别模块和输出显示模块；所述文本数据采集模块用于采集医案数据；所述文本数据处理模块用于对采集的医案数据进行格式化处理；所述主题模型训练模块用于训练经格式化处理的数据并得到训练结果，即主题模型；所述病机分类识别模块用于对输入的新数据和主题模型进行病机分类识别；所述输出显示模块用于将病机分类识别结果进行显示和播放
。
[0007]上述装置中，所述基础模块包括供电装置
、
处理器
、
存储器和交互总线
。
[0008]上述装置中，所述文本数据采集模块包括采集设备和光学字符识别程序，通过所述采集设备拍摄已出版中医医案并将识别的文字结果保存到基础模块中
。
[0009]上述装置中，所述文本数据处理模块的工作流程如下：
(1)
判断文本数据标签是否完整，如果完整则直接进入步骤
(3)
，如果不完整则转入步骤
(2)
；所述文本数据标签包含四诊症状
、
体征
、
病机；
(2)
标签不完整的数据交由领域专家处理，处理结束后视为标签完整数据，转入步骤
(3)
；
(3)
为当前数据生成唯一标识码；
(4)
判断当前数据是否拥有标识码，若是，则结束，若否，则转入步骤
(5)
；
(5)
将数据按照症状
/
体征
1、
症状
/
体征
2、
症状
/
体征3……
症状
/
体征
N
，病机
1、
病机
2、
病机3……
病机
M
进行格式化并存储
。
[0010]上述装置中，所述主题模型训练模块是通过训练格式化数据得到主题模型，包括以下步骤：步骤一
、
获取基础模块中已格式化的中医医案数据集；步骤二
、
将数据集中有病机标签的数据按照
K
折交叉验证进行划分；步骤三
、
建立病机分组标签生成过程
、
病机单元生成过程
、
症状权重分配机制和参数推理过程：建立病机分组标签模型和病机单元模型，在病机单元生成过程中引入症状权重分配机制；采用
Gibbs
采样过程估计病机分组标签模型中的参数，采用坍缩吉布斯采样过程估计病机单元模型中的参数；步骤四
、
将分组标签生成过程
、
病机单元生成过程
、
症状权重分配机制和参数推理过程构建成监督主题模型；步骤五
、
使用数据集训练监督主体模型，若满足终止条件，则调整模型超参数，训练得到效果最优的主题模型，并保存主题模型及超参数至存储器中；若不满足终止条件，则继续循环训练直至满足条件为止
。
[0011]上述装置中，所述病机分类识别模块是使用主题模型训练模块得到的病机分类模型，对新输入的无标签信息的临床记录进行病机分类识别，并将识别结果进行存储
。
[0012]有益效果：本专利技术目的在于提出一种基于监督
LDA
主题模型的中医病机智能识别方法及装置
。
装置中包含基础模块
、
文本数据采集模块
、
文本数据处理模块
、
主题模型训练模块
、
病机分类识别模块和输出显示模块
。
其中，在主题模型训练模块中应用
LDA
监督学习的训练方法，得到适用于中医病机分析的
LDA
主题模型，用于解决智能辨证算法无法融合领域知识的问题，最终得到适用于中医临床环境下的病机分析方法及装置
。
附图说明
[0013]图1是本专利技术所述装置框架图；图2是图模型示意图；图3是病机分类识别模块流程图；图4是病机识别装置流程图；图5是主题模型训练模块流程图
。
具体实施方式
[0014]在本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于监督
LDA
主题模型的中医病机智能识别装置，其特征在于：包括：基础模块
、
文本数据采集模块
、
文本数据处理模块
、
主题模型训练模块
、
病机分类识别模块和输出显示模块；所述文本数据采集模块用于采集医案数据；所述文本数据处理模块用于对采集的医案数据进行格式化处理；所述主题模型训练模块用于训练经格式化处理的数据并得到训练结果，即主题模型；所述病机分类识别模块用于对输入的新数据和主题模型进行病机分类识别；所述输出显示模块用于将病机分类识别结果进行显示和播放
。2.
根据权利要求1所述的装置，其特征在于：所述基础模块包括供电装置
、
处理器
、
存储器和交互总线
。3.
根据权利要求1所述的装置，其特征在于：所述文本数据采集模块包括采集设备和光学字符识别程序，通过所述采集设备拍摄已出版中医医案并将识别的文字结果保存到基础模块的存储器中
。4.
根据权利要求1所述的装置，其特征在于：所述文本数据处理模块的工作流程如下：
(1)
判断文本数据标签是否完整，如果完整则直接进入步骤
(3)
，如果不完整则转入步骤
(2)
；所述文本数据标签包含四诊症状
、
体征
、
病机；
(2)
标签不完整的数据交由领域专家处理，处理结束后视为标签完整数据，转入步骤
(3)
；
(3)
为当前数据生成唯一标识码；
(4)
判断当前数据是否拥有标识码，若是，则结束，若否，则转入步骤
(5)
；
(5)
将数据按照症...

【专利技术属性】
技术研发人员：王琳，张明川，吴庆涛，李美雯，朱军龙，宁召惠，刘牧华，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：