[發(fā)明專利]一種基于SSTM的中醫(yī)證候智能診斷方法

有效

• 申請?zhí)枺?/td>: 201711096765.X
• 申請日: 2017-11-09
• 公開（公告）號: CN107887022B
• 公開（公告）日: 2021-10-29
• 發(fā)明（設計）人: 馬甲林;陳伯倫;張琳
• 申請（專利權(quán)）人: 淮陰工學院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于SSTM的中醫(yī)證候智能診斷方法，其特征在于，包括以下步驟：

(1)輸入計算機程序可識別的病人電子文檔診療記錄數(shù)據(jù)集；

(2)構(gòu)建癥狀-證候主題模型SSTM，并對模型中的參數(shù)求解；

(3)對SSTM進行訓練，保存訓練結(jié)果；

(4)輸入預測樣本；

(5)智能證候診斷—采用松弛SSTM進行增量訓練；

(6)診斷結(jié)果及其癥候規(guī)則輸出；

其中，松弛SSTM是SSTM在初始化和抽樣階段取消對證候隨機分配的顯性約束條件；

所述步驟(2)包括以下步驟：

(21)構(gòu)建SSTM，模型主題由來自數(shù)據(jù)集中顯性變量—證候標簽充當，對主題的分配只針對主癥，次癥不被分配主題，一個癥狀s_dn的生成概率公式如下：

其中，d表示一條中醫(yī)診療記錄，s表示癥狀，s_dn表示文檔d的第n個癥狀，z表示證候，z_dn表示文檔d的第n個癥狀所屬證候，y為主癥和次癥標記，y_dn＝0表示文檔d的第n個癥狀為主癥，y_dn＝1表示文檔d的第n個癥狀為次癥；

(22)對SSTM參數(shù)采樣求解，具體公式如下：

其中，“-”表示排除當前位置癥狀t；表示在文檔d中，排除當前位置癥狀t后所有y＝1的癥狀的計數(shù)，表示在文檔d中排除當前位置癥狀t后所有癥狀的計數(shù)，表示訓練集中排除當前位置癥狀t后，所有出現(xiàn)t的計數(shù)，表示訓練集中排除當前位置癥狀t后，所有癥狀的計數(shù)，V表示訓練集中癥狀個數(shù)，ν為Beta(ν)分布超參數(shù)，η為Dirichlet(η)分布超參數(shù)；

其中，“-”表示排除當前位置癥狀t，表示在文檔d中，排除當前位置癥狀t后所有y＝0的癥狀的計數(shù)，表示在文檔d中排除當前位置癥狀t后所有癥狀的計數(shù)，表示訓練集中排除當前位置癥狀t后，編號為k的證候中所有出現(xiàn)t的計數(shù)；表示訓練集中排除當前位置癥狀t后，編號為k的證候中所有癥狀的計數(shù)；表示在文檔d中，排除當前位置癥狀t后所有被標記為證候編號為k的癥狀的計數(shù)，表示在文檔d中排除當前位置癥狀t后所有被標記為y＝0癥狀的計數(shù)，M_d表示文檔d中證候的個數(shù)，ν為Beta(ν)分布超參數(shù)，α和β為Dirichlet分布超參數(shù)；

為證候k的規(guī)則參數(shù)，具體到某一個癥狀t屬于證候k的概率值采用均值參數(shù)估計法計算：

表示癥狀t屬于編號為k的證候的概率；

θ_d表示文檔d所含所有證候的概率參數(shù)，具體到某一個證候k屬于文檔d的概率，采用均值參數(shù)估計法：

表示證候k屬于文檔d的概率；

所述步驟(3)包括以下步驟：

(31)輸入采樣迭代次數(shù)Iter，超參數(shù)ν、η、α和β，訓練樣本集；

(32)隨機初始化1：遍歷訓練樣本集，對訓練樣本集中每一個文檔的每一個癥狀s，隨機地賦予一個y值，由向量y保存；

(33)隨機初始化2：遍歷訓練樣本集，對每一個文檔所有被賦予y＝0的癥狀s，從該文檔的Λ_d的集合中隨機分配一個證候編號，由向量z保存，Λ_d為文檔d中所有證候的編號集合；

(34)重新遍歷訓練樣本集，對每一個s，當s的主次癥指示變量y_s＝1時按照公式(2)重新采樣y_s值，當y_s＝0按照公式(3)重新采樣s的證候編號，并在向量y和z數(shù)據(jù)中更新；

(35)重復以上對樣本集的采樣過程Iter次，直至吉布斯采樣收斂；

(36)根據(jù)公式(4)統(tǒng)計得到證候規(guī)則

(37)輸出向量y和z，證候規(guī)則

所述步驟(5)包括以下步驟：

(51)輸入采樣迭代次數(shù)Iter，超參數(shù)ν、η、α和β，待預測樣本，步驟(37)獲得的向量y和z；

(52)隨機初始化1：遍歷待預測樣本，對其中的每一個癥狀s，隨機地賦予一個y值，由更新向量y保存；

(53)隨機初始化2：遍歷待預測樣本，對其中所有被賦予y＝0的癥狀s，從所有在向量z中出現(xiàn)的證候編號集合中隨機分配一個證候編號；

(54)重新遍歷待預測樣本，對其中的每一個s，當s的主次癥指示變量y_s＝1時按照公式(2)重新采樣y_s值；當y_s＝0按照公式(3)重新采樣s的證候編號，并在向量y和z中更新；

(55)重復以上對待預測樣本的采樣過程Iter次，直至吉布斯采樣收斂；

(56)根據(jù)公式(5)統(tǒng)計得到待預測病人的證候診斷結(jié)果θ_d；

(57)輸出待預測樣本證候診斷結(jié)果θ_d。

2.根據(jù)權(quán)利要求1所述的基于SSTM的中醫(yī)證候智能診斷方法，其特征在于，步驟(1)中所述數(shù)據(jù)集的每一條數(shù)據(jù)視作一個文檔d，由一個或者多個證候及相應多個癥狀組成。