[發明專利]一種基于多標簽學習的藏醫診斷輔助裝置

有效

• 申請號: 202010026148.8
• 申請日: 2020-01-10
• 公開（公告）號: CN111128375B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 李巧勤;鞏小強;劉勇國;楊尚明
• 申請（專利權）人: 電子科技大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 甘茂

本發明屬于民族醫藥輔助決策領域，具體提供一種基于多標簽學習的藏醫診斷輔助裝置，用于解決傳統藏醫立法過程中存在的一些問題：即診斷結果的不準確性、差異性、缺乏客觀性解釋，本發明能夠為藏醫醫師診療過程提供輔助決策支持，其具有以下優點：1)特征視圖的構建：通過訓練過程的不斷迭代來動態更新特征視圖；2)標簽傳遞：在3個分類器之間兩兩傳遞最可靠樣本，優化分類器，提高分類準確度；3)最優分類結果選擇：使用“向量拼接”和“權重分配”相結合的方法選擇最優的預測結果。

技術領域

本發明屬于民族醫藥輔助決策領域，具體為一種基于多標簽學習的藏醫診斷輔助裝置。

背景技術

藏醫是祖國醫學寶庫的重要組成部分，已有三千多年的悠久歷史，為藏民族和整個中華民族的繁衍昌盛做出過巨大貢獻；藏醫藥學科學研究和傳承工作得到重視。在藏醫臨床試驗中，醫師主要根據以下3個步驟對患者進行診斷治療：1)辨證：醫師根據病因病機確定患者證型，2)立法：根據患者證候確定治療方法，3)組方：根據證型和治法進行開方；其中，治法是臨床遣方用藥的基礎，法隨證立，方隨法出，立法結果直接影響著臨床療效。近年來，很多研究者使用關聯規則、聚類分析、主題模型等方法從大量臨床案例中挖掘有效的藏醫診療規律，但是這些方法都主要集中于辨證和組方規律分析。而對于藏醫立法規律的研究，仍然處于傳統的人工方法階段，即醫師根據長期積累的自身經驗來進行治法預測。

使用傳統人工方法進行藏醫治法預測時，主要依賴醫師的個人經驗，導致診斷結果的準確率降低，而且不同醫師可能得到不同治法，根據醫師的個人經驗所得的診斷結果缺乏客觀性解釋。

發明內容

本發明的目的在于針對傳統藏醫立法過程中存在的一些問題，即診斷結果的不準確性、差異性、缺乏客觀性解釋，提供一種基于多標簽學習的藏醫診斷輔助裝置，為藏醫醫師診療過程提供輔助決策支持。

為實現上述目的，本發明采用的技術方案為：

一種基于多標簽學習的藏醫診斷輔助裝置，所述裝置包括用于輸入癥狀、證機概要、證候的輸入裝置，以及用于接收所述輸入癥狀、證機概要、證候的分類器，所述分類器由如下過程訓練得到：

步驟1：構建數據集，包括：M份具有治法標簽的慢性腎病案例、簡稱標記案例集，N份無治法標簽的慢性腎病案例、簡稱無標記案例集；

步驟2：基于特征視圖訓練初始分類器

步驟2.1：初始化特征視圖：從標記案例集中隨機抽取1份案例，并將其相應的癥狀、證機概要、證候分別作為3個初始化特征視圖；

步驟2.2：初始分類器訓練：基于標記案例集，使用ML-KNN方法在3個特征視圖上訓練基于癥狀特征的分類器、基于證機概要特征的分類器、基于證候特征的分類器，依次標號為分類器1、2、3；并且在每次訓練過程完成后更新相應的3個特征視圖；重復訓練，直到訓練完所有標記案例為止；

步驟3：優化分類器

步驟3.1：分類結果預測：使用訓練所得的3個分類器對無標記案例集進行分類預測，得到預測結果

其中，v表示分類器編號，表示分類器v預測案例j的概率向量，表示在分類器為v的條件下案例j的標簽為t的概率，t＝1,2,...,K，K為治法(標簽)總數；

步驟3.2：更新預測結果：

其中，表示更新后在分類器為v的條件下案例j的標簽為t的概率，表示更新后分類器v預測案例j的概率向量；

表示案例j與標簽t不相關的概率：

表示案例j與標簽t相關的概率：