[發明專利]一種中醫輔助診斷系統

在審

• 申請號: 202010732178.0
• 申請日: 2020-07-27
• 公開（公告）號: CN112002409A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 袁鋒;徐傳杰;鄭向偉;于鳳洋
• 申請（專利權）人: 山東師范大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06F40/211;G06F40/289;G06F40/30;G06N3/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

本發明公開了一種中醫輔助診斷系統，包括：數據獲取模塊，用于獲取中醫診斷文本與對應疾病，構建訓練集；模型構建模塊，用于根據訓練集分別對雙向LSTM網絡和BERT網絡進行訓練，以訓練后的雙向LSTM網絡和BERT網絡構建得到中醫輔助診斷模型；疾病預測模塊，用于根據中醫輔助診斷模型對待測中醫診斷文本進行預測，輸出預測疾病。結合雙向LSTM網絡和BERT網絡構建中醫輔助診斷模型，解決中醫診斷數據中存在的中醫專業詞匯表達有限的問題以及中醫文本中上下文信息不能夠被充分利用的問題，實現根據中醫臨床癥狀預測診斷相應疾病。

技術領域

本發明涉及醫藥技術領域，特別是涉及一種中醫輔助診斷系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

中醫TCM可用作現代醫學的補充療法，在中醫診斷中，中醫執業醫師對患者的相應證候進行分析，根據中醫四種診斷方法獲得的信息進行鑒別診斷，但是由于中醫診斷存在模糊性和主觀性，在診斷推理的過程中，容易發生誤診的情況，影響中醫人工診斷的準確性；為此，可以通過建立中醫臨床診治的智能輔助模型，幫助從業人員利用復雜的醫學知識，在臨床診斷決策中更有效，更快速地處理各種醫學問題，避免遺漏以及重要信息和線索的丟失，從而為疑難雜癥找到更多解決方案。

傳統的中醫輔助診斷模型采用綜合分析法，結合數據挖掘技術，提出一種個人理解方法和統計分析方法，以探索中醫疾病治療的辯證法和治療規律，但是由于個人水平和研究目的不同，結論相對主觀且費時，結論推廣相對較差；近年來，機器學習尤其是深度學習為中醫臨床診斷的輔助模型提供新方法，以從海量的醫學數據中快速發現醫生的學術思想和臨床經驗，如卷積神經網絡、遞歸神經網絡(RNN)以及fasttext，為了提高準確性，不少學者將attention機制引入到相關的模型中來；張詩如等人基于卷積神經網絡提出了一種輔助診斷的模型，此模型可以通過人們的手腕脈搏診斷來對病人的病情進行診斷；Kale等人將現代LSTM應用于多元臨床時間序列的大型數據集的工作并取得了不錯的效果；胡秦安、于彤等人基于fasttext提出一種可以通過計算陰陽辯證法來進行輔助診斷的模型；以及使用神經網絡和隨機森林進行建模，在多類別分類的臨床診斷中顯示出很高的準確性，這些模型的輸入可以是單詞或字符，雖然避免傳統方法存在的問題，但是在進行預測的時候不能夠很好的表達中醫文本中的上下文信息，相關學者指出中醫醫案分為望聞問切四個部分，這四個部分之間相互聯系，相互依賴，所以在進行編碼和訓練時要充分利用上下文的信息，對上下文的信息要求較高；但是目前的模型缺乏對中醫文本上下文信息的理解，不能充分利用中醫文本的上下文信息。

Devlin等人提出的文本表示的預訓練模型Bidirectional EncoderRepresentations from Transformers(BERT)包括兩個階段：首先，對BERT進行大量文本的預訓練，其目標是屏蔽語言建模和下一句預測；其次，該預訓練網絡根據特定的任務，對標記的數據進行微調。該模型的第一步可以充分的利用上下文的信息，能夠很好的解決在編碼和訓練時對中醫上下文信息利用不充分的問題。

另外，雖然BERT模型已在中文維基百科文本上進行預訓練，可以捕獲中文的一般句法和語義信息；但是中醫臨床醫案與一般領域文本有很大不同，中醫臨床醫案包含許多中醫領域特定的癥狀，綜合癥；且許多中醫臨床醫案都以古代中文書寫，其中的漢字在句子中可以具有不同的含義和順序；而目前BERT模型仍然無法充分利用TCM臨床注釋文本中的四診信息。

發明內容

為了解決上述問題，本發明提出了一種中醫輔助診斷系統，結合雙向LSTM網絡和BERT網絡構建中醫輔助診斷模型，解決中醫診斷文本中存在的中醫專業詞匯表達有限的問題以及中醫文本中上下文信息不能夠被充分利用的問題，實現根據中醫臨床癥狀預測診斷相應疾病。

為了實現上述目的，本發明采用如下技術方案：

第一方面，本發明提供一種中醫輔助診斷系統，包括：