[發(fā)明專利]基于循環(huán)神經(jīng)網(wǎng)絡(luò)的智能中醫(yī)開方模型訓(xùn)練方法及裝置

在審

• 申請?zhí)枺?/td>: 202011336491.9
• 申請日: 2020-11-25
• 公開（公告）號: CN112466436A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 王階;李謙一;張振鵬;李洪崢;杜強;楊墨翰;郭雨晨;聶方興;唐超;張興
• 申請（專利權(quán)）人: 北京小白世紀網(wǎng)絡(luò)科技有限公司
• 主分類號: G16H20/90
• 分類號: G16H20/90;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 北京八月瓜知識產(chǎn)權(quán)代理有限公司 11543
• 代理人: 秦瑩

本發(fā)明公開了一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的智能中醫(yī)開方模型訓(xùn)練方法及裝置，包括：構(gòu)建證候要素庫；將癥狀進行歸類；將證候要素和癥狀進行編碼，產(chǎn)生領(lǐng)域詞向量和屬性詞向量；將領(lǐng)域詞向量和屬性詞向量進行疊加產(chǎn)生疊加詞向量；使用循環(huán)神經(jīng)網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，將疊加詞向量作為輸入，預(yù)測第一個藥材的特征向量a、第二個藥材的特征向量b，以此類推，直到產(chǎn)生出給定數(shù)量的藥材為止。解決了傳統(tǒng)開方模型的詞向量對詞細膩度不夠的問題，同時學(xué)習(xí)藥材和藥材間的關(guān)聯(lián)，利用循環(huán)神經(jīng)網(wǎng)絡(luò)時序預(yù)測的特征，減少模型預(yù)測出藥性相沖突的藥材的可能性，并且可以體現(xiàn)出預(yù)測出的藥材的重要性，方便醫(yī)生后續(xù)進行減方或者藥方改良。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，尤其是涉及一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的智能中醫(yī)開方模型訓(xùn)練方法及裝置。

背景技術(shù)

中醫(yī)是基于陰陽五行以及長期的實踐和驗證的傳統(tǒng)醫(yī)學(xué)。其主要的診療思路可以用辨證論治進行概括，即首先根據(jù)病人的描述總結(jié)出癥狀，然后依據(jù)癥狀并且基于中醫(yī)診斷學(xué)來判斷出病人的證候要素，證候要素決定了病人的主要治療方向，即可以從證候要素得出病人的治法。最后結(jié)合癥狀，證候要素和治法進行開方。但是中醫(yī)的診療相對與西醫(yī)來說更加需要經(jīng)驗的沉淀和積累，主要是由于癥狀和證候要素的判斷缺乏統(tǒng)一的標準，同時藥材的使用存在各種禁忌，比如所謂“十八反十九畏”等。而普通的醫(yī)師很難獨自進行辯證和開藥，因此在現(xiàn)代中醫(yī)系統(tǒng)中會有一個審方來對初級醫(yī)師開具的方子進行審核，只有審核通過后才可以抓藥。

目前深度學(xué)習(xí)的發(fā)展迅速，在各行各業(yè)都有著亮眼的表現(xiàn)，結(jié)合深度學(xué)習(xí)的智能中醫(yī)開方系統(tǒng)也被廣泛的研究并且使用。通過使用智能開方系統(tǒng)，可以輔助初級醫(yī)師進行快速有效的診斷和開藥，提高整個醫(yī)療系統(tǒng)的效率。然而目前的智能開方系統(tǒng)存在準確性低，而且預(yù)測出的藥物存在藥性沖突等情況，導(dǎo)致其實用性低下，無法很好的作為一個輔助系統(tǒng)發(fā)揮其功能。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的智能中醫(yī)開方模型訓(xùn)練方法及裝置，旨在解決現(xiàn)階段中醫(yī)的智能開方系統(tǒng)準確性低，醫(yī)療系統(tǒng)的效率底下的問題。

本發(fā)明提供一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的智能中醫(yī)開方模型訓(xùn)練方法，包括：

S1確定所有的證候要素構(gòu)建證候要素庫；

S2將癥狀依據(jù)所述證候要素庫進行歸類，構(gòu)建訓(xùn)練樣本標簽；

S3將所述證候要素進行獨熱編碼產(chǎn)生獨熱向量a，將所述獨熱向量a輸入到全連接層a中產(chǎn)生所述癥狀的領(lǐng)域詞向量；

S4將所述癥狀進行獨熱編碼產(chǎn)生獨熱向量b，將所述的獨熱向量b輸入到全連接層b中產(chǎn)生所述癥狀的屬性詞向量；

S5將所述領(lǐng)域詞向量和所述屬性詞向量進行疊加產(chǎn)生疊加詞向量；

S6使用循環(huán)神經(jīng)網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，將所述疊加詞向量組成的特征矩陣輸入到所述循環(huán)神經(jīng)網(wǎng)絡(luò)的循環(huán)神經(jīng)元中，經(jīng)過非線性變換輸出預(yù)測出的藥材的特征向量a，將所述特征向量a和所述癥狀的特征矩陣進行拼接后再次輸入回所述循環(huán)神經(jīng)元中，產(chǎn)生第二個藥材的特征向量b，以此類推，直到產(chǎn)生出給定數(shù)量的藥材為止。

本發(fā)明提供一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的智能中醫(yī)開方裝置，包括：

要素庫模塊：確定所有的證候要素構(gòu)建證候要素庫；分類模塊：將癥狀依據(jù)所述證候要素庫進行歸類,構(gòu)建訓(xùn)練樣本標簽；領(lǐng)域詞模塊：將所述證候要素進行獨熱編碼產(chǎn)生獨熱向量a，將所述獨熱向量a輸入到全連接層a中產(chǎn)生所述癥狀的領(lǐng)域詞向量；屬性詞模塊：將所述癥狀進行獨熱編碼產(chǎn)生獨熱向量b，將所述的獨熱向量b輸入到全連接層b中產(chǎn)生所述癥狀的屬性詞向量；疊加詞模塊：將所述領(lǐng)域詞向量和所述屬性詞向量進行疊加產(chǎn)生疊加詞向量；神經(jīng)網(wǎng)絡(luò)模塊：使用循環(huán)神經(jīng)網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，將所述疊加詞向量組成的特征矩陣輸入到所述循環(huán)神經(jīng)網(wǎng)絡(luò)的循環(huán)神經(jīng)元中，經(jīng)過非線性變換輸出預(yù)測出的藥材的特征向量a，將所述特征向量a和所述癥狀的特征矩陣進行拼接后再次輸入回所述循環(huán)神經(jīng)元中，產(chǎn)生第二個藥材的特征向量b，以此類推，直到產(chǎn)生出給定數(shù)量的藥材為止。