一種基於系統組合與用戶匹配的病機有向圖構造方法
2023-05-26 15:29:36
一種基於系統組合與用戶匹配的病機有向圖構造方法
【專利摘要】本發明公開了一種基於系統組合與用戶匹配的病機有向圖構造方法，包括：S1：分別根據系統組合策略和用戶匹配策略構造病機有向圖；S2：將系統組合策略與用戶匹配策略結合，對匹配把握度高於某門限值的症狀選用用戶匹配策略，對匹配把握度低於該門限值的症狀選用系統組合策略；S3：通過IS0-R法則篩選病機有向圖，獲得一個或多個ISO-R==1的病機有向圖；S4：根據獲得的病機有向圖數量，對病機有向圖進行處理，得到有且只有一個ISO-R==1的病機有向圖。本發明將系統組合與用戶匹配相結合，支持用戶匹配策略，在用戶匹配過程中考慮到症狀的不同表現形式、氣候、年齡等多種非症狀因子對辨證的影響，使智能辨證過程更貼近臨床，辨證結果準確度更高，可信性更好。
【專利說明】—種基於系統組合與用戶匹配的病機有向圖構造方法
【技術領域】
[0001]本發明涉及一種基於系統組合與用戶匹配的病機有向圖構造方法。
【背景技術】
[0002]「中醫智能辨證」是根據標準化的公認的中醫知識體系，通過數學模型或算法演算映射中醫人腦辨證基本規律的一類電腦程式或軟體。受現代科學技術的啟發與大眾科學意識形態的改變，中醫智能辨證在過去一度成為中醫現代化研究的熱點。其基本原理是將待求症狀組與系統預存的所有證型的標準化症狀組進行匹配，從而通過模糊數學等方法求得匹配度最高的模式為待求症狀組對應的證型，但從研究結果可以看出，目前該方面研究的廣度和深度是難以覆蓋和達到傳統臨床的。
[0003]目前國內大多數研究是基於計算機在數字處理方面的優勢，通過病症的規範研究，通過病狀與病機，病種間定量定性關係的確定，通過加權求和、閾值運算等模糊數學方法將待求症狀組與已知症狀組進行模式匹配，從而判別病種和病機並得出最終的證型。但由於人腦與計算機在實體結構和「思維」機制上的差異，以靜態模式匹配為基本原理的中醫智能辨證模型不可能原封不動地演繹臨床醫生的動態診療推理過程。
[0004]模式識別為目前中醫智能辨證領域的基本數學模型，其基本原理如圖1所示:
[0005]A、系統預存所有證型的標準模式-模糊集，如證型a對應的模糊集a的標準模式為(症狀1，症狀3，症狀5……)；
[0006]B、系統將待求症狀組(模糊集X)與上述所有證型的標準模式進行匹配；
[0007]C、系統運算並求得匹配度最高的模式，顯然該模式即為模糊集X所對應的證型。
[0008]可以看出，模式匹配類似於教科書般地將所有標準化的證型列舉於系統的後臺資料庫中，然後將待求症狀組與後臺所有的證型進行對比，匹配出最相似的證型，該證型即為待求症狀組的證型。相比與教科書對證型的列舉，計算機的存儲量大，可以窮盡存取成千上萬種標準模式，並且計算機運算速度快，可以在極短地時間內完成對所有標準模式地查找與匹配。然而，如同臨床中的隨機症狀組合，不可能完全按照教科書中固定的某一證型發生發展，計算機窮盡列舉標準證型的方法也不能完全覆蓋臨床，大部分待求症狀組都不能完全匹配與某一標準模式，因此，系統只能求得匹配度最高的標準模式為該待求症狀組的證型。匹配度體現兩個模糊集之間的差異，而模糊數學恰好將這種差異進行了量化。目前大部分研究都應用了模糊數學這一基本方法，模糊數學在中醫智能辨證領域中的研究價值在於將待求症狀組(模糊集X)與後臺預存的標準證型(模糊集a、模糊集b、模糊集c……)進行匹配，並將這種匹配度進行量化。應用模糊數學進行辨證的方法和模型有:模糊聚類分析、模糊綜合評判、簡單模式識別(最大隸屬原則法)和複雜模式識別(海明距離，貼近度)等。運用模糊數學進行中醫辨證的前提是必須確定每個症狀在每個標準證型中的貢獻度(即權值)，它是建立在病例中症狀出現頻率的基礎上，根據相應的概率計算方法而求得。而一種症狀可能出現在不同的標準模式或證型中，一種標準模式或證型又含有不同的症狀。故很多研究者選取了貝葉斯條件概率模型或最大似然法作為權值的概率運算方法。[0009]運用模糊數學進行模式匹配的具體方法為:
[0010]A、加權求和，分別在標準證型(模糊集a、模糊集b、模糊集c……)中，將模糊集X中的待求症狀組進行加權求和，求得模糊集X在標準證型中的權值之和分別為Q (模糊集a)、Q (模糊集b)、Q (模糊集c)……；
[0011]B、證型篩選，顯然，權值之和越大，則對應的匹配度最高，具體的篩選方法包括:一種是排它性原則，即選擇權值之和最大的證型為其匹配證型；另一種為以閾值篩選原則，只要權值之和超過了閾值就可確診為該證型。按排它性原則進行篩選的醫理設計中，顯然不適合處理多病，多證的辨證模型，而固定閾值的篩選原則，很容易造成漏診與誤診，故很多研究者採用了浮動閾值的篩選方法。
[0012]傳統中醫辨證的關鍵和基本要求，是確定疾病的病位、病因與病性。現代臨床上將由病因、病位、病性等基本辨證要素相互組合而構成的證名作為比較完整、規範的名稱已成為共識。
[0013]朱文峰老師在其中醫辨證電腦系統的醫理設計中，確定了 48項辨證基本內容(SP辨證元素)，存取了 1500個標準證名模式(即複合證型)，並在其研究中，採取了「調閾、兼容」等辦法，並通過模糊數學相關理論，如利用空間度量法、變換減維(或增維)法等對48項模元(即標準證型模式)進行模糊聚類分析，可形成500多個演繹證名模式。
[0014]基於模式匹配的智能辨證模型中，必須確定標準證型模式。理論上講，48個基本辨證要素的所有排列組合是肯定能夠覆蓋臨床的，但一方面，其數據量(248)卻是一個天文數字，將其各種組合予以編排是不可能的，另外一方面，臨床上也並非各個辨證要素都可以任意排列組合，如{實火，陽虛}或{外風，實寒，實火}等組合方式在中醫理論體系下是不能構成證型的。這就是目前中醫智能辨證領域中共同存在的瓶頸問題-證型爆炸問題。
[0015]目前的中醫智能辨證系統多是基於症狀組輸入，證型輸出的診療模式，該模式的前提是作為運算參數的症狀以及症狀權值必須量化、證型必須標準化。然而一方面，症狀地量化是通過概率統計實現的，但是應用最大似然法(包括其它的計量統計方法)進行計量統計必須具備兩個條件:首先是要有足夠的病例，樣本越大，症狀頻率越穩定；二是作為診斷指標要多，指標多則辨證的準確率越高。然而中醫病例與統計指標的規範與統一卻值得進一步商榷。另外，證型標準化一直是中醫研究領域的熱點，但是能夠得到公認與推廣的標準化證型卻少之有少，並且由於證型爆炸問題的存在，系統所預存的標準證型不一定能覆蓋全部臨床。
[0016]基於ISO-R法則的中醫智能辨證系統的醫理模型以病機有向圖定義為基礎，通過病機有向圖的構造以及病機有向圖的篩選完成對症狀組的辨證。經典的醫理設計中，病機有向圖的構造是通過系統組合自動完成的，用戶無法參與進來，也無法考慮症狀的不同表現形式、氣候、年齡等多種非症狀因子對辨證的影響，病機有向圖的構造不太貼近臨床，辨證結果可信性較差。
【發明內容】
[0017]本發明的目的在於克服現有技術的不足，提供一種新型的基於系統組合與用戶匹配的病機有向圖構造方法，支持用戶匹配策略，在用戶匹配過程中考慮到症狀的不同表現形式、氣候、年齡等多種非症狀因子對辨證的影響，使智能辨證過程更貼近臨床，辨證結果準確度更高，可信性更好。
[0018]本發明的目的是通過以下技術方案來實現的:一種基於系統組合與用戶匹配的病機有向圖構造方法，它包括以下步驟:
[0019]S1:分別根據系統組合策略和用戶匹配策略構造病機有向圖；
[0020]S2:將系統組合策略與用戶匹配策略結合，對匹配把握度高於某門限值的症狀選用用戶匹配策略，對匹配把握度低於該門限值的症狀選用系統組合策略；
[0021]S3:通過ISO-R法則篩選病機有向圖，獲得一個或多個ISO-R==I的病機有向圖；
[0022]S4:根據獲得的病機有向圖數量，對病機有向圖進行處理，得到有且只有一個ISO-R==I的病機有向圖。
[0023]進一步地，所述的根據系統組合策略構造病機有向圖的步驟包括以下子步驟:
[0024]Slll:構造基本辨證要素集合，包括如下步驟:
[0025]Sllll:根據症狀與基本辨證要素之間存在的映射關係，建立症狀組對應的症狀-辨證要素集合P集合；
[0026]SI 112:自動從每個症狀的P集合中，選定任意的一個元素與其它症狀的P集合中的某一元素組合，形成基本辨證要素集合V集合；
[0027]S1113:獲得症狀組對應病機的基本辨證要素集合，完成基本辨證要素集合的構造;
[0028]S112:構造基本辨證要素關係集合，包括如下步驟:
[0029]S1121:根據基本辨證要素之間的關係，將基本辨證要素之間的兩兩關係通過矩陣存儲，形成關係矩陣表；
[0030]S1122:從關係矩陣表中調取V集合中對應的基本辨證要素關係，構造形成基本辨證要素關係集合R集合；
[0031]S1123:基於系統組合策略的病機有向圖構造完成。
[0032]進一步地，所述的根據用戶匹配策略構造病機有向圖的步驟包括以下子步驟:
[0033]S121:定義症狀種和症狀屬，中醫臨床中的症狀稱為症狀種,症狀種的不同表現形式稱為症狀屬，症狀種與基本辨證要素是一對多的映射關係，症狀屬與基本辨證要素是一對一的映射關係；
[0034]S122:根據症狀屬與基本辨證要素之間一對一的映射關係，用戶將臨床症狀的具體表現與系統靜態存儲的所有該症狀的症狀屬進行匹配，系統自動將匹配結果轉換為對應的基本辨證要素；
[0035]S123:將匹配得到的基本辨證要素與其它症狀的基本辨證要素進行組合，並以此構造基本辨證要素集合V集合、基本辨證要素關係集合R集合以及病機有向圖。
[0036]步驟S3所述的通過ISO-R法則篩選病機有向圖的步驟即判斷病機有向圖中是否有且只有一個入度為O的結點，若存在則返回ISO-R==I,不存在則返回ISO-R==O,它包括以下子步驟:
[0037]S301:定義G集合，G集合的本質為基本辨證要素集合與基本辨證要素關係集合；
[0038]S302:分別通過ISO-R法則對G集合進行驗證，包括以下步驟:
[0039]S3021:定義病機有向圖中頂點的出度為該頂點對應的行中為「I」的單元格個數，病機有向圖中頂點的入度為該頂點對應的列中為「I」的單元格個數；[0040]S3022:歷遍病機有向圖的關係矩陣表，判斷病機有向圖中各頂點的入度；
[0041]S3023:得到G集合是否有且只有一個入度為O的結點，如果存在則返回ISO-R==I,不存在則返回ISO-R==O ；
[0042]S303:篩選出ISO-R==I的G集合，即為符合病機定義的G集合。
[0043]所述的步驟S4包括以下子步驟:
[0044](I)當ISO-R==I的病機有向圖的數量等於I時，得到有且只有一個ISO-R==I的病機有向圖，取該病機有向圖作為症狀組的病機；
[0045](2)當ISO-R==I的病機有向圖的數量等於O時，它包括以下處理方法:
[0046]①重新匹配，系統將部分選用用戶匹配構造策略的症狀換用系統組合構造策略，系統構造得到的病機有向圖的數量得到增加；
[0047]②臨時搭建基本辨證要素關係，當病機有向圖中存在兩個或兩個以上入度為O的基本辨證要素時，臨時搭建其中一個基本辨證要素與其它基本辨證要素之間的關係，使得最終有且只有一個入度為O的基本辨證要素；
[0048](3)當ISO-R==I的病機有向圖的數量大於I時，它包括以下處理方法:
[0049]①重新匹配，系統將部分選用系統組合構造策略的症狀換用用戶匹配構造策略，系統構造得到的病機有向圖的數量得到減少，從而減少ISO-R==I的病機有向圖數量，直至最終得到有且只有一個病機有向圖符合ISO-R==I ；
[0050]②臨時刪除基本辨證要素關係，當存在多個病機有向圖符合ISO-R==I時，臨時刪除符合ISO-R==I的病機有向圖中入度為O的基本辨證要素之間的基本辨證要素關係，直至最終得到有且只有一個病機有向圖符合ISO-R==I。
[0051]本發明的有益效果是:
[0052]I)將系統組合與用戶匹配相結合，支持用戶匹配策略，在用戶匹配過程中考慮到症狀的不同表現形式、氣候、年齡等多種非症狀因子對辨證的影響，使智能辨證過程更貼近臨床，辨證結果準確度更高，可信性更好；
[0053]2)系統組合策略構造形成的病機有向圖數目為mXnXi Xj Xk個，顯然，ISO-R==I的病機有向圖數目可能不止一個，也就是說一組症狀系統可能得到多組病機，這在具體辨證過程中是不允許的；用戶匹配策略構造形成的病機有向圖數目為I個，然而，有且僅有的這個病機有向圖不一定能夠通過ISO-R篩選法則，也就是說一組症狀系統不一定能得到病機，這在具體辨證過程中也是不允許的；將系統組合與用戶匹配策略結合可以解決上述問題；
[0054]3)通過用戶匹配和系統組合構造得到多個病機有向圖，對這些病機有向圖進行ISO-R法則篩選，當篩選得到的病機有向圖數目大於I或等於O時，系統反饋並重新構造病機有向圖，直至最終有且只有一個病機有向圖滿足ISO-R==I,提高了辨證結果的準確度和
可靠性。
【專利附圖】
【附圖說明】
[0055]圖1為本發明病機有向圖構造方法總體流程圖；
[0056]圖2為症狀種「頭痛」的症狀屬與其P集合的映射關係圖；
[0057]圖3為根據不同病機有向圖數量進行處理的流程圖；[0058]圖4為病機有向圖的圖形形式描述之一；
[0059]圖5為病機有向圖的圖形形式描述之二；
[0060]圖6為病機有向圖的圖形形式描述之三；
[0061]圖7為病機有向圖的圖形形式描述之四；
[0062]圖8為病機有向圖的圖形形式描述之五。
【具體實施方式】
[0063]下面結合附圖進一步詳細描述本發明的技術方案，但本發明的保護範圍不局限於以下所述。
[0064]如圖1所示，一種基於系統組合與用戶匹配的病機有向圖構造方法，它包括以下步驟:
[0065]S1:分別根 據系統組合策略和用戶匹配策略構造病機有向圖；
[0066]S2:將系統組合策略與用戶匹配策略結合，對匹配把握度高於某門限值的症狀選用用戶匹配策略，對匹配把握度低於該門限值的症狀選用系統組合策略；
[0067]S3:通過ISO-R法則篩選病機有向圖，獲得一個或多個ISO-R==I的病機有向圖；
[0068]S4:根據獲得的病機有向圖數量，對病機有向圖進行處理，得到有且只有一個ISO-R==I的病機有向圖。
[0069]進一步地，所述的根據系統組合策略構造病機有向圖的步驟包括以下子步驟:
[0070]Slll:構造基本辨證要素集合，包括如下步驟:
[0071]Sllll:中醫理論體系下，症狀與基本辨證要素之間存在映射關係，這種關係是可數的、明確的，根據症狀與基本辨證要素之間存在的映射關係，建立症狀組對應的症狀-辨證要素集合P集合；
[0072]如症狀頭痛映射的症狀-辨證要素集合P集合為:{風寒外邪，風熱外邪，風溼外邪，血瘀，溼邪，腎虛，血虛，肝陽……}，假定症狀組{A，B, C，D，E}，其對應的P集合分別為:
[0073]PA: {PAI, PA2, PA3, PA4......PAm} ；PB: {PBI, PB2, PB3, PB4......PBn}；
[0074]PC: {PCI, PC2, PC3, PC4......PDi} ；PD: {PDI, PD2, PD3, PD4......PDj}；
[0075]PE: {PEI, PE2, PE3, PE4......PEk}；
[0076]症狀-辨證要素集合P集合中:
[0077]( I)元素本質為基本辨證要素；
[0078](2)?集合內部各個元素是唯一的，如？41，？42，？43，？麼4……PAm必定不相同；
[0079](3) P集合之間元素是可以相同的，如頭痛與咳嗽的P集合中都存在元素「風寒外邪」。
[0080]SI 112:自動從每個症狀的P集合中，選定任意的一個元素與其它症狀的P集合中的某一元素組合，形成基本辨證要素集合V集合；
[0081]V集合舉例如:
[0082]Vl: {PAI, PBl, PCI, PDl......PEI} ；V2: {PA2, PBl, PC3, PDl......PEk}；
[0083]基本辨證要素集合V集合中:
[0084]( I)元素本質為基本辨證要素；
[0085](2)元素個數為症狀組的症狀個數；[0086](3)理論上，V集合的個數為每個症狀的P集合中元素個數的排列數。假定每個症狀對應的P集合中元素個數分別為:m、η、1、j、k，則可形成mX η X i X j X k個V集合。實際上，V集合的個數是小於HiXnXiXjXk的，因為P集合之間，元素是可以相同的。
[0087]顯然，症狀組{A，B, C，D，E}對應病機的基本辨證要素集合必定屬於{VI，V2,V3……Vx}，在此，完成了基本辨證要素集合的構造；
[0088]S1113:獲得症狀組對應病機的基本辨證要素集合，完成基本辨證要素集合的構造。
[0089]中醫理論體系下，基本辨證要素是有限的。在朱文峰老師的《常見症狀中醫鑑別診療學》(朱文峰主編，北京:人民衛生出版社，2002)—書中編排了病因、病位、病性等48條基本辨證要素，我們根據模型需要暫且選取其中的病因、病性等32條基本辨證要素，另外我們根據臨床常見病因兼夾關係確定了 12條複合病因作為獨立的基本辨證要素，鑑於病位類型的辨證元素未與其它辨證要素存在直接的關係，故未納入。最後選取了《中醫診斷學》(王憶勤主編，北京:中國中醫院出版社》中臟腑辨證篇目中所確定的63條基本證型作為獨立地基本辨證要素，故在基本辨證要素集合中總共包含了 107條基本辨證要素元素。
[0090]中醫理論體系下，上述107條基本辨證要素之間的關係也是明確的，我們將上述107條基本辨證要素之間的兩兩關係通過矩陣存儲，則可形成107X 107項關係矩陣表表1。
基本辨證
【權利要求】
1.一種基於系統組合與用戶匹配的病機有向圖構造方法，其特徵在於:它包括以下步驟: S1:分別根據系統組合策略和用戶匹配策略構造病機有向圖； S2:將系統組合策略與用戶匹配策略結合，對匹配把握度高於某門限值的症狀選用用戶匹配策略，對匹配把握度低於該門限值的症狀選用系統組合策略； S3:通過ISO-R法則篩選病機有向圖，獲得一個或多個ISO-R==I的病機有向圖； S4:根據獲得的病機有向圖數量，對病機有向圖進行處理，得到有且只有一個ISO-R==I的病機有向圖。
2.根據權利要求1所述的一種基於系統組合與用戶匹配的病機有向圖構造方法，其特徵在於:所述的根據系統組合策略構造病機有向圖的步驟包括以下子步驟: 5111:構造基本辨證要素集合，包括如下步驟: Sllll:根據症狀與基本辨證要素之間存在的映射關係，建立症狀組對應的症狀-辨證要素集合P集合； SI 112:自動從每個症狀的P集合中，選定任意的一個元素與其它症狀的P集合中的某一元素組合，形成基本辨證要素集合V集合； S1113:獲得症狀組對應病機的基本辨證要素集合，完成基本辨證要素集合的構造； 5112:構造基本辨證要素.關係集合，包括如下步驟: 51121:根據基本辨證要素之間的關係，將基本辨證要素之間的兩兩關係通過矩陣存儲，形成關係矩陣表； 51122:從關係矩陣表中調取V集合中對應的基本辨證要素關係，構造形成基本辨證要素關係集合R集合； 51123:基於系統組合策略的病機有向圖構造完成。
3.根據權利要求1所述的一種基於系統組合與用戶匹配的病機有向圖構造方法，其特徵在於:所述的根據用戶匹配策略構造病機有向圖的步驟包括以下子步驟: S121:定義症狀種和症狀屬，中醫臨床中的症狀稱為症狀種,症狀種的不同表現形式稱為症狀屬，症狀種與基本辨證要素是一對多的映射關係，症狀屬與基本辨證要素是一對一的映射關係； S122:根據症狀屬與基本辨證要素之間一對一的映射關係，用戶將臨床症狀的具體表現與系統靜態存儲的所有該症狀的症狀屬進行匹配，系統自動將匹配結果轉換為對應的基本辨證要素； S123:將匹配得到的基本辨證要素與其它症狀的基本辨證要素進行組合，並以此構造基本辨證要素集合V集合、基本辨證要素關係集合R集合以及病機有向圖。
4.根據權利要求1所述的一種基於系統組合與用戶匹配的病機有向圖構造方法，其特徵在於:步驟S3所述的通過ISO-R法則篩選病機有向圖的步驟即判斷病機有向圖中是否有且只有一個入度為O的結點，若存在則返回ISO-R==I,不存在則返回ISO-R==O,它包括以下子步驟: 5301:定義G集合，G集合的本質為基本辨證要素集合與基本辨證要素關係集合； 5302:分別通過ISO-R法則對G集合進行驗證，包括以下步驟: S3021:定義病機有向圖中頂點的出度為該頂點對應的行中為「I」的單元格個數，病機有向圖中頂點的入度為該頂點對應的列中為「I」的單元格個數； 53022:歷遍病機有向圖的關係矩陣表，判斷病機有向圖中各頂點的入度； 53023:得到G集合是否有且只有一個入度為O的結點，如果存在則返回ISO-R==I,不存在則返回ISO-R==O ； S303:篩選出ISO-R==I的G集合，即為符合病機定義的G集合。
5.根據權利要求1所述的一種基於系統組合與用戶匹配的病機有向圖構造方法，其特徵在於:所述的步驟S4包括以下子步驟: (1)當ISO-R==I的病機有向圖的數量等於I時，得到有且只有一個ISO-R==I的病機有向圖，取該病機有向圖作為症狀組的病機； (2)當ISO-R==I的病機有向圖的數量等於O時,它包括以下處理方法: ①重新匹配，系統將部分選用用戶匹配構造策略的症狀換用系統組合構造策略，系統構造得到的病機有向圖的數量得到增加； ②臨時搭建基本辨證要素關係，當病機有向圖中存在兩個或兩個以上入度為O的基本辨證要素時，臨時搭建其中一個基本辨證要素與其它基本辨證要素之間的關係，使得最終有且只有一個入度為O的基本辨證要素； (3)當ISO-R==I的病機有向圖的數量大於I時，它包括以下處理方法: ①重新匹配，系統將部分選用系統組合構造策略的症狀換用用戶匹配構造策略，系統構造得到的病機有向圖的數量 得到減少，從而減少ISO-R==I的病機有向圖數量，直至最終得到有且只有一個病機有向圖符合ISO-R==I ； ②臨時刪除基本辨證要素關係，當存在多個病機有向圖符合ISO-R==I時，臨時刪除符合ISO-R==I的病機有向圖中入度為O的基本辨證要素之間的基本辨證要素關係，直至最終得到有且只有一個病機有向圖符合ISO-R==I。
【文檔編號】G06F19/00GK103473449SQ201310392249
【公開日】2013年12月25日 申請日期:2013年9月2日 優先權日:2013年9月2日
【發明者】鄭秀麗, 許強, 何成詩, 馮全生, 溫川飈 申請人:成都中醫藥大學