日常性中醫療法智能咨詢系統的制作方法

日常性中醫療法智能咨詢系統的制作方法
【專利摘要】本發明公開了一種西醫或大眾自助應用的日常性中醫療法智能咨詢系統。技術方案包括：經西醫檢查明確健康、亞健康、疾病三種狀態，分別就辨證相關因素設計供選擇的證候群組；應用偏差權重法分配證候群組權重；定義證型識別隸屬函數并應用多特征模糊模式識別法進行證型識別排序；經證型?處方轉換輸出中醫療法處方優選排序；并根據效果反饋優化排序。系統通過建立用戶信息數據庫、診斷?選擇證候數據庫、診斷?證候群組數據庫、療法處方數據庫等，設計證候采集、辨證、遣方、反饋修正等模塊相互間聯系支持，實現證候?辨證?遣方?反饋修正智能化過程，以期達到日常性中醫療法便捷精準查詢，解決大眾或西醫醫生應用時查詢不便、缺少辨證等問題。
【專利說明】曰常性中醫療法智能咨詢系統
[技術領域]
[0001] 本發明設及中醫智能辨證的醫學信息技術領域，具體設及西醫或大眾自助應用的 日常性中醫療法智能咨詢系統。
[【背景技術】]
[0002] 日常性中醫療法的普及和運用并體現出單純西醫無法達到的療效是中醫及中西 醫結合發展的基礎，對民眾康復保健有著積極的意義，常見如食療、單方驗方、非處方中成 藥等，運是類不必中醫專業醫生指導的常見中醫治療方式，或者說是類巨大的遠超出專業 醫生指導能力和精力外具有個體化特點的醫療信息需求，而在現實中又難W滿足。運些療 法對于非中醫專業醫生及未經系統中醫學理論學習和實踐的人們來說，需要時存在查詢、 辨證、擇方等諸多難點，導致其效能沒有充分體現和誤用情況，影響了中醫聲譽和流行推 廣。采用互聯網等實現方式建立西醫或大眾自助應用的日常性中醫療法智能咨詢交流平臺 則是高效的解決方案，建立辨證模型是方案的技術核屯、，其作用將使咨詢過程符合中醫辨 證思維的方式和特點，極大的提高咨詢精準度。
[0003] 有關計算機輔助中醫辨證在國內開展已有Ξ十余年，用于描述中醫專家系統核屯、 的中醫辨證數學模型和知識表達方法主要有:基于統計學方法的如多元統計分析建立的判 別函數和回歸方程，最大似然法等;基于數據挖掘方法的如貝葉斯模型、粗糖集、人工神經 網絡;其他如加權求和模型、加權數理邏輯模型、基于案例推理、基于賭權的灰色關聯模型、 群決策理論模型、Fisher和Bayes判別分析、支持向量機、主成分分析和因子分析、關聯規 貝1J、層次分析法等。雖然充分考慮了各類處理復雜問題數學方法的特點和在其他領域實現 的成功經驗，并進行單獨或結合應用嘗試，但對于研究辨證過程運種非線性的復雜系統都 存在不足，概括問題有:①多數學者試圖從證候的實質研究中發現能夠表達和鑒別各種證 候的指標或數據，達到中醫辯證量化的目的，而中醫辨證邏輯主要W象數方法即定性的方 法運用于辨證，要與運種具有鮮明模糊思維特征的思維過程進行融合存在困難。②作為辯 證分析主要依據的證候信息設計，其內涵概念表達過于寬泛，造成證候隸屬頻率與證的相 關性較差，影響證的判斷；其次不能反映病情的輕重，即病因、病位、病性、病勢的輕重緩急 程度，導致組方與用藥劑量的依據不足。③存在證的診斷標準不易制定。④包括證素辨證體 系，證候對證素、證素對證型進行量化都具有極大的主觀性。
[0004] 中醫的辨證論治過程是具有非線性特點的復雜系統工程，從辨證要素看，非線性 特點表現在證候作為證的診斷依據是模糊的、非量化不確定的，相互之間W及與病和證之 間是非線性關系；從思維特點看，中醫辨證邏輯主要W象數方法即定性的方法運用于辨證 過程，形成了取象比類、屯、悟體會等中醫傳統的思維方式，是主觀和經驗性的。能夠表達上 述模糊思維特征的各類算法中W模糊理論與模式識別理論結合形成的多特征模糊模式識 別方法最為契合，應用于證型識別過程能夠體現出其良好的系統柔性處理能力。難點在于 隸屬函數的定義。
[0005] 各證候在辨證論治過程中的權重不同，影響到系統的準確性，表現為證型或證素 的診斷中在同一證型內各證候的權重不同；同一證候對于不同證型的權重也存在差別。因 此，客觀分配證候權重也是亟待解決的問題。
[0006] 多特征模糊模式識別的應用分為兩個層面，一是疾病常見證型識別，同時也作為 療法數據輸入層;二是經過效果反饋調整適應癥后的療法處方識別，運一層面實質是為每 種療法處方尋求一種相適應的細分證型。可W理解為有多少療法處方就有多少證型，因為 不同療法處方存在作用強度和機理的差別。
[0007] 應W西醫檢查結果作為切入點，①目前人們已習慣于首先進行西醫檢查診斷，隨 后選擇西醫、中醫或中西醫結合治療，及時的西醫檢查不僅免于診治延誤，也規避了 W循證 醫學為依據的設醫法律法規風險。②西醫診斷具有明確的診斷標準，W體現病理生理的功 能及實驗室檢查指標作為主要依據，便于開展西醫指標與中醫治療間的關聯研究;③中西 醫病證結合(西醫診斷中醫辨證)研究多年，對西醫診斷前提下的常見中醫證型分類和相關 主要證候表現有足夠的認識和經驗積累，有利于系統設計應用。西醫診斷結果大致分為健 康、亞健康、疾病Ξ種狀態。
[000引食療、單方驗方、非處方中成藥等中醫療法總體可分為對癥、對病、對證Ξ類并據 此進行記載應用，對證情況占多數;而且經長期積累內容豐富，數量遠超出人腦記憶能力， 查詢不便。
[0009] 用于非專業者的咨詢系統設計還需解決的問題:①輸入的證候信息達到多數大眾 文化層次者所能感知和描述的水平，不必有醫學專業知識背景，并需考慮信息的缺失和容 錯問題;②適合大眾操作水平的界面設計;③療法的初始應用建立在已有經驗基礎上，通過 使用者反饋信息進行修正，W期提高咨詢的準確性。
[
【發明內容】
]
[0010] 本發明旨在幫助大眾或西醫醫生安全、合理、高效的應用日常性中醫療法(食療 方、單方驗方、非處方中成藥等）。為達到方便查詢和較高查詢精準度的目的，建立一種西醫 或大眾自助應用的基于中醫辨證和模糊數學理論的日常性中醫療法智能咨詢系統，系統技 術方案可由app、動態網頁和單機程序等方式實現。
[0011] 用戶應用前準備:建議用戶在使用本系統前進行西醫檢查明確健康或亞健康或疾 病狀態;健康及亞健康狀態者建議采用依據中華中醫藥協會頒發的《中醫體質分類與判定》 標準ZYYXH/T157-2009所設計的中醫體質測定軟件或問題回答評分(不在本發明范圍內）進 行九種中醫體質判斷，結果存入用戶信息數據庫，如忽略則均按平和體質對待。
[0012] 用戶簡要應用步驟:1、首次登錄注冊用于識別身份的手機號、密碼，選擇性輸入性 另IJ、年齡、體重身高等與醫療相關的隱私信息;2、選擇健康或亞健康或疾病狀態并進入相應 界面，其中疾病狀態界面有癥狀和診斷兩種選擇;3、系統依據不同身體狀態列出供選擇的 相關證候群，用戶根據對證候群的感知和理解進行單選或多選;4、經系統對相關輸入證候 的提取和運算給出日常性中醫療法排序及相關功效解釋等;5、用戶選擇療法并在應用后給 予效果評估;6系統依據反饋信息修正相關數據庫中內容，使得到持續優化。
[0013] 為了實現上述目的，提供一種中醫療法智能咨詢系統，其特征在于包括，
[0014] a.儲存單元，儲存有W下數據庫：
[001引用戶信息數據庫，包括:用戶基本信息表:用于記錄用戶手機號、密碼、性別、年齡、 體重、身高、職業、習慣愛好等;體質表:記錄體質測定結果;反饋信息表:記錄描述性評論、 效果等級評論W及用戶可信度評估等信息;使用記錄表:記錄曾輸入的證候和療法處方應 用記錄，
[0016] 診斷-選擇證候數據庫，包括，內、外、婦、兒、五官分類的各科診斷-選擇證候表:儲 存內容有系統名、西醫診斷名、診斷簡稱或俗稱、供選擇的辨證相關證候群組，例如，內科診 斷-選擇證候表記錄慢性支氣管炎內容:呼吸系統-慢性支氣管炎-慢支-證候群組:發熱、咳 嗽、咳疲…；癥狀-選擇證候表:記錄常見癥狀、供選擇的辨證相關證候群組;亞健康選擇證 候表:記錄供選擇的亞健康辨證相關證候群組，
[0017] 診斷-證候群組數據庫，包括，亞健康證候群組數據表:記錄亞健康證型、證候群 組、分證候、分證候隸屬頻率等；診斷-證候群組數據表:記錄西醫診斷名、證型、證候群組、 分證候、分證候隸屬頻率等內容;癥狀-證候群組數據表:記錄癥狀、常見證型、證候群組、分 證候、分證候隸屬頻率等內容，分證候隸屬頻率值=分證候陽性人數/總病例數* 100 %，
[0018] 療法處方數據庫，包括，食療處方表、單方驗方表、非處方中成藥表:分別記錄食 療、單方驗方、非處方中成藥的處方名、類別(對癥、對病、對證）、組成、主治、功效、功效說明 等內容;處方隸屬頻率規則表:記錄處方名、適用診斷或癥狀名、適用證型、證候群組、分證 候、分證候隸屬頻率，
[0019] b.證候采集模塊，與用戶信息數據庫、診斷-選擇證候數據庫進行信息交互，就用 戶Ξ種不同身體狀態分別提出供選擇證候，進而采集已選擇的證候等辨證相關信息發送至 辨證模塊。如:健康狀態，提取并傳送由互聯網獲取的氣溫、濕度、氣壓、地域等公共信息，W 及由用戶信息數據庫得到的年齡、性別、身高體重、體質等醫學相關信息；亞健康狀態則由 亞健康選擇證候表提取的亞健康辨證相關證候群組供選擇，W及由用戶信息數據庫得到的 體質等信息；疾病狀態狀態有癥狀和診斷兩種選擇，分別由各科診斷-選擇證候表和癥狀- 選擇證候表提供選擇證候，W上各選擇證候可單選或多選，
[0020] C.辨證模塊，儲存有多特征模糊模式識別函數和偏差權重函數，
[0021] 辨證模塊讀取采集到的證候，根據證候提取診斷-證候群組數據庫相關表中對應 的證候群組內分證候隸屬頻率，進而根據定義的證型隸屬函數獲得標準證型和待識別證型 的隸屬度值，
[0022] 采用多特征模糊識別函數得到待識別證型與標準證型庫的貼近度，
[0023] 將采集到的隸屬頻率通過偏差權重函數計算對應的各證型權重，
[0024] 根據得到的權重和貼近度計算加權貼近度，
[0025] 根據擇近原則得到證型排序，
[0026] d.遣方模塊，與辨證模塊連接，根據證型讀取療法處方數據庫相關表中關聯的療 法處方，并經擬合輸出療法處方及排序，需要說明的是處方初次應用是經證型-處方轉換 的，處方獲得與證型相同的分證候隸屬頻率值，而經應用反饋調整處方隸屬頻率后，則直接 進行處方排序，類同將每個處方作為一個證型處理。
[0027] e .反饋模塊，獲取反饋信息包括描述性評論和療效等級評估，進行綜合分析后采 用由高到底評級對應由高到底的數值，用W調整療法處方數據庫中處方隸屬頻率規則表內 的隸屬頻率數值。
[00%] f.顯示界面，用于顯示包括:證候采集模塊中供用戶選擇的證候、遣方模塊輸出的 療法處方及排序w及反饋模塊的反饋信息等。
[0029] 上述咨詢系統還具有如下優化方案：
[0030] 多特征模糊模式識別函數中，定義標準證型庫Ai的隸屬函數為：
[0034] 其中i為證型數，j為證候群組數，r為證候群內分癥狀數，q、t、s、c為待識別者分證 候在各證候群內的序號。
[0035] 所述證候辨證模塊中，應用多特征模糊模式識別函數時，兩個證候群間貼近度計 算方法采用模糊貼近度計算公式為
[0036]
[0037] 其中，HgtA = sup{A(x) IxeX}是模糊集合A的高度，
[003引 DpnA=inf{A(x) Ixex}是模糊集合A的深度。
[0039] 所述的偏差權重函數中：
[0040] 特征的標準偏差Si計算公式為，
[0041]
[0042] 其中％為特征i的均值，
[0043] 權重分配計算公式為，
[0044]
[0045] 權重向量定義為W尸{化，巧2，。'，巧。}，滿足歸一化1}\=^心。'：1，111為證候群組標準差 總和。
[0046] 所述待識別對象B與標準模式Ai之間加權貼近度Pi計算公式
[0047]
[004引所述擇近原則為:設Ai，BEF(X)，i = 1，2，...，n，若N(Aij，B) =maxi{N(Ai，B)}，則判 斷B與Ai功同類，其中B為待識別對象，Ai功標準模式。
[0049] 所述反饋模塊中，反饋信息包括描述性評論和療效等級評估，描述性評論進行綜 合分析后設為f，療效等級評估采用由高到低評級對應由高到低的數值設為X，療法處方數 據庫中處方隸屬頻率規則表內的分證侯隸屬頻率調整=原數值+rf*l〇〇%。
[0050] 本發明的有益效果:長久W來，中醫藥領域積累了無數用之有效行之方便的食療、 單方驗方、非處方中成藥等日常性中醫療法，運用現代信息技術手段可W極大的提高其應 用效率，本系統對于西醫醫生，能夠幫助他們便捷的應用運些日常性中醫療法于臨床，彌補 西醫治療的局限性，促進中西醫結合的發展；對于大眾，無需具備醫學專業理論知識和經 驗，可W隨時隨地方便的進行咨詢交流，有助于解決現實中人們對保健康復方法的困惑，重 要的是本發明辨證模型的設計將極大的提高查詢的準確性。系統對人們平時保健、緩解疾 病證狀、減少用藥、加速康復有著積極的意義，將促進中醫藥寶庫的開發利用。
[【附圖說明】]
[0051] 圖1是本發明的步驟流程圖。
[【具體實施方式】]
[0052] 下面結合附圖和具體實施例闡述本發明。運些實施例應理解為僅用于說明本發明 而非限制本發明的保護范圍。本領域技術人員可W對本發明作各種改動或修改，運些等效 變化和修飾同樣落入本發明權利要求所限定的范圍。
[0053] 圖1為本發明的系統組成結構示意圖，本實施例首先建立用戶信息數據庫、診斷- 選擇證候數據庫、診斷-證候群組數據庫、療法處方數據庫等，存儲系統所需數據，通過證候 采集、辨證、遣方、反饋等模塊間相互聯系支持，完成證候-辨證-遣方-反饋修正應用過程。
[0054] 本實施例中用戶信息數據庫，由下列各表組成，用戶基本信息表:用于記錄用戶手 機號、密碼、性別、年齡、體重、身高、職業、習慣等;體質表:記錄體質測定結果;反饋信息表： 記錄描述性評論、效果等級評論W及用戶可信度評估等信息;使用記錄表:記錄曾輸入的證 候和療法處方應用記錄。各表由相應內容的同名字段構成，手機號為唯一索引標記。
[0055] 本實施例中診斷-選擇證候數據庫，包括：內、外、婦、兒、五官分類的各科診斷-選 擇證候表:按照各科下分的各系統及各系統包括的各疾病次序記錄，內容有系統名、西醫診 斷名、診斷簡稱或俗稱、供選擇的辨證相關證候群組，其中西醫診斷W西醫本科系列教材中 診斷為參考，西醫診斷下辨證相關證候群組設計主要參考高等醫學院校中西醫結合系列教 材;癥狀-選擇證候表:記錄常見癥狀、供選擇的辨證相關證候群組，主要參考全國中醫藥院 校用"中醫診斷學"等教材;亞健康選擇證候表:記錄供選擇的亞健康辨證相關證候群組。
[0056] 本實施例中診斷-證候群組數據庫，包括:亞健康證候群組數據表:記錄亞健康證 型、證候群組、分證候、分證候隸屬頻率等，內容參考《亞健康中醫臨床指南》ZYYXH/T2- 2006;診斷-證候群組數據表:記錄西醫診斷名、證型、證候群組、分證候、分證候隸屬頻率等 內容;癥狀-證候群組數據表:記錄癥狀、常見證型、證候群組、分證候、分證候隸屬頻率等內 容。需要說明的是證候群組及分證候設計：將能夠表達病因、病位、病性、病勢、邪正狀態等 辨證要點和證或證素輕重程度的同一類范圍和性質(癥狀表現非此即彼）、輕重緩急程度的 證候，總結歸納形成多個證候群組作為辨證的基本要素，其組成中的分證候表達達到最小 化內涵概念，例如:對手足癖的辯證要點等進行特征選擇（即結構特征提取），梳理出3個特 征性證候群組:病程、癢痛感、皮損情況，各群分別由最小化內涵概念分證候組成:急性或慢 性反復不愈、無或輕微或較輕痊癢或劇烈痊癢或伴疼痛、丘瘤疹為主或糜爛滲出為主或粗 糖增厚脫屑，每一證候群組中分證候具有非此即彼特征。上述分證候隸屬頻率的分布數據 是經統計一定數量臨床病例產生，分證候隸屬頻率值=分證候陽性人數/總病例數*100%。
[0057] 本實施例中療法處方數據庫，包括:食療處方表、單方驗方表、非處方中成藥表:分 另呪錄食療、單方驗方、非處方中成藥的處方名、類別(對癥、對病、對證）、組成、主治、功效、 功效說明等內容;處方隸屬頻率規則表:記錄處方名、適用診斷或癥狀名、適用證型、證候群 組、分證候、分證候隸屬頻率，需要指出各處方的分證侯隸屬頻率初始值同所適用證型分證 侯隸屬頻率，在反饋調整后則不再相同。
[005引本實施例中證候采集模塊:與用戶信息數據庫、診斷-選擇證候數據庫進行信息交 互，就用戶健康、亞健康、疾病Ξ種不同身體狀態分別提出供選擇證候，進而采集已選擇的 證候等辨證相關信息發送至辨證模塊。如：健康狀態，提取并傳送由互聯網獲取的氣溫、濕 度、氣壓、地域等公共信息，W及由用戶信息數據庫得到的年齡、性別、身高體重、體質等醫 學相關信息；亞健康狀態則由亞健康選擇證候表提取的亞健康辨證相關證候群組供選擇， W及由用戶信息數據庫得到的體質等信息;疾病狀態狀態有癥狀和診斷兩種選擇，分別由 各科診斷-選擇證候表和癥狀-選擇證候表提供選擇證候。
[0059] 本實施例中證候采集模塊:輸入證候設計為可單選或多選。
[0060] 本實施例中辨證模塊:與證候采集模塊連接并讀入數據，采用偏差權重法對輸入 證候進行加權，定義證型判斷隸屬函數，運用多特征模糊模式識別法推導出中醫證型可能 性排序。步驟如下：
[0061 ]①確定證候論域；
[0062] ②通過研究對象的特征選擇，建立標準模型庫和標準模型及待識別對象的隸屬函 數；
[0063] 設標準模型(證型)庫Ai的隸屬函數為：
[0067] 其中i為證型數，j為證候群組數，r為證候群內分證狀數，q、t、s、c為待識別者分證 候在各證候群內的序號。
[0068] ③應用偏差權重法確定特征性指標的權重分配；
[0069] 特征的標準偏差Si計算公式
[0070]
[0071] 其中，為特征i的均值
[0072] 權重分配計算公式
[0073] 權重向量定義為Wj={wl，W2，…，Wn}，滿足歸一4·
m為證候群組標準差總 和。
[0074] ④多特征模糊模式識別算法：
[0075] 兩個模糊子集間貼近度計算方法:離散型隸屬函數采用模糊貼近度計算公式
[0076]
[0077] 式中
[007引 HgtA=sup{A(x) IxeX}是模糊集合A的高度(峰值）
[0079] DpnA=inf{A(x) IxeX}是模糊集合A的深度(谷值）
[0080] 兩個模糊向量集合族貼近度計算方法:待識別對象B與標準模式Ai之間貼近度Pi應 用加權貼近度計算公式
[0081]
[0082]⑤根據多個特性的擇近原則進行識別排序；
[008；3]擇近原貝 1J:設 Ai，BeF(X)，i = l，2r..，n^N(Aij，B)=maxi{N(Ai，B)}
[0084] 則判斷B與Αυ為同類，其中B為待識別對象，Αυ為標準模式。
[0085] 本實施例中反饋模塊:描述性評論是使用者使用過程中的體會敘述，系統根據評 論的合理性、字數、內容、用戶活躍度等多因素建立使用者可信度評價f (其中參考了確定性 理論），運種評價類似于權重;療效等級評估X是使用者對驗方的最終評論，簡分為"有效"、 "一般"、"無效"Ξ級，各等級標定有相應的3、1、-2數值應用于計算，療法處方數據庫中處方 隸屬頻率規則表內的分證侯隸屬頻率調整=原數值+rf*l〇〇%，為避免惡意或隨意性評價 對系統的損害，系統設計有過濾設置。療法處方淘汰規則是根據總應用例數、有效率(有效 人數/總使用人數）、不良反應等多項指標決定的，達到一定標準系統將自動進行刪除。
[0086] 本實施例W癥狀表現簡單的手足癖為例進一步說明。
[0087] 手足癖常見證型為Ai(濕熱蘊結）、A2(血虛風燥），用于證型Ai的驗方為Ri(臘梅 葉）、R2(桑皮汁），A2為R3(醋酸廳香液）、R4(大黃醋侵液）。
[0088] 設手足癖病人分證候為研究對象X，全體構成論域U，3個證候群為U上的3個模糊子 集，記為Ci = (Cii，Ci2，Ci3)，并構成一個模糊向量集合族，標準證型庫Ai = {Ai，A2} (i = l，2)， 其判斷是由特征性分證候決定的，記為AeC;。設待識別病人的證型Βι=(Βι?，Βι2，Βι3)，Βι? 是模糊向量集合族。
[0089] 根據手足癖臨床病例統計各分證候的隸屬頻率得表1資料
[0090] 表1分證候隸屬頻率（％)
[0091]
[0092] 各標準證型Ai的隸屬度決定于各證候群組中高發分證候的隸屬頻率即隸屬頻率， 依據標準模型（證型）庫Ai的隸屬函數定義和表1知標準證型Ai= (X11，X23，X31) = (0.64， 0.62,0.54)，A2 =(xi2,X24,X33) = (0.72,0.49,0.76)。
[0093] 各證候群組權重分配是根據表1數據應用標準偏差s計算公式和權重分配計算公 式計算得出，見表2。
[0094] 表2各證候群組權重分配表
[0095]
[0096] Ai前提下各證候群組權重Wj = (Wi，化，W3) = (0.28，0.39，0.33)，A2為Wj = (Wi，化， 化）= (0.35,0.23,0.42)。
[0097] -位待識別證型手足癖病人，2月前出現指間多處丘瘤疹，后破潰痊癢劇烈，現痊 癢減輕，皮損處基底淡紅色仍有滲出。
[0098] 待識別對象證型的隸屬度取決于各標準證型下分證候隸屬頻率，設待識別證型Bi 的隸屬函數和表1對應分證候為（XII，X22，X32)，其隸屬度在Al前提下Bl= (XII ,X22，X32)= (0.64,0.28,0.37)，A2為化=(0.28,0.12,0.16)。
[0099] 由模糊貼近度計算公式和加權貼近度計算公式計算得:Pi = 0.586，P2 = 0.744。
[0100] 根據擇近原則知病人證型排序為A2(血虛風燥)〉Ai(濕熱蘊結），將驗方替換Ai后形 成新的標準模型庫{Ri，R2，R3，R4}，A2〉Ai排序變成R3、R4〉Ri、R2，系統按50 %輸出處方排序:R3 (醋酸廳香液）、R4(大黃醋侵液）。
[0101] 該用戶應用R3(醋酸廳香液）后給予描述性評論和療效等級評估:有效，系統對描 述性評論評級并結合既往信度進行綜合加權權值0.5,療效等級加分值3,兩者積1.5* 100%，與處方隸屬頻率規則表中相應陽性分證候的隸屬頻率數值相加。
[0102]初始化與R2、R3與R4隸屬度相同排序是隨機的，且獲得與A2、Ai相同的分證候隸屬頻 率值，而經應用反饋調整處方的分證侯隸屬頻率再次應用時，貝峭b過證型識別而直接進行 處方識別排序，并且隨著增量病例修正，最終處方的分證侯隸屬頻率值在相應證候群組中 占比將逐步趨于穩定，各證候群組中高頻率分證候集合即為處方的最佳適應證，而排序末 位且多項指標超出設定界限的處方將被自動淘汰。
【主權項】
1. 一種日常性中醫療法智能咨詢系統，其特征在于包括， a. 儲存單元，儲存有以下數據庫： 用戶信息數據庫，包括，用戶基本信息表：用于記錄用戶手機號、密碼、性別、年齡、體 重、身高、職業、習慣愛好;體質表:記錄體質測定結果;反饋信息表:記錄描述性評論、效果 等級評論以及用戶可信度評估信息;使用記錄表:記錄曾輸入的證候和療法處方應用記錄， 診斷-選擇證候數據庫，包括，內、外、婦、兒、五官分類的各科診斷-選擇證候表:儲存內 容有系統名、西醫診斷名、診斷簡稱或俗稱、供選擇的辨證相關證候群組， 診斷-證候群組數據庫，包括，亞健康證候群組數據表:記錄亞健康證型、證候群組、分 證候、分證候隸屬頻率;診斷-證候群組數據表:記錄西醫診斷名、證型、證候群組、分證候、 分證候隸屬頻率內容;癥狀-證候群組數據表:記錄癥狀、常見證型、證候群組、分證候、分證 候隸屬頻率內容，分證候隸屬頻率值=分證候陽性人數/總病例數*100%， 療法處方數據庫，包括，食療處方表、單方驗方表、非處方中成藥表:分別記錄食療、單 方驗方、非處方中成藥的處方名、類別、組成、主治、功效、功效說明內容;處方隸屬頻率規則 表:記錄處方名、適用診斷或癥狀名、適用證型、證候群組、分證候、分證候隸屬頻率， b. 證候采集模塊，與用戶信息數據庫、診斷-選擇證候數據庫進行信息交互，就用戶三 種不同身體狀態分別提出供選擇證候，各選擇證候可單選或多選，進而采集已選擇的證候 和非選擇辨證相關信息發送至辨證模塊， C.辨證模塊，儲存有多特征模糊模式識別函數和偏差權重函數， 辨證模塊讀取采集到的證候，根據證候提取診斷-證候群組數據庫相關表中對應的證 候群組內分證候隸屬頻率，進而根據定義的證型隸屬函數獲得標準證型和待識別證型的隸 屬度值， 采用多特征模糊識別函數得到待識別證型與標準證型庫的貼近度， 將采集到的隸屬頻率通過偏差權重函數計算對應的各證型權重， 根據得到的權重和貼近度計算加權貼近度， 根據擇近原則得到證型排序， d. 遣方模塊，與辨證模塊連接，根據證型讀取療法處方數據庫相關表中關聯的療法處 方，并經擬合輸出療法處方及排序， e. 反饋模塊，獲取并依據反饋信息調整療法處方數據庫中處方隸屬頻率規則表的隸屬 頻率值， f. 顯示界面，用于顯示包括:證候采集模塊中供用戶選擇的證候、遣方模塊輸出的療法 處方及排序以及反饋模塊的反饋信息。2. 如權利要求1所述的日常性中醫療法智能咨詢系統，其特征在于所述的多特征模糊 模式識別函數中，定義標準證型庫Μ的隸屬函數為：定義待識別證型仏的隸屬函數為：其中i為證型數，j為證候群組數，r為證候群內分癥狀數，q、t、s、c為待識別者分證候在 各證候群內的序號。3. 如權利要求1所述的日常性中醫療法智能咨詢系統，其特征在于所述證候證候模塊 中，應用多特征模糊模式識別函數時，兩個證候群間貼近度計算方法采用模糊貼近度計算 公式為其中，HgtA = sup{A(x) |xeX}是模糊集合A的高度， DpnA=inf {Α(χ) |χΕΧ}是模糊集合A的深度。4. 如權利要求1所述的日常性中醫療法智能咨詢系統，其特征在于所述的偏差權重函 數中： 特征的標準偏差&計算公式為，其中5為特征i的均值， 權重分配計算公式為，權重向量定義為Wj={wi，W2,…，wn}，滿足歸一化為證候群組標準差總和。5. 如權利要求1所述的日常性中醫療法智能咨詢系統，其特征在于待識別對象B與標準 模式Ai之間加權貼近度Pi計算公式6. 如權利要求1所述的日常性中醫療法智能咨詢系統，其特征在于所述擇近原則為:設 八3奸(父）4 = 1，2，~，11，若1^小8)=11^#^，8)}，則判斷8與厶"為同類，其中8為待識 別對象，Ay為標準模式。7. 如權利要求1所述的日常性中醫療法智能咨詢系統，其特征在于反饋模塊中，反饋信 息包括描述性評論和療效等級評估，描述性評論進行綜合分析后設為f，療效等級評估采用 由高到低評級對應由高到低的數值設為X，療法處方數據庫中處方隸屬頻率規則表內的分 證侯隸屬頻率調整=原數值+xf *100 %。
【文檔編號】G06F19/00GK105825064SQ201610162746
【公開日】2016年8月3日
【申請日】2016年3月22日
【發明人】施弘
【申請人】施弘