基于层次结构和神经网络的中医征候诊断系统 【技术领域】
本发明涉及一种中医征候诊断系统，是一种基于层次结构和神经网络的中医征候诊断系统。用于中医信息化智能诊断技术领域。
背景技术
中医从整体观的角度出发，认为证是疾病发展过程中某一阶段的病理概括，其本质是人体机能即时状态的综合反映。临床医生通过辨证论治的过程根据“证”确定治疗方法，再遣方用药。在传统的中医诊疗过程中，诊断结果的准确性取决于临床医生的医疗知识水平及其个人经验，具有很强的主观性和不确定性。为了实现中医诊疗的客观化、定量化，运用计算机技术实现信息化、智能化诊疗手段是传统中医发展的必由之路。其中关键的一个问题就是如何准确地模拟中医的诊断过程，即建立中医证候诊断模型，实现计算机诊断系统。
经对现有技术的文献检索发现，李长秦等人在《陕西中医》2003年第24卷第10期上发表的“微机模拟中医辨证系统的临床应用”一文，该文介绍了一个中医药疑难病证微机咨询系统，该系统设有症状数据库、证型数据库、方剂数据库、中药数据库，还有实现所有这些数据库之间联系的综合数据库，从解决疑难病证的辨治出发，并尝试用计算机规范中医证型，利用电脑程序模拟中医辨证施治、遣方用药。充分发挥了电脑超强地记忆、存储、检索、统计等功能，克服了人脑记忆的有限性，为临床疑难病证治疗提供了方便，经临床试用，结果证明，该系统确实有助于疑难病证的辨治。但该系统只是一个简单的辅助知识库，不能建立诊断信息与征候之间的客观模型。
【发明内容】
本发明的目的在于克服现有技术中存在的不足和缺陷，提供一种基于层次结构和神经网络的中医征候诊断系统，使其对量化的中医“四诊”特征信息进行处理并得到征候诊断结果，能建立诊断信息与征候之间的客观模型，并通过知识库的形式存储典型诊断信息和对应征候的模式，使系统诊断过程更快速准确。
本发明是通过以下技术方案实现的，本发明包括：影响因子计算模块、征候判断模块、典型数据库和可视化模块。其连接关系为：影响因子计算模块与征候判断模块连接，影响因子计算模块处理系统输入数据使之重组以指导征候判断模块动态建立，征候判断模块从影响因子计算模块读入重组数据推导出系统的输出结果，典型数据库与影响因子计算模块和征候判断模块建立双向连接关系，为二者提供经验数据，后两者读取并修改典型数据库中经验数据，可视化模块与影响因子计算模块和征候判断模块连接，能读取影响因子计算模块和征候判断模块的输入输出数据，并可视化展示在使用者面前。
影响因子计算模块是一个多元回归方法实现的系统，系统输入数据一旦读入，该模块从典型数据库中查找出对应系数并计算出输入数据各分量的影响因子，然后，根据影响因子的大小重组输入数据，即影响因子大的数据保留，过小的则舍去，此重组数据输入到征候判断模块。征候判断模块是一个复杂的神经网络系统，其权值系数等参数根据输入数据的模式从典型数据库中查找得到。由此，与征候判断模块可以诊断出对应输入的征候结果。可视化模块提供工具将系统输入、重组后输入和征候显示出来，实现与使用者的互动。典型数据库中的数据分类别由影响因子计算模块和征候判断模块读取和修改充实。
中医“四诊”信息与征候诊断信息之间存在一种非线性的多元映射关系，本发明通过神经网络模型来建立这种映射关系。由信号采集阵列获取的多通道、高维信息经过初步处理、提取出来的量化特征信息是高维的、大量的。处理这种数据的神经网络系统必然会是一种非常大规模的网络，计算耗时且不方便。本发明用多元回归方法建立第一层处理模块(影响因子计算模块)对系统输入做初步处理，结合知识库(典型数据库)，产生重组后的小规模输入数据，然后在第二层处理模块(征候诊断模块)中处理后得到正确的征候结果。
本发明与以往中医诊断系统对比，采用层次结构，降低系统规模、减少计算时间，提高使用效率；引入影响因子来建立第二层模块，实现动态模型，提高了系统的适应性；引入可视化工具，提高系统的人性化和交互性。
【附图说明】
图1本发明原理框图
【具体实施方式】
如图1所示，本发明包括以下四大模块组成：影响因子计算模块、征候判断模块、典型数据库、可视化模块。
1)影响因子计算模块
本系统的输入是量化后的“四诊”特征信息，是一个维数确定的高维输入量，由影响因子计算模块读取。影响因子计算模块分为两个部分，第一部分用前馈神经网络实现，采用多元逼近、多元回归方法，计算结果为对应各分量影响因子。第二部分根据经验阈值进行输入量重组，即当影响因子大于此阈值时对应特征分量可以作为征候判断模块的输入，否则舍去，从而实现重组输入量。第一部分神经网络的训练数据从典型数据库中读取，第二部分的经验阈值也保存在典型数据库中。
2)征候判断模块
征候判断模块根据重组后的输入量的组成，到典型数据库中查找出对应的模式建立一个多层前馈神经网络，由此网络推断出对应于输入量的征候，即得到诊断结果。
3)典型数据库
典型数据库保存的内容有：影响因子计算模块第一部分神经网络的训练数据，影响因子计算模块第二部分经验阈值(各输入分量对应阈值不同)，重组输入量组成模式对应的多层前馈神经网络结构。系统初始化时，典型数据库中需要人工输入初始的数据。
4)可视化模块
可视化模块提供可视化工具将影响因子计算模块和征候判断模块的输入输出量及典型数据库中数据用图形、动画的形式显示出来，并能由使用者交互操作，使得系统更具直观性、人性化和交互性。
典型数据库为影响因子计算模块和征候判断模块提供经验数据，同时后两者不断丰富前者的内容，如后两者一旦发现前者中不存在的模式立即保存到前者。影响因子计算模块根据系统输入量计算出各分量的影响因子，重组输入量(减少规模)作为征候判断模块的输入量，而后者是根据重组后输入量的组成动态建立，并推导出对应于系统输入量的征候。由此可知，典型数据库、影响因子计算模块和征候判断模块之间是相互作用、相互支持的关系。可视化模块将系统输入量、重组后输入和征候结果生动、直观地演示出来，并为使用者提供交互平台，允许使用者根据演示结果介入典型数据库、影响因子计算模块和征候判断模块的相互作用之中。