中医诊断工程技术研究进展

，

上海中医药大学基础医学院中医四诊信息化实验室(上海，201203)上海中医药大学中医信息科学与技术中心(上海，201203)

中医学有着数千年的历史，具有独特完整的理论体系和丰富的实践经验，然而仅凭阴阳五行、四气五味这些玄妙的理论，很难让世人透彻认识和理解。如何促进中医药事业与现代社会同步发展，传统医学与现代科学技术相结合是必由之路。中医工程学的出现，标志着古代中医学已赋有当代工程技术的科学内涵，。中医学的精髓在于“辨证论治”，而辨证是以“望、闻、问、切”四诊为依据，通过四诊合参，达到审查病因、阐述病机、确定治疗原则以及判断预后等目的。但传统中医诊断往往取决于医师的主观意识、经验累积，受限于当时的环境因素，缺乏客观指标，难以重复验证等，成为中医药现代化发展的瓶颈。

短短几十年中医诊断工程技术发展迅速，中医诊断的客观化研究使中医诊断由功能想象的描述逐渐向阐明机制的方向过渡，使中医诊断学由主观、定性的经验医学发展成为兼有微观的、定量的现代中医诊断学。中医诊断工程的发生和发展，对于中医学的振兴、开拓和发扬光大将起到关键作用。

1 望诊研究

中医舌诊是通过观察舌质和舌苔的变化以了解机体生理功能和病理变化的诊察方法。近30年来，舌图像采集设备及舌图像分析方法进展很大。采集环境多相对封闭,如采用箱体、积分球式箱体、黑幕布摄影棚等。人工光源为荧光光源、固定卤钨灯、相机闪光灯、LED灯等，光源显色性、色温均模拟白天自然光。如北京工业大学沈兰荪[1]等，采用OSRAM标准光源研制舌象分析仪，并基于HIS彩色模型在舌图像分割、彩色校正、舌色舌苔分类方法等进行研究。清华大学与北京西苑医院联合[2]研制“舌诊专家”软件，对舌质、舌苔进行定量分析识别。上海中医药大学中医四诊信息化实验室建立了舌象采集的标准条件，并开展了舌色与苔色、舌质老嫩、点刺、瘀点等特征的识别研究，10余年来先后研制了TP-I型、ZBOX-I型舌脉象数字分析仪，已在多家高等中医院校及临床研究机构应用。课题组运用ZBOX-I型脉象数字化分析仪采集哮喘患者的舌脉象信息，分析了哮喘不同分期、不同证型舌脉象参数的差异[3]；并且运用该仪器采集慢性胃炎患者舌象参数，分析其与胃黏膜糜烂、炎症、Hp感染等病理改变的相关性[4]。由此证明该舌象分析系统对临床诊断有辅助作用。

中医面诊是通过观察人体面部皮肤的色泽变化来诊察病情的一种方法。20世纪80年代以来，随着颜色光学理论的发展和测色仪器的更新，面部色诊实验研究在国内外逐步展开。国内应用色差计、光电血管容积仪、红外热像仪器对面部色诊的一些理论进行了阐释，并将客观的面色信息用于临床辨证，为临床提供了客观定量的数据。取得了一定进展。如蔡光先[5-7]用日产便携式色差计进行病理五色定量测定、气虚证面色测定以及慢性肝炎患者面色测定等研究工作。王鸿谟[8-10]等在中医面部色诊的应用中,强调定色位、辨色质、相色气三项原则,制定了脏腑面部中心坐标图。这些都为中医面诊客观化、标准化研究提供了宝贵的经验。

大学生思想政治教育是高等教育中较为重要的一门学科。辅导员的工作是否完善是影响学生发展的关键因素之一。因此辅导员工作除了带有很强的学术性，还需要人格魅力。具体而言，辅导员应该做学生的表率，善于发现和解决问题、平等对待每个学生、把以情感人与以理服人相结合、开展丰富多彩的课外教育活动、帮助学生处理好情感问题等。

DNA条形码技术可以直接从基因水平提供鉴定依据，将有助于非分类学专业工作者对中药用植物进行快速、准确地鉴定，是传统鉴定方法的补充和拓展，具较好的推广和应用价值[24]。本研究结果分析了DNA条形码技术应用于中药用植物鉴定中被广泛关注的问题，证明了ITS2序列作为DNA条形码能稳定、准确鉴别滨海白首乌药用植物，为保障临床安全用药提供有效手段，也为萝藦科植物分子鉴定和遗传多样性研究奠定了基础。

20世纪80年代，计算机信息处理技术开始运用于中医领域，其中以研发中医专家系统为主要标志，基本上都是基于规则的决策推理[35-36]，其缺点是自主“学习”能力和“适应”能力较差，知识自动更新困难。21世纪初对中医辨证推理开展了比较深入的研究，如采用人工神经网络建立中医辨证系统[37]、应用数据挖掘技术和决策树方法进行中医证型分类[38]。由于受限于当时四诊信息标准化采集手段及其信息化技术水平，参与辨证的客观化指标量化不足，影响了最终的辨证结果。随着科学技术的发展，中医四诊信息客观采集和分析系统的研究日益完善，在此基础上开展问诊、舌面、脉、声诊等四诊客观信息的融合研究成为中医诊断客观化研究的必然发展趋势。多年来本课题组在承担上海市科委专项基金项目、国家973项目、国家“十五”攻关项目及“十一五”科技支撑计划等研究期间，与国内多家知名大学和企业合作进行了中医脉诊、问诊、望诊和声诊等检测系统的研究，研制出中医四个诊法的采集与分析系统，其能够提供的客观化指标基本覆盖了四诊的信息，解决了参与辨证的客观化指标量化不足的缺陷，为开展“四诊合参”的信息融合研究奠定了基础。

2 声诊研究

早在20世纪70年代中期，已有学者探索将人工智能技术应用于中医问诊领域[19]，随着计算机信息技术的发展，越来越的研究者开始关注问诊模型的研究。中医诊断的优势在于将人体作为一个整体复杂动态系统，从症状体征等信息探查系统内部变化，辨析疾病证候。本课题组以系统科学的系统观和方法论为指导，选择隐结构方法进行研究，建立了心系的隐结构模型[20]，该模型在定性与定量层面与中医理论进行比较，有较好的一致性，为中医辨证的客观化提供了依据和方法；选择条件随机场、互信息、模糊数学等方法，定量与定性结合分析慢性胃炎症状、体征及证候间的复杂非线性关系，筛选证候诊断的关键症状、体征及微观指标组合(主症)，同时结合多标记学习和深度学习算法，模拟中医辨证中的大脑深度思维模式，处理中医辨证过程中的复杂性及非线性，构建符合中医辨证思维的临床主症辨证模式，建立了慢性胃炎中医证候模型[21]，模型的预测结果表明证型的相互关系与中医理论是基本一致的，得到的模型性能优越。

但中医声诊客观化研究存在一些问题，如声诊研究声样采集方法和声样尚未规范统一，同类研究的对比性较差；研究对象多为单一疾病，缺乏对临床多病种的对比研究；声学特征值的变化与情感起伏的对应关系尚未定论等问题。

3 问诊研究

问诊在四诊中占有重要地位，被视为“诊病之要领，临证之首务”。传统问诊是耳闻口述，其受医患双方的主观因素影响最大。根据文献[16]报道，用以表达四诊信息的症状表词有817个。由发生部位和性质联合组成的复合症状有2317个。如果再考虑症状的发生原因、诱发、加重等因素，形成的复合症状达4500个之多。为了满足临床科研的需求，人们在传统中医症状量化方法的基础上，吸取了现代医学和心理学中的一些较为成熟的对主观症状的量化分级方法，在中医症状的量化表达方面进行了尝试。

本课题组率先在国内开展面色检测系统研制，采用自制的环形发光二极管光源，较好实现了面色照片的真实还原；在外观设计上采用一次性吸塑面，使设计更具有人性化；暗箱设计便于临床采集携带。该系统通过对面部色和泽的分析，阐述中医气血盛衰等原理在此基础上，我们进一步研制了舌面一体检测仪器，结合机器视觉、背光模组等技术，建立适合舌象、面色采集的标准环境。通过对上海地区1000余例健康正常人的四季面色特征进行客观测量和定量分析检测，在一定程度上验证了中医学关于人体面色“春青、夏赤、秋白、冬黑”的理论。

量表是用来量化观察中所得印象的一种测量工具，主要评定被调查者的“主观感受”，与中医问诊的内容相似。近年来，中医界引进了不少国外的标准化调查问卷及量表，并加以修改。有些中医机构也自行设计了一批问卷及量表，用于症状的系统性收集和症状、证候规范。王哲等[17]采用临床流行病学调查、条目分析及经验性筛选等方法，编制简明抑郁症中医证候自评量表；刘凤斌等[18]根据中医临床辨证思维逻辑，提出了中医脾胃疾病PRO(patient reported outcomes)量表理论结构模型的构建思路。我们以心系病证为研究对象，在文献梳理及课题组专家讨论基础上初步形成量表的条目池，并对症状进行相应规范，研制了中医心系问诊采集量表。在量表制作完善的基础上，结合现代计算机技术，研制了问诊信息采集系统，实现了问诊病史记录的完整性、规范性及数字化。

中医声诊是闻诊的总要部分。声诊是指医生通过听患者的声音来辨析患者病情的变化。《内经》明确指出五音、五声与五脏相配，因此，凭借病人声音，可以辨五脏之病，辨阴阳虚实[10]。但因个人听觉的差异及各自生理、病例因素的影响，往往易造成声诊的漏诊或误诊。因此，使用现代信息技术研究中医声诊，提供客观的量化指标，可以避免主观和客观因素的干扰，辅助疾病的辨识。国内外中医声诊客观化研究较少，且研究方式不一致，主要对语音、咳声以及五音进行分析等。林源[11]等运用电脑音频分析仪，分析哮喘治疗前后发音改变的规律，高也陶[12]利用二十五音分析仪实时测定发音的频率，根据“五脏相音”理论，研究了健康人的二十五音规律。我们课题组研制了声诊采集分析系统，包括自制声音采集硬件、语音分析与识别软件。现代声学采录设备提高了声音采集的保真性，声诊分析技术正在不断的提高，尤其随着混沌和分形理论的出现，语音信号非线性分析的研究越来越多。本课题组运用了基于小波包方法，结合非线性分析方法分析了寒、热、虚、实证型受测者的声诊信息[13]；分析了肺系疾病不同证型不同病种受测者的声诊信息[14]，并基于“五脏相音”理论，分析五脏疾病患者的声诊信息，发现五脏疾病患者声音的部分频段的特征有显著差异[15]。

4 脉诊研究

早在20世纪50年代，科研工作者开始探索脉诊的客观化研究，在脉学理论、脉诊方法、脉象仪的研制以及脉象信息分析等方面均开展了大量工作，取得了长足进展。一方面，研制了多种脉象仪对脉搏波进行描记，能客观重现脉象的变化规律[22-23]；另一方面，运用各种信号处理方法对脉图进行分析，如时域分析[24]、频域分析、小波分析和希尔伯特-黄变换(HHT)[25]、非线性动力学分析等[26]，实现了脉象信号的分类识别以及脉象原理探讨。

式中Ci为工件Ji的完工时间。表1所示为一个FJSP实例，共有4个工件和3台机器。以工件J1为例进行说明，工件J1的加工过程包括3道具有顺序约束的工序，加工路线为O11→O12→O13，每道工序可能有多台可以选择的机器进行加工，如工序O11有M1、M2和M3共3台机器可以选择，对应的加工时间分别为3、4和4，工序O11只能选择其中一台机器进行加工，如表1所示，当工序O11选择机器M3进行加工时，对应的加工时间为4，其他工件以此类推。

不论是长春市还是其他城市，各个高校的足球课程的上课模式几乎都是老套的教学大纲和训练方法.如果采用结合俱乐部训练的模式去训练，这个课程需要花费大量的时间精力去学习，去思考，去设计.打破这种陈旧安逸的状态，无疑会受到一些大学老师的反对.

基于该脉象数据库，运用时域方法，可以得到脉象的脉位、节律、脉力、脉紧张度、脉流利度等信息。本课题组进行了冠心病患者的时域参数与冠脉狭窄程度及超声心动图关系的探讨[27]，对妊娠不同阶段脉象时域参数变化进行了观察研究[28]，并对原发性肺癌脉图参数特征及治疗干预后的变化进行了观察[29]，得到对临床有参考价值的结论。我们运用血液动力学方法，分析了平、弦、滑等临床常见脉图的波速与反射系数取值区间，研究了常见脉象的形成机理[30]。运用时频结合的方法如HHT研究冠心病与正常人的脉象特征差异，比较了同一患者支架植入手术前后脉搏信号的差异，得出HHT方法对于区别冠心病患者与正常人的脉象以及冠心病患者支架植入术前后的脉象变化有显著意义[31]。运用非线性动力学方法如样本熵分析、多尺度熵分析、递归定量分析研究了冠心病的脉象特征[32-34]，比较了其与正常人、高血压患者脉搏信号的差异，通过绘制三组脉象非线性动力学参数的ROC诊断曲线。发现脉象的非线性动力学参数对这三类人群的诊断效率较理想；对冠心病患者脉象的递归定理参数与其血脂、血凝和冠脉造影病变支数进行了关联研究，发现脉象的递归定量分析参数能够反映高密度脂蛋白胆固醇(HDL-ch)和低密度脂蛋白胆固醇(LDL-ch)的相对大小，在一定程度反映人体凝血系统、纤维系统的失调，在一定程度上能预测冠脉病变程度。

⑯爱新觉罗·弘历:《汲惠泉烹竹炉歌叠旧作韵》，裴大中、倪咸生修，秦缃业等纂:《光绪无锡金匮县志》，《中国地方志集成·江苏府县志辑》第24册，第26页。

国内研制的脉象仪有很多，主要包括北京医疗器械总厂生产的BYS-14型脉象仪，天津医疗器械研究所研制的MTY-A型脉图仪，上海医疗器械研究所研制的MX-3型脉象仪，南昌无线电仪器厂生产的MX811型脉图仪和MS-Z80脉图数据处理机，山东海洋学院研制的实时多功能脉象仪。上海中医药大学先后研制了ZM-I型、ZM-III型智能脉象仪以及TP-I型、ZBOX-Ⅰ型脉象数字化分析仪，建立了中医脉象采集规范，深入开展了脉象信息分析研究，建立了大样本的临床常见脉象数据库。

5 四诊信息融合研究

综上舌面诊研究取得了一定的进展，但仍存在亟待解决的问题。如现有的舌象采集设备多是从单一角度采集舌象，但人的视觉是多维立体的；照相机采集的单帧图像易受光源电压和舌体运动影响，而且购置的相机受限于厂家的生产，并存在知识产权纠纷隐患。在舌象信息分析方面如何提取舌神的荣枯，舌形的老嫩等，尚需研究者继续努力。在面诊研究方面，老年面部色着不匀的识别，面部纹理光泽的分析，以及五志七情信息的提取，均为难点。

脉象客观化研究方面仍有许多问题亟待解决。如中医“三部九候”脉诊理论与方法的运用研究不足，三探头传感器尚未走进临床；压力传感器获取的信息不能完全体现中医28脉，中医脉诊客观呈现需要多通道复合原理的传感器；有40余年现代化研究历史的脉诊尚未建立标准图谱及参数标准，而近期韩国向国际标准化组织(ISO)提交的脉象仪技术标准的提案已获通过，我国医学精华之一——脉诊在异国结出胜利果实！值得国人深思反省。

本世纪初，机器学习与统计方法的逐渐成熟为中医的四诊信息融合提供了方法学的指导。信息融合算法主要源于对现有的信息处理方法的引用和改进，涉及到的理论也非常广泛。随着科学技术的发展，本课题组对四诊信息融合研究做了许多创新性的尝试。2010年我们课题组借助自行研制的中医四诊检测系统获取患者的舌、面、脉、问、声音等四诊综合信息，应用人工神经网络、支持向量机等信息融合技术进行临床证候的识别研究，取得了一系列有意义的结果[39]。最近，我们课题组对机器学习领域的多标记学习进行了研究，提出了基于标记相关特征的多标记学习算法(Revelant Feature for Each Label， REAL)[40]，建立了793例心系疾病四诊信息融合的辩证模型，通过互信息最大化挑选出与证型最相关的特征子集，建立心气虚证、心阳虚证、心阴虚证、痰浊证、血瘀证和气滞证的识别模型；并同时运用ML-KNN[41]、BSVM[42]、ECC[43]、BP-MLL[44]、Rank-SVM[45]、LIFT[46]6种先进的多标记算法建立上述四诊信息融合的辨证模型，以识别率作为评价准则，对上述多标记算法建立的辩证模型进行了比较，结果基于REAL算法的辨证模型，其整体识别率最高，平均识别率达到86.6%。REAL模型能很好地处理兼证，更适合中医的辨证思想，该模型充分关注了证型和症状的关系，适合于建立四诊信息融合的辨证模型。

我们发现中医证型对应的主次症信息缺乏规范化，直接影响了智能辨证算法有效性的设计；缺乏大量其分布均与的样本，影响模型的“学习”能力和“适应”能力。

2.2.2 BIND BIND≥4分者24例，其预测神经系统不良预后的灵敏度为76.9%，特异度为75.9%，阳性预测值为43.5%，阴性预测值为93.2%。

6 中医诊断工程技术的展望

中医诊断技术是中医诊治疾病的关键手段，在漫长的中医学发展过程中承载着丰富的理论内涵和深厚的实践经验，为中华民族的繁荣昌盛做出了重大贡献。近现代以来，学者们对中医诊断的现代化研究进行了广泛深入的探索，中医诊断技术呈现出新的发展态势。

中医现代化任重而道远，大量的难题需要中医工程技术予以解决。有中医学自身的认识统一问题；有传感器研发改进问题；有诊法分析识别技术的提高以更符合中医原理；有标准数据库及参数标准的建设问题，等等。随着中医工程学的深入发展，我们期待中医诊断技术有大的突破，以能更好地为中医药临床疗效评价、中药新药评审的临床试验建立具有中医特征的评价指标，为健康评估体系提供技术依据；同时，开展中医诊断客观化、规范化及标准化研究，对于巩固我国医学在国际上的主导地位，确立我国医学的自主知识产权具有重要意义，为中医国际化奠定基础。

[1] 沈兰荪，赵忠旭，王爱民，等.基于图像处理的中医舌像分析仪的研究[J].国外电子测量技术，1999，(6)：33-35.

[2] 翁维良，黄世敬.中医舌诊客观化研究[J].中国工程科学，2001，3(1)：78-82.

[3] 张晓丹. 支气管哮喘中医临床辨证舌脉象信息特征研究[D].上海中医药大学研究生硕士 毕业论文，2009.

[3] 张晓丹. 支气管哮喘中医临床辨证舌脉象信息特征研究[D].上海中医药大学，2009.

[4] 徐贵华，袁利，王忆勤，等.慢性肾功能衰竭患者不同肾功能分期舌象客观化研究[J].中国中西医结合肾病杂志,2006，7(9)：530-531.

[5] 蔡光先.508例病理五色定量计测[J].中国医药学报，1996，11(1)：20-21.

[6] 蔡光先.102例气血虚证患者面部色泽定量分析[J].湖南中医学院学报，1990，(4)：217-218.

[7] 蔡光先，艾英.慢性肝炎患者面色定量实验研究[J].中国中医基础医学杂志，1996，2(2)：37.

[8] 王鸿谟，张栋.中医色诊学定位与红外热像数字化研究[J].中医药现代化多学科研究与工程技术,2004，6(4)：45-47.

[9] 王鸿谟.面部色部定位研究[J].山东中医杂志,2006,25(5):291-293.

[10] 王斌,杨爱萍.谈中医闻诊的重要意义[J].陕西中医,2005,26(12): 1398.

[11] 林源，林万庆，陈旭军. 哮喘病的灸疗前后二十五音频率变化的研究[J]. 2008，7(6):29-30.

[12] 高也陶.五脏相音[M].北京:中医古籍出版社，2007: 351-412.

[13] 陈春凤，王忆勤，颜建军，等. 中医闻诊信号采集与分析在虚、实证型辨别中的应用[J]. 中西医结合学报，2010, 8(10) : 944-948.

[14] 陈春凤.342例肺系不同病证患者的语音特征分析[D].上海中医药大学，2011.

[15] Chunfeng Chen，Yiqin Wang，Jianjun Yan，et al.Analysis of 903 Voice Signals of Patients with Five Organs Illness and Normal Persons in Traditional Chinese Medicine Auscultation[A].2010 IEEE International Conference on Bioinformatics & Biomedicine Workshops[C].China，Hongkong，2010.12：745-748.

[16] 王忆勤.中医诊断学研究思路与方法[M].上海：上海科学技术出版社.2008：149-371.

[17] 王哲，胡随瑜，陈泽奇．简明抑郁症中医证候自评量表初步编制[J]. 中国行为医学科学，2005，14(10):945.

[18] 刘凤斌，王维琼．中医脾胃系疾病PRO量表理论结构模型的构建思路[J]. 广州中医药大学学报，2008, 25(1):12.

[19] 宋宝珠，程钊，孙立友，等.中医专家电脑系统研究概况[J].安徽中医学学院学报，1987，6(4)：57-60.

[20] Zhaoxia Xu,Nevin L Zhang,Yiqin Wang ,et al.Statistical Validation of Traditional Chinese Medicine Syndrome Postulates in the Context of Patients with Cardivascular Disease[J]. The Journal of Alterative and Complementary Medicine, 2013， 18(11): 1-6.

[21] Liu Guoping, Yan Jianjun ,WangYiqin. Application of multi-label learning using the relevant feature for each label (REAL) Algorithm in the Diagnosis of Chronic Gastritis.Evidence-Based Complementary and Alternative Medicine[J]. 2012 (2012), Article ID 135387, 9 pages.doi:10.1155/2012/135387.

[22] 燕海霞，王忆勤，李福凤.中医脉象传感器的研究进展[J].上海中医药大学学报,2005，19(1)：62-64.

[23] 汤伟昌，李睿. 三部脉象检测系统的研究[J]. 中国医疗器械杂志,2005,29(3): 164-166.

[24] 燕海霞，王忆勤，李福凤.脉象信号分析方法的研究与应用新解[J].中医药学刊,2005，23(1)：129-130，190.

[25] 李福凤，王忆勤，孙仁，等.基于Hilbert-Huang变换和时域方法的冠心病患者脉图波形特征研究[J].中国心血管病研究,2008，6(4)：244-246.

[26] Rui Guo, Yiqin Wang, Haixia Yan, et al.Recurrence quantification analysis on pulse morphological changes in patient with coronary heart disease[J]. Journal of Traditional Chinese Medicine, 2012,32(4): 571-577,

[27] 李福凤，王忆勤，姚笛，等.冠心病脉图特征与冠脉狭窄程度、超声心动图的关联研究[J].世界科学技术-中医药现代化,2008，10(1)：53-59,

[28] 倪正仙，王忆勤，张晓丹，等.240例妊娠中期和妊娠晚期脉象观察[J].时珍国医国药,2009，20(4)：947-948,

[29] 燕海霞，王忆勤，朱惠蓉，等.50例肺癌患者中西医结合治疗后舌脉象参数的变化[J].中西医结合学报,2009，7(3)：218-222,

[30] 郭睿，王忆勤，燕海霞，等.中医常见脉象的血液动力学参数分析[J]. 上海中医药大学学报. 2010,24(78):26-29.

[31] 李福凤，王忆勤，孙仁，等.14例冠心病患者冠脉支架介入治疗前后脉图变化观察[J].中医杂志,2008，49(8)：734-737.

[32] Rui Guo, Yiqin Wang, Jin Xu,et al. Research on Zheng Classification Fusing Pulse Parameters in Coronary Heart Disease, Evidence-Based Complementary and Alternative Medicine,vol.2013,doi:10.1155/2013/602672.

[33] 郭睿，王忆勤，燕海霞，等. 基于样本熵的冠心病脉象分析[J].中华中医药杂志,2013,10(28): 3015-3017.

[34] 郭睿，王忆勤，燕海霞，等.基于递归定理分析的冠心病中医脉象特征提取与分析[J]. 中西医结合学报, 2011，9(11): 1226-1233.

[35] 吕汉兴，孙德保，程良铨，等.中医专家系统辨证推理的决策模型[J].华中科技大学学报(自然科学版)，1989，17(6)：67-72.

[36] 罗运模.中医专家系统MONKEY的实现方法与技术[J].计算机学报，1988，(6)：371-377.

[37] 边沁，何裕民，施小成，等.基于MFB-P算法的中医证型的神经网络模型初探[J].中国中医基础医学杂志，2001，7(5)：66-69.

[38] 李海鲲，胡存刚，宗仁鹤.基于数据库的中医专家诊断系统的研究[J].微处理机，2005，26(1)：26-28.

[39] Yiqin Wang， Rui Guo, Haixia Yan, et al . Study on Intelligent Syndrome Differentiation in Traditional Chinese Medicine Based on Information Fusion Technology[A]. 2010 IEEE International Conference on Bioinformatics &Biomedicine(BIBM)[C]Hongkong. Dec.18-21,2010.

[40] 王忆勤.基于标记相关特征的多标记学习算法的四诊信息融合辨证模型的研究[J].全国第十一次中医诊断学术年会论文集，2011.

[41] A. McCallum. Multi-label text classification with a mixture model trained by EM. In Working Notes of the AAAI'99 workshop on Text Learning , Orlando, FL. 1999.

[42] M.R.Boutell, J.Luo, X.Shen, and C.M.Brown. Learning multi-label scene classification[J]. Pattern Recognition, 2004, 37(9): 1957-1771.

[43] J.Read,B.Pfahringer, G.Holmes, and E.Frank. Classifier chains for multi-label classification[J]. In W.Buntine, M.Grobelnik, and J.Shawe-Taylor, editors, Lecture Notes in Artificial Intelligence 5782, pages 254-269.Springer,Berlin, 2009

[44] M L Zhang and Z H Zhou.Multilabel neural networks with applications to functional genomics and txt categorization [J]. IEEE Transactions on Knowledge and Data Engineering, 2006 ， 18(10): 1338-1351.

[45] A.Elisseeff and J.Weston. A kernel method for multi-labelled classification[J]. In T.G.Dietterich, S.Bechker, and Z.Ghahramani,editors, Advances in Neural Information Processing System 14,pages 681-687. MIT Press, Cambridge, MA, 2002

[46] ML Zhang. LIFT: Multi-label learning with label-specific features [A]. Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI'11)[C] Barcelona, Spain, 2011.