神经网络及在中医智能诊断中的应用

2019-11-16陈实

电子技术与软件工程 2019年20期

文/陈实

“中医药现代化”是国家中长期科技发展规划中提出的研究课题，目的在于促进现代科学技术与中医药的整合，完善中医药科学技术的现代化研究方法体系，在更好研究和发展中医诊疗体系的同时，大力推动中医药科学技术的现代化发展，使之与时代发展需要相契合。也使中华民族的传统医学被更多人熟悉、了解，使中医文明和中医文化更好地被继承和发展，使新时代的中医学体系焕发新的生机。通过对中医诊断智能信息化技术的研究，逐步实现中医智能诊断，有助于使中医诊疗手段更加科学、客观、准确，对于增强中医科技创新能力、中医产业的国际竞争力等尤为重要。

1 中医智能诊断的研究现状概述

中医智能诊断即运用人工智能方法与技术针对中医诊断过程中望、闻、问、切等主要环节，开展中医诊断客观化的研究。上世纪五十年代起，就有专家学者开始将人工智能方法、技术等应用于中医药数据分析中，目的在于获得更为客观化的中医学知识。如采用现代检测技术描绘并记录脉象物理特征，以人工智能方法对其进行定性、定量识别分析，实现对脉象信息的获取与处理。也有学者尝试在中医脉诊中应用杠杆式脉搏描记仪，利用现代测试技术不断开发用于脉象记录和脉象检测的仪器。“中医舌象分析仪”的问世使舌象信息获得成为可能，还有研究者开发了“WZX舌色分析系统”，利用图像处理技术分析舌象信息的特征与分类。伴随中医智能诊断研究的不断深入，更多的人工智能方法逐步应用于中医诊断研究中，有研究者将中医辩证与贝叶斯网络结合在一起，有研究者在临床症状与舌诊症状组合与证型的关系匹配中融合人工神经网络技术，有研究者将粗糙集、贝叶斯网络运用到肝炎肝硬化的临床分类中，越来越多的研究者、一线临床医师开始关注中医药现代化建设和中医智能诊断。

但关于中医智能诊断的研究，更多的是侧重与对某一方面的研究，缺乏一定的系统性，总体水平偏低，与临床应用还有着较远的距离。基于处理信息的方法这一角度来看，多数研究者选择的主要是经典逻辑推理法、数理统计法等，或是两者组合开展相关研究。基于获取知识的方法这一角度来看，多数学者主要是将人工智能与中医诊断进行简单结合，难以从根本上解决问题，也无法将中医辨证施治的原理、过程等解释清楚。但随着越来越多研究者加入中医智能诊断的相关研究，对于加快中医智能诊断的实现进程、促进人工智能技术与中医诊断的深层整合有着重要意义。

2 基于神经网络的中医智能诊断分析

众所周知，在中医学临床领域中，症候是诊治疾病的关键要素之一，是疗效评估的重要依据之一。现阶段，对于中医症候的研究较多，但相对系统化、规范化的研究则较少，关于中医症候与其他症状间函数关系的研究更是少之又少。基于现代化信息处理技术研究中医药相关理论，需对大量文献资料进行数据挖掘，分析中医症候与症状之间存在的内在联系。人工神经网络是一种人工智能技术，它独具的数据挖掘功能能够对复杂系统中杂乱无章的海量数据进行有效处理，并在数据中寻找规律、寻找模式、寻找隐含在数据信息中的关联规则。在神经网络的支持下，应用自适应神经网络模糊系统实现对大量症候数据的数据挖掘，并通过建立模糊推理系统实现中医症候智能诊断。

神经网络与中医诊断的结合，首先需要整合神经网络，参考中医诊断理论，结合临床医师经验与临床病例情况剔除相对次要的、对中医辨证诊断过程影响很小的症状，基于专家经验与临床病例情况选择主要症状，将望、闻、问、切四诊作为诊断模型，将证候中提取特征作为输入进行分类识别。与此同时，根据中医证候的模糊特性，导入模糊神经网络算法实现证候诊断分类识别，提升模糊推理系统的自适应性、识别正确率等。其核心在于以神经网络实现模糊推理，构建自适应神经模糊推理系统，构建过程如下：证候主要特征提取——结合中医诊断理论确定推理规则——建立模糊推理系统——将模糊推理系统转化成相应的自适应神经模糊推理系统——应用临床病例样本对自适应神经模糊推理系统进行训练——优化网络结构和相关参数。

基于模糊神经网络的中医智能诊断系统是由3层构架构成的。第1层为模糊化层，通过隶属函数描述疾病典型症状，并运用隶属函数表示症状属性与病情情况，根据症状表现程度进一步对症状程度进行量化处理；第2层为模糊推理层，由输入层、隐含层和输出层所构成，具体网络结构如图1所示。第3层是解模糊层，通过修正最大隶属度，将输出结果的隶属度值、阈值进行对比，并进一步完成诊断。

通过临床样本数据和模糊推理系统构建相应的自适应神经模糊推理系统进行中医辨证诊断对于T-S模型的模糊神经网络可直接构建一个自适应神经模糊推理系统。该系统共有5层结构，如图2所示。假定所考虑的模糊推理系统有两个输入和一个输出，均为可提供数据对，同一层的每个节点具有相似功能，则可用O1,i表示第一层第i个节点的输出，并以此类推。第一层是模糊规则建立的第一步，即输入参数选择与模糊化；第二层即模糊规则激励强度的计算；第三层即对各条规则适用度进行归一化计算；第四层每个节点i均为自适应节点；第五层单节点均为固定节点。

3 结束语

现阶段中医主要是根据医生自身的医学思维习惯、临床实践经验等进行诊断，表现出一定的主观性，临床诊治过程中所获得的数据信息较为模糊，这在很大程度上限制了中医学的现代化发展。当前中医辨证诊断在客观化、定量化、标准化方面还非常欠缺，为了帮助临床医师全面考虑诊断结果，急需一种科学的方法排除各种主观因素、人为因素的不良影响，得到更加准确、客观的诊断结果。因患者表现的症状具有模糊性，本文提出运用模糊神经网络控制理论解决中医智能诊断的问题。将模糊神经网络与中医理论、中医临床经验等结合起来处理中医诊断智能化的问题，利用神经网络的学习算法，进一步实现模糊系统的自学习与自适应，从而构建自适应神经模糊推理系统。该系统可进行中医分型诊断，并实现BP学习算法，在处理非线性、模糊性、智能信息等方面表现出一定的优越性，具有良好的泛化能力与识别精度。