人工神经网络在中医诊断信息化中的应用研究

辽宁中医药大学信息工程学院 刘世芳 吴 敏

“互联网+”背景下，中医诊断信息化程度不断提高，各项前沿技术在中医领域中的应用更为广泛，驱动医疗行业取得大量的研究成果，人工神经网络运用在中医诊断中，进一步提高中医诊断的信息化程度。基于此，本文主要研究人工神经网络在中医诊断的信息化中的应用，以期发挥人工神经网络技术在中医望诊中的辨识度，推进中医诊断向信息化方向发展。

中医学领域较为系统化，数据庞大，信息数据具有隐私性、模糊性等特点；人工神经网络作为一种能够实现非线性映射功能的新型智能信息处理系统，涉及到多学科领域的知识，包含了数学、生物、医学等，具有良好的容错性，可发挥分布式处理作用，系统功能优势明显。因此，将人工神经网络应用在中医诊断中，可实现对信息数据的优化处理，提高中医诊断信息化程度。

1 人工神经网络的特点以及应用现状

1.1 特点

人工神经网络（ANN）通过模拟生物神经网络结构和功能，对输入的信息进行处理，相关研究人员通过搭建人工神经网络模型，具体划分了层级模块：输入层-输入神经元、隐含层-隐含神经元、输出层-输出神经元。其中输入层负责接收外界的信号，并将接收到的信号引入到神经网络；隐含层则是对输入的信息进行分析和处理，并将处理后的信息反馈给输入层；输出层是将隐含层反馈的信息结果传输出去。输入层的神经元数量信息，包含了病因、病史等病症信息；隐含神经元的个数则是根据经验决定的，输出神经元是根据病症诊断结果确定数目的。ANN通过模拟人类大脑思维，产生联想和推理，更好解决中医学领域中复杂的、非线性和不确定性的自动化问题。通过人脑的模拟，构成了大量的神经元连接而成的网络。

1.2 应用现状

人工神经网络是应用在中医诊断中的有效方法，研究人员在不断的实践研究中发现人工神经网络可以应用于医学诊断中，基于中医层面，加强对中医病例中的数据研究和分析，以期验证人工神经网络具有应用在中医诊断中的可行性。医学诊断本身是一个映像的过程，可根据症状分析病症，并得出诊断结果，人工神经网络构造诊断系统在实际操作中，基于大量的实例数据样本进行分析，人工神经网络诊断系统中，每一条实例数据表示为输入值/目标值影像关系；人工神经网络通过学习后，优化了数据识别功能；在中医诊断中根据人工神经网络样本进行训练，将样本的输入值上传到输入层的节点中，人工神经网络对接收到的输入值和权值展开运算分析，并将运算结果通过输出层传输出去，一旦发现输出模式与样本模式存在偏差，人工神经网络支持网络权值的调整；并将权值调整到合适的输入值范围内，有效将输出模式与样本模式误差控制在合理范围内。人工神经网络得到充分训练后，得到样本特征知识，有针对性地将样本特征知识分布存储到网络中。研究人员在实际研究过程中，发现样本特征知识接受输入值后，会生成预设目标相似甚至相同的输出值，基于此，研究人员搭建了人工神经网络非线性映射模型，模型仿真实验分析中，发现人工神经网络训练后，在样本分析上体现了较好的适用性，同时支持预测未经过训练的人工神经网络，说明人工神经网络具有泛化能力。中医诊断中应用人工神经网络，对提供的样本提出较高的要求，要求每一个样本必须是一对症状值/诊断结果值，样本信息的提供，是通过相关中医学术成果获得的，并将病例症状和诊断结果在模型中进行量化和表示。相关研究人员基于此基础展开进一步的研究和探索，加强对人工神经网络系统分析，基于人工神经网络在中医诊断信息化建设中的应用视角，看待人工神经网络在中医诊断中的应用。

2 人工神经网络在中医诊断信息化中的应用

2.1 人工神经网络强化了对中医诊断脉象信息的辨识

中医诊断在多学科领域中渗透，并在人工神经网络支持下，在诊断信息的记录、提取和辨识上，取得长足的发展，支持对不同类别脉象的识别，包括吸毒人员、孕妇、正常人心脑血管等脉象信息的识别。研究人员通过构建一个3～4层的神经网络，可基于脉搏波动图谱中获得相关的参数信息，研究人员从中选取一定特征数量的人工神经元参数输入值，将提取到的样本一半信息作为实验样本、一半作为对照样本，在实践研究中取得了明显的研究进展，发展人工神经网络对中医诊断中的脉象信息识别率达到了80%。人工神经网络，可以对脉象信息进行频域分析，加强对脉象信息模糊性的对比研究，智能化处理能力较强，打破传统中医诊断对脉象信息的识别，提高中医诊断结果的准确率。基于人工神经网络自身具有诸多的优势特征，容错性较好，能够克服传统中医诊断中遇到的问题，切实提升诊断效果。研究人员在实际研究过程中，不断进行改进，加强对平稳随机信号的分析，加强对传统理论和技术缺陷问题的解决，在信息提取过程中好难过，可准确得到全部的脉象特征，并结合人工神经网络的判别类别进行分析，提高了脉象信息的精准性。基于不同的脉象信息反映出的特征值也不同，研究人员在实际研究人工神经网络对信息的判别能力过程中，结合不同脉象信息，提取具有代表性的特征值进行研究分析，保证中医诊断结果的准确性。

2.2 实现人工神经元网对中医舌象辨识的信息化

有研究人员在研究人工神经网络与中医舌象信息智能诊断之间的关系时，搭建了智能神经网络模型，在模型中输入向前提取到的样本数据参数，并在RBF算法支持下进行学习和训练；研究人员在实际进行肝病诊断工程中，通过搭建模型进行仿真模拟，实验分析发现，基于人工神经网络搭建的智能神经网络模型，较比传统诊断模式具有明显的信息化、智能化优势，诊断能力强，收敛速度较快，泛化能力较强；有研究人员采用的是MATLAB工具算法搭建了一个三层前馈式神经网络，主要辅助中医诊断舌象、主要病症等，将模型中输入相关信息，加强对实验样本的辨识，发现准确率为100%达到，计算结果准确率较高。在此基础上，研究人员将舌象等文字信息的表述，转化为二进制数据信息，依托Microsoft神经网络挖掘算法建立了中医舌诊知识库，加强对实验组样本数据的验证，并对舌诊非样本信息进行预测，通过实践验证发现，人工神经元网对中医舌象辨识程度较高，逐渐推动中医诊断向智能化、信息化方向发展。

2.3 实现人工神经网络下的中医证候辨识信息化

中医学系统本身较为复杂，需要就中医证候信息进行分析和整合，探究信息数据变化的内在规律，在实际分析中难度较大，在人工神经网络支持下，实现对证候信息的辨识，找出四诊信息之间的规律，为中医诊断探究出辨证的规律。人工神经网络具有非线性映射功能，优化了病症信息存储方式，提高信息处理方式，容错性能高，自组织和自适应能力强。可通过样本数据信息分析处理，强化对信息参数之间的联系，并从中医诊断中找出临床信息与证名之间的关系。在人工神经网络模型建设下，中医诊断信息化程度不断提升，在模型中，可从隐含层中找出有意义的知识内容，对于强化中医诊断结果具有可行性意义，为中医诊断信息化进程推进夯实了坚实的基础。

有研究人员在此基础上，构建了MATLAB前馈式神经网络，以提取样本进行实验操作的办法验证人工神经网络在中医诊断中的应用可行性，选取了16个典型的病例，加强对病例证型的辨别，通过实践操作，辨别出的结果与临床诊断信息具有一致性；有研究人员采用的是RBF神经网络对256份2型糖尿病病例进行证候辨识，在模型中输入层中输入40个节点，在隐含层中输入5个节点、在输出层中输入5个节点，建立了有关阴虚症状、气虚症状、燥热症的RBF网络模型，并对被测试的病例进行测试和分析，发现RBF神经网络分类能力、学习能力较强，优势作用显著，具有较强的分析能力。同时，有研究人员在冠心病临床诊断中，构建了MAT-LAB神经网络模型，在输入层中输入了106个节点、在隐含层输入15个节点、在输出层输入了6个节点，对心阴亏虚证、心阳亏虚证、气滞心脉症进行辨识，并在模型实验操作过程中，取得了良好的验证效果。

3 中医诊断信息化发展前景

基于人工神经网络在中医诊断中的应用，涉及到不同病例的诊断、同一病例的不同症状诊断、病情进展阶段的诊断以及舌诊的八纲辨证诊断，以舌诊的八纲辨证诊断来说，根据病情相关资料进行分析，加强对病症的全面分析，了解病情性质，严格按照八纲辨证诊断疾病，观察病情，并开展具有针对性的治疗措施，主要根据患者阴、阳、表、里、寒、热、虚、实对不同的舌苔和舌体进行判断。传统的智能化处理方法：将经验知识转化为规则内容，存放在知识库中；在具体的中医诊断中，将患者症状与知识库中的每一条规则逐一匹配，匹配成功后，才可得出结论，耗时较长，基于此，加强人工神经网络在中医诊断中的应用，可促进中医药产业发展进步。

中医诊断的复杂性等特征，需要研究人员基于科学视角出发，采用不同的方法进行处理。人工神经网络作为非线性智能信息处理系统，为中医诊断提供了信息化、智能化分析功能，当前也是广泛应用在中医学领域中的关键性方法，通过模型的建立，并在各个层级中输入相关的参数信息，对样本数据进行分析比较，减少主观判断因素的影响，保证总体诊断结构的真实性。人工神经网络为中医诊断信息化发展注入了一定的驱动力量，推进中医诊断信息化进程，满足中医学领域需求，更好为人民大众提供便捷的服务。

结论：综上所述，中医诊断信息化发展程度将在互联网+时代发展下，进一步的快速发展，并在人工神经网络以及各项信息技术的支持下提升中医诊断的智能化程度，为中医学发展提供技术支持，推进中医药事业健康长远发展。逐步实现基于网络技术支持下的远程问诊和线上问诊，更好为患者提供智能化的服务，助推中医药产业进步。