BP 神经网络在中医药研究领域中的应用

付姝菲，刘宏艳，任海燕，李 戈，陈莉莉

（1.天津中医药大学中医学院，天津 301617；2.天津中医药大学健康科学与工程学院，天津 301617；3.天津中医药大学附属保康医院，天津 300190）

反向传播（back propagation，BP）神经网络于1986 年由Rumelhart 与McCelland 为代表的科学家团队提出，是指基于误差逆传播算法的多层前馈网络。BP 神经网络模型的拓扑结构通常由一个输入层、一个输出层和一个或多个隐层构成，信号经输入层输入，通过隐含层计算由输出层输出，如输出值与标记值有误差，将误差反向传播至输入层，对神经元权值进行调整[1]。BP 神经网络具有良好的自组织适应性、学习能力与对复杂非线性系统的分析与识别功能，在疾病诊断[2]、病情预测[3]、发病相关因素分析[4]、疾病预后[5]等医学领域的应用愈发广泛。本文旨在通过文献分析总结BP 神经网络在中医药研究领域中的应用现状，以期为解决相关问题提供参考。

1 资料与方法

1.1 检索策略 检索中国知网（CNKI）、万方数据知识服务平台（WANFANG DATA）、维普资讯中文期刊服务平台（VIP）、中国生物医学文献服务系统（Sinomed）和PubMed 等中英文数据库。以中文主题词“BP 神经网络/反向传播神经网络”“中医/中药”等，英文主题词“Back Propagation Neural Network/BP neural networks”“traditional Chinese medicine/TCM”等构建检索策略。检索时间为各数据库建库至2020 年12 月31 日。

1.2 纳入与排除标准 纳入以BP 神经网络在中医药研究领域中的应用为主题的硕博士学位论文、期刊论文、会议论文。排除综述、Meta 分析、系统评价类文献、重复发表或雷同文献。

1.3 数据资料提取与分析 应用Microsoft Excel 建立文献数据资料提取数据库，采集文献的发表信息（发表年份、来源、语种、题目、类型、第一作者等），研究领域（中医、中药），研究具体内容等相关信息。由两名信息员进行数据录入并交叉核对，以保证数据的完整性和准确性。采用频数，构成比等统计方法进行分析。

2 结果与分析

2.1 文献筛选结果 根据检索策略，各数据库共检出文献670 篇，去除重复检出245 篇，按照纳入与排除标准最终纳入文献363 篇，其中英文文献33 篇，文献筛选流程见图1。

图1 文献筛选流程图

2.2 文献基本信息 此类研究最早发表于1993 年，讨论应用神经网络评价中药威灵仙的质量[6]，2003年起发文量逐步增长，2011 年达到最高峰，年发文量27 篇，各年度发文情况见图2 所示（2020 年尚有文章持续被收入数据库）。纳入的文献以期刊论文为主，占58.40%（212/363），学位论文139 篇，占比38.29%（139/363），其中30 篇为博士论文；另外还有会议论文12 篇。贺娟、程翼宇作为核心研究者的发文量最多，各8 篇。收录此类研究的主要刊物见表1。

图2 BP 神经网络在中医药研究领域中的应用年发文情况

表1 BP 神经网络在中医药研究领域中的应用发文期刊（发文量≥5 篇）

2.3 文献分析结果 纳入的363 篇文献中有183 篇（50.41%）隶属中医相关研究领域，应用BP 神经网络辅助辨证，诊疗等方面；另外180 篇文献（49.59%）隶属中药研究领域，基于BP 神经网络优化提取工艺，分类分级鉴别等。

2.3.1 基于BP 神经网络的四诊信息分析与证候辨识BP 神经网络在中医四诊信息分析中应用广泛，望诊以舌诊为主，涉及19 篇文献，通过数字化舌象多重特征参数反复训练，对舌色、舌形、舌苔等进行自动分类识别[7]，见表2；另外，基于BP 神经网络反复校正的计算机图像检测，尚可对眼神[8]、面色[9]等特征信息进行处理。中医闻诊从听声音、嗅气味角度诊察疾病，利用支持向量机、BP 神经网络，结合小波包能量值和Shannon 熵值为中医声诊开展客观化研究提供思路[10]；而结合高精度曲线拟合模型的电子鼻系统能够稳定地反应气味数据的类别信息[11]。BP 神经网络在脉象识别中的应用是四诊信息分析中应用最为广泛的，涉及40 篇文献，近年来随着算法不断改进，针对特征复杂，种类繁多的脉象信息识别精度不断提高[12]，BP 神经网络在四诊信息分析中的应用为中医理论指导下的人体健康状态辅助诊断提供了客观依据。

表2 基于BP 神经网络的四诊信息分析

此外，四诊信息客观化为准确的中医辨证打下了坚实基础，基于BP 神经网络的体质辨识、证候分类涉及文献52 篇，病种13 个，其中对于冠心病、高血压、肿瘤（大肠癌、胃癌）的研究最多，不仅为中医证候判断提供有效支撑，同时又与实验室理化指标充分结合，使辨证准确度更高。

2.3.2 基于BP 神经网络的智能选方与方剂效能预测BP 神经网络在中医辨证领域中的广泛应用，为“方-证要素对应”原则指导下的智能选方奠定了基础[13]，为复杂病机的临证辅助选药组方开辟了思路。同时，BP 神经网络也为挖掘中药复方药性特征与功效间的非线性不确定关联提供了新的技术支撑，使中药复方功效的快速预测成为可能[14]，目前以126 种补益类中药复方为样本分析对象，对补气、补血、补阴、补阳功效预测准确率可达92.5%。同时应用BP 神经网络也促进了复方配伍的进一步优化[15]，以半夏、生姜、甘草三泻心汤为研究模板，提出了拆方优化实验设计同时结合人工智能数据挖掘，实现复方类方的知识发现。

2.3.3 基于BP 神经网络的中药多角度研究 180 篇文献涉及BP 神经网络在中药相关研究领域中的应用，主要包括提取工艺优化（52 篇），分类分级鉴定（41 篇），品种质量控制（38 篇），以及性味归经药性研究（15 篇），药效评价（11 篇），成分分析预测（10篇）等。如应用BP 神经网络结合正交试验优化解毒止血颗粒的提取工艺[16]；基于多参考相关系数法和BP 神经网络的近红外光谱法快速识别炉甘石[17]；通过聚类分析、判别分析结合BP 神经网络可对皂角刺及其伪品准确分类[18]；采用BP 神经网络构建的补虚药分类模型，预测结果正确率可达83.3%[19]，另外，对于中药材适生地选址[20]，中药废水处理[21]，价格预测[22]等也有报道。180 篇BP 神经网络在中药相关研究领域中的应用，文献关键词涉及中药主要为黄芪、甘草、丹参等，见表3。

表3 BP 神经网络在中药相关研究领域中的应用文献关键词涉及中药（频次≥3）

2.3.4 BP 神经网络在中医药其他领域中的应用BP 神经网络可用于中医证候、证素与西医指标的相关性分析[23]，针刺疗效的量化描述[24]，经穴电信号特性分析[25]以及提高按摩机器人的穴位寻找行为精度等[26]。另外，运用神经网络基于运气理论分析发病与气象因素的相关性也备受关注[27]。

3 总结

本研究通过对363 篇现代文献分析表明BP 神经网络在中医药研究领域中运用广泛，涉及中医四诊信息分析与证候辨识，智能选方与方剂效能预测，中药工艺优化、鉴定、质控等多个方面。由于BP 神经网络对于研究资料的类型、分布具有一定的容错性，可通过自我学习，自我调整逐步实现输入变量和输出变量之间的复杂映射关系，因此对于一些传统统计学方法不能完全适应的数据资料，应用BP 神经网络也可以进行客观分析。这种对于资料类型限制性较小，善于处理模糊、非线性、含有噪声的数据特点，加之其能够利用资料全部信息的“学习性”和“自适应性”，使BP 神经网络在中医药学研究领域数据挖掘中具有一定优势。诸如BP 神经网络之类的人工智能算法必将赋能中医药大时代，促进中医药信息化，智能化发展，以此助力中医药健康产业传承与发展。