人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)臨床辨證模型研究中的應(yīng)用.pdf

1、本課題從理論和實(shí)驗(yàn)研究中醫(yī)辨證模型，采用基于人工神經(jīng)網(wǎng)絡(luò)的多標(biāo)記分類算法對(duì)臨床數(shù)據(jù)進(jìn)行建模。探索大數(shù)據(jù)機(jī)器學(xué)習(xí)，研究中醫(yī)智能辨證的新方法。
　　目的:
　　中醫(yī)智能辨證的研究不斷地發(fā)展，一套成熟辨證體系的建立往往需要經(jīng)過(guò)大量的計(jì)算機(jī)計(jì)算和反復(fù)人工干預(yù)才能完成，對(duì)于不斷發(fā)展更新的中醫(yī)理論和實(shí)踐，尋找一種具備自動(dòng)更新的智能辨證系統(tǒng)才能適應(yīng)不斷發(fā)展變化的新環(huán)境。
　　方法:
　　采用“中醫(yī)證素辨證系統(tǒng)”做為病例采集工具

2、，臨床收集的1146例病例做為實(shí)驗(yàn)數(shù)據(jù)，隨機(jī)分為2組，其中訓(xùn)練組764例，測(cè)試組384例。采集的每一例數(shù)據(jù)包括病癥、證素和證型三部分信息。采用基于神經(jīng)網(wǎng)絡(luò)的多標(biāo)記分類算法進(jìn)行機(jī)器學(xué)習(xí)，并對(duì)訓(xùn)練后的模型進(jìn)行測(cè)試。實(shí)驗(yàn)分三部分進(jìn)行，第一部分實(shí)驗(yàn)癥狀預(yù)測(cè)證素，第二部分實(shí)驗(yàn)證素預(yù)測(cè)證型，第三部分實(shí)驗(yàn)癥狀預(yù)測(cè)證型。每一部分實(shí)驗(yàn)分別對(duì)隱藏神經(jīng)元參數(shù)、輸入輸出激活函數(shù)進(jìn)行調(diào)整測(cè)試，得出最佳的模型。
　　結(jié)果:
　　癥狀預(yù)測(cè)證素的實(shí)驗(yàn)結(jié)果:

3、平均精度為0.79，覆蓋率為8.18，1-錯(cuò)誤率為0.18，漢明損失為0.94，排序損失為0.05;證素預(yù)測(cè)證型的實(shí)驗(yàn)結(jié)果:平均精度為0.38，覆蓋率為87.05，1-錯(cuò)誤率為0.68，漢明損失為1.00，排序損失為0.12;癥狀預(yù)測(cè)證型的實(shí)驗(yàn)結(jié)果:平均精度為0.25，覆蓋率為98.48，1-錯(cuò)誤率為0.84，漢明損失為1.00，排序損失為0.15。
　　結(jié)論：
　　1.采用基于人工神經(jīng)網(wǎng)絡(luò)多標(biāo)記分類算法來(lái)實(shí)現(xiàn)中醫(yī)辨證的機(jī)器

4、學(xué)習(xí)，在數(shù)據(jù)量較少的情況下，癥狀預(yù)測(cè)證素的實(shí)驗(yàn)中平均精度達(dá)到0.79，比預(yù)期的結(jié)果好，在未來(lái)有大數(shù)據(jù)支撐的情況下，再開(kāi)展機(jī)器學(xué)習(xí)，將有可能會(huì)大大提升實(shí)驗(yàn)結(jié)果，由此可以得出基于人工神經(jīng)網(wǎng)絡(luò)的多標(biāo)記分類算法做為一種中醫(yī)辨證的機(jī)器學(xué)習(xí)算法值得肯定。
　　2.本次實(shí)驗(yàn)中癥狀預(yù)測(cè)證型和證素預(yù)測(cè)證型結(jié)果都比較差，經(jīng)過(guò)分析實(shí)驗(yàn)數(shù)據(jù)，可以得出機(jī)器學(xué)習(xí)一方面需要比較大量的數(shù)據(jù)，另一方面數(shù)據(jù)集的分布需要比較均衡，以保證機(jī)器學(xué)習(xí)的訓(xùn)練充分有效，只有在這