基于機(jī)器學(xué)習(xí)技術(shù)的《傷寒論》方證分析方法研究.pdf

1、本課題將中醫(yī)研究與中醫(yī)藥信息化、智能化研發(fā)緊密結(jié)合，以國(guó)家“十五”科技攻關(guān)課題“基于信息挖掘技術(shù)的名老中醫(yī)臨床診療經(jīng)驗(yàn)與傳承方法研究”的子課題“名老中醫(yī)臨床經(jīng)驗(yàn)分析挖掘方法研究”為背景，以探索挖掘名老中醫(yī)臨證經(jīng)驗(yàn)的有效技術(shù)和方法為目的，以基于機(jī)器學(xué)習(xí)技術(shù)的《傷寒論》方證分析方法研究為內(nèi)容，在中醫(yī)理論的指導(dǎo)下，運(yùn)用信息技術(shù)，人工智能技術(shù)及其數(shù)學(xué)原理，基本實(shí)現(xiàn)了中醫(yī)處方內(nèi)涵屬性的數(shù)學(xué)建模與科學(xué)計(jì)算；并在此研究基礎(chǔ)上，應(yīng)用當(dāng)今國(guó)際先進(jìn)的支持向

2、量機(jī)技術(shù)完成《傷寒論》方證的分類識(shí)別實(shí)驗(yàn)。論文從文獻(xiàn)研究、理論研究、技術(shù)方法理論探討、軟件研制及其應(yīng)用研究等方面對(duì)《傷寒論》方證機(jī)器學(xué)習(xí)方法進(jìn)行了全面系統(tǒng)的研究，為中醫(yī)方證量化表達(dá)及其分類提供一種新的思路和方法，為挖掘和傳承名老中醫(yī)臨證經(jīng)驗(yàn)提供可靠的方法技術(shù)。 1 文獻(xiàn)研究 全面查閱整理了近年來國(guó)內(nèi)外有關(guān)《傷寒論》研究方法和機(jī)器學(xué)習(xí)技術(shù)的相關(guān)研究文獻(xiàn)資料，對(duì)目前《傷寒論》研究方法尤其是數(shù)學(xué)方法在《傷寒論》研究中的概況作了

3、詳細(xì)的總結(jié)并完成綜述的撰寫，對(duì)目前國(guó)內(nèi)外機(jī)器學(xué)習(xí)方法的研究動(dòng)念作了系統(tǒng)的總結(jié)并完成綜述的撰寫，掌握了相關(guān)項(xiàng)目科研的前沿動(dòng)態(tài)。 2 理論研究 在中醫(yī)學(xué)理論的指導(dǎo)下，較系統(tǒng)的論述了《傷寒論》方分類方法和中醫(yī)知識(shí)量化方法的相關(guān)理論，認(rèn)為在此研究基礎(chǔ)上尋求一種比較客觀的，具有普遍應(yīng)用價(jià)值的中醫(yī)方證的量化、分類方法——近似推理方法與支持向量機(jī)方法相結(jié)合，對(duì)于實(shí)現(xiàn)中醫(yī)理論量化是一個(gè)突破。也是中醫(yī)理論體系既保持自身特色體系，又繼續(xù)發(fā)展

4、與時(shí)俱進(jìn)的必山之路。 3 相關(guān)技術(shù)理論及其應(yīng)用研究 3.1 近似推理技術(shù)及中醫(yī)處方智能分析系統(tǒng)(CPIAS)的研制 3.1.1 近似推理技術(shù)近似推理指建立在不確定性知識(shí)和證據(jù)的基礎(chǔ)上的推理，實(shí)際上是從具有模糊性特征的認(rèn)識(shí)或經(jīng)驗(yàn)出發(fā)，經(jīng)過邏輯推理而推出既保持一定程度的不確定性，又是合理或基本合理的結(jié)論的推理過程。在人類認(rèn)識(shí)和思維行為中，確定性只是相對(duì)的，不確定性是絕對(duì)的，中醫(yī)學(xué)的知識(shí)具有非常明顯的不確定性(模糊性)

5、。由于中醫(yī)學(xué)中導(dǎo)致同一結(jié)果的解決方案不唯一，推理所需的知識(shí)呈非線性，專家的背景知識(shí)不一致等問題，因此在處方智能分析系統(tǒng)的推理計(jì)算過程中就需要采用近似推理方法。中醫(yī)處方智能分析系統(tǒng)的研制原理是基于近似推理方法設(shè)計(jì)的。其知識(shí)庫是建立在文獻(xiàn)調(diào)研的基礎(chǔ)上，并通過分析前人的研究結(jié)果發(fā)現(xiàn)《傷寒論》知識(shí)體系而建立的，主要內(nèi)容有藥效知識(shí)庫、效候知識(shí)庫、效證知識(shí)庫等。知識(shí)庫邏輯規(guī)則的確定均依據(jù)中醫(yī)理論，推理過程應(yīng)用了近似推理技術(shù)，知識(shí)的表達(dá)采用矩陣列表和

6、定性推理的方法，并且在各種符合中醫(yī)推理邏輯的算法幫助下對(duì)其進(jìn)行管理。 3.1.2 中醫(yī)處方智能分析系統(tǒng)(CPIAS)的研制藥味和藥量是藥效作用發(fā)揮的基礎(chǔ)，也是影響共處方功效改變的重要因素。由于藥物的性質(zhì)不同，其用藥的范圍會(huì)有很大的差異，處方中的實(shí)際用量不能直接對(duì)作用的強(qiáng)度進(jìn)行判斷，缺乏可比性。對(duì)此，以中醫(yī)理論為指導(dǎo)，設(shè)計(jì)了具體的數(shù)學(xué)算法，引入了“相對(duì)藥量”的概念，使得藥味和藥味之間的各種藥效強(qiáng)度分析有了可比性。并在此基礎(chǔ)上，設(shè)計(jì)

7、了具體的處方性味歸經(jīng)的計(jì)算模型。同時(shí)系統(tǒng)在兩藥效相互作用強(qiáng)度的計(jì)算中，引入“貼近度”的概念，即指兩種藥物在性、味、歸經(jīng)等因素的綜合貼近程度，按照同氣相求，異氣相斥的原理，如貼近度越大的藥物間的協(xié)同作用也越大，反之貼近度越小的藥物間的協(xié)同作用就越小，增加在計(jì)算藥效關(guān)系時(shí)的權(quán)重，使計(jì)算結(jié)果更為準(zhǔn)確。最后，用VB語言實(shí)現(xiàn)了在windows系統(tǒng)運(yùn)行的“中醫(yī)處方智能分析系統(tǒng)(CPIAS)”。實(shí)現(xiàn)了了處方藥物的作用力度(相對(duì)藥量)的預(yù)測(cè)、處方綜合藥

8、性強(qiáng)度計(jì)算、處方綜合藥味強(qiáng)度計(jì)算、處方綜合藥物歸經(jīng)強(qiáng)度計(jì)算、各種功效的強(qiáng)度計(jì)算、以及針對(duì)病證的臨床表現(xiàn)篩選最適宜的處方功效、在篩選出最適宜的功效強(qiáng)度的基礎(chǔ)上，再次預(yù)測(cè)處方的適應(yīng)證、并確定該處方所針對(duì)的臨床表現(xiàn)(癥狀體征)的主次。 3．2 支持向量機(jī)方法(SVM)及CMSVM機(jī)器學(xué)習(xí)系統(tǒng) 支持向量機(jī)方法是一種有堅(jiān)實(shí)理論基礎(chǔ)的小樣本學(xué)習(xí)方法。它基本上不涉及概率測(cè)度的定義及大數(shù)定律等，從本質(zhì)上避開了從歸納到演繹的傳統(tǒng)過程，實(shí)現(xiàn)

9、了從訓(xùn)練樣本到預(yù)測(cè)樣本的“轉(zhuǎn)導(dǎo)推理”。而且SVM的最終決策函數(shù)只有少數(shù)的支持向量所確定，計(jì)算的復(fù)雜性取決于支持向量的數(shù)目，而不是樣本空間的維數(shù)，這在某種意義上避免了“維數(shù)災(zāi)”。由于核函數(shù)的引入，應(yīng)用SVM方法建立的學(xué)習(xí)機(jī)分類模型是非線性的模型，SVM是一種處理非線性分類的有效方法。由于SVM有較為嚴(yán)格的大統(tǒng)計(jì)學(xué)理論作保證，應(yīng)用SVM方法建立的模型具有較好的推廣能力，可以給出學(xué)習(xí)結(jié)果的推廣能力和誤差的界。SVM以上的優(yōu)點(diǎn)很適合解決中醫(yī)學(xué)的

10、高維、小樣本、非線性等問題。 本課題系統(tǒng)研究支持向量機(jī)方法的理論基礎(chǔ)，支持向量機(jī)方法的原理，找到適合解決中醫(yī)分類識(shí)別問題的核函數(shù)——徑向基核函數(shù)，成立了CMSVM開發(fā)小組開發(fā)了CMSVM機(jī)器學(xué)習(xí)系統(tǒng)。 4 軟件應(yīng)用研究本課題利用中醫(yī)處方智能分析系統(tǒng)(CPIAS)，對(duì)從《傷寒論》中選出并一致化處理后的195個(gè)方證進(jìn)行了全面的量化分析，量化因子包括：相對(duì)藥量的計(jì)算，藥效強(qiáng)度、藥性強(qiáng)度、藥味強(qiáng)度、藥物歸經(jīng)強(qiáng)度的計(jì)算；通過宏觀量

11、化分析和知識(shí)規(guī)則介入的推理，實(shí)現(xiàn)處方適應(yīng)證的預(yù)測(cè)，并按強(qiáng)度排序；以當(dāng)前處方所針對(duì)的病證的臨床表現(xiàn)為依據(jù)，在上述分析的基礎(chǔ)上篩選出最適應(yīng)的功效強(qiáng)度；在篩選出最適應(yīng)的功效強(qiáng)度的基礎(chǔ)上，再次實(shí)現(xiàn)了處方適應(yīng)證的預(yù)測(cè)，并按強(qiáng)度排序；在篩選出最適應(yīng)的功效強(qiáng)度的基礎(chǔ)上，通過知識(shí)規(guī)則介入的推理，實(shí)現(xiàn)了該處方所針對(duì)的臨床表現(xiàn)(癥狀體征)的主次排序。其分析準(zhǔn)確率達(dá)到了95％。CMSVM機(jī)器學(xué)習(xí)建模系統(tǒng)對(duì)《傷寒論》方證量化分析后的數(shù)據(jù)，通過采用徑向基核函數(shù)，

12、選用用于小樣本分類的“交叉驗(yàn)證1”和“預(yù)測(cè)應(yīng)用”按照八法(汗吐下和溫清補(bǔ)消)進(jìn)行訓(xùn)練建模，并取得了較好的分類預(yù)測(cè)效果。研究結(jié)果表明該方法在有限樣本的情況下，無論樣本的維數(shù)多高，只要數(shù)據(jù)質(zhì)量能夠得到保證，所建模型均具有較好的推廣能力。 中醫(yī)處方智能分析系統(tǒng)(CPIAS)和CMSVM機(jī)器學(xué)習(xí)系統(tǒng)的研制和應(yīng)用，很好地解決了數(shù)據(jù)完整表達(dá)的問題，而且避免了主觀因素的干擾，沒有對(duì)數(shù)據(jù)進(jìn)行降維處理，保證了數(shù)據(jù)的完整性，很好地解決了中醫(yī)學(xué)中存在

13、的高維、非線性問題，而且使基于先驗(yàn)知識(shí)的學(xué)習(xí)方法與完全基于數(shù)據(jù)的學(xué)習(xí)方法結(jié)合在一起，解決了中醫(yī)學(xué)繼承中的個(gè)性與共性知識(shí)的挖掘問題。 本課題提出了基于近似推理理論的處方因子計(jì)算方法和基于支持向量機(jī)方法的建模推理方法的研究方案，并對(duì)《傷寒論》195個(gè)方證進(jìn)行量化分析和分類識(shí)別實(shí)驗(yàn)，取得了滿意結(jié)果。該研究成果對(duì)名老中醫(yī)學(xué)術(shù)思想和經(jīng)驗(yàn)繼承的方法研究具有普遍的示范和借鑒意義。本課題成功地將國(guó)際上先進(jìn)的機(jī)器學(xué)習(xí)理論和方法與傳統(tǒng)的中醫(yī)學(xué)結(jié)合，