[发明专利]基于人工智能技术的症状药物关联关系分析方法

说明书

本发明涉及一种基于人工智能技术的症状药物关联关系分析方法，包括以下步骤：症状抽取模块，抽取患者的症状集S；症状词向量映射模块，将汉语症状集映射为高维稠密词向量集；症状词向量编码模块，利用长短期记忆网络编码模型对症状词向量集进行编码，产生包含全部症状信息的信息向量C以及n个症状编码信息向量集H_s；建议方生成模块，以信息向量C和症状编码信息向量集H_s为输入，利用结合注意力模型的长短期记忆网络生成模型，生成一个包含L味中药的建议药方，即症状到中药的关联关系。本发明从系统输入到系统输出，逻辑结构清晰，层次分明，系统实现细节详尽，实现了一种端到端(症状端‑中药端)的系统闭合工作方式，极易落地和大规模应用。

技术领域

本发明涉及人工智能与中医两个交叉领域，具体是一种将人工智能应用于中医范畴针对症状-药物间关联关系自主分析并产生结果的智能中医方法。

背景技术

现阶段人工智能再度兴起且逐步步入各行各业，传统中医领域同样步入“人工智能+中医”时代。已有的智能中医系统多为中医四诊仪器和以专家系统、传统的机器学习方法为技术基础，以名老中医的经验或古代医术为知识实现智能中医系统。该种方法主要存在以下不足：1)已有方法实现的智能中医是基于规则且规则由人而定且固定不变，需要大量的人为参与且无法随实践行医过程发现新规律、新经验。2)目前已有的智能中医并没有将古代、近现代的实际中医医案作为智能中医系统的知识，然而这些在实际行医过程中产生的医案极具中医医学价值和分析价值。3)由于已有智能中医方法的实现方式决定了这些方法产生的药方是一成不变的，没有像中医医师一样发现新的有效的中药组合配比的能力。4)已有的智能中医系统无法自主分析发现症状-药物间的关联关系，该部分工作依然由人来承担；且有的系统结构复杂、逻辑不清、不宜于大规模应用。

发明内容

针对上述技术不足，本发明提出一种基于人工智能技术的症状药物关联关系分析方法。该方法并不拘泥于某一中医学派或名老中医的经验，以已有的中医各时期医案为基础，利用深度学习训练机制，该分析方法自主学习已有的各种中医医案案例。该方法模拟人的学习过程自主学习医案中包含的病症与中药的作用关系，自主产生经验规则而非人为设定。由于是自主学习医案，自主生成规则、最终自主产生中药组合，本方法具有通过大量的医案学习最终会学习到新的有效的药物配比组合的能力，能够自主发现新的病症-中药规则，发现症状和药物之间已知和未知的关联关系，协助人类医师为其提供药方组成参考并与其共同提升中药知识水平。自主整个过程几乎无需人为参与，仅在最终建议方生成阶段由中医医师参与其中。

本发明解决其技术问题所采用的技术方案是：基于人工智能技术的症状药物关联关系分析方法，包括以下步骤：

1)症状抽取模块：提取包含n个症状的症状集S＝{s₁，s₂，s₃，......，s_n}；

2)症状词向量映射模块：使用Embedding映射方法将症状集S的汉语症状映射为多维空间的症状词向量集，症状词向量由

计算得到，其中s_t为第t个症状，为向量映射函数，F表示映射函数，W_e和b_e为生成症状词向量e_t的参数；

3)症状词向量编码模块：根据症状词向量e_t，利用长短期记忆网络编码模型即编码LSTM模型对词向量集进行编码，产生包含全部症状的信息向量C以及n个症状编码信息向量集

4)建议药方生成模块：利用结合注意力模型的长短期记忆网络生成模型即生成LSTM模型，以步骤3)中的C和H_s为输入，生成由L味中药构成的建议药方。

所述步骤3)具体如下：