[发明专利]一种基于深度学习的舌苔生成中药处方的方法

权利要求书

1.一种基于深度学习的舌苔生成中药处方的方法，其特征在于，所述方法包括以下步骤：

S1、用像素矩阵表示病人的舌苔图像，用向量表示病人的中药处方；

S2、以像素矩阵作为输入，向量作为输出，将由像素矩阵和向量组成的数据集分为训练数据集和测试数据集；

S3、使用基于文档主题模型的双通道卷积神经网络对训练数据集进行训练，调整参数迭代多次训练后得到表现良好的神经网络模型；

S4、将测试数据集的像素矩阵输入神经网络模型，生成中药处方。

2.根据权利要求1所述的一种基于深度学习的舌苔生成中药处方的方法，其特征在于：舌苔图像的像素矩阵在输入双通道卷积神经网络模型训练前进行了一定比例的缩小。

3.根据权利要求1所述的一种基于深度学习的舌苔生成中药处方的方法，其特征在于：步骤S1中，表示中药处方的向量有两种，一种是多标签向量，其长度为药品的种类数量，向量值为0或1，1代表中药处方中开了该药，0表示中药处方中未开该药；另一种是基于文档主题模型的向量，其长度为限定的主题种类的数量，向量值为主题与该中药处方的相关程度。

4.根据权利要求3所述的一种基于深度学习的舌苔生成中药处方的方法，其特征在于：所述主题为中药处方的潜在特征。

5.根据权利要求1所述的一种基于深度学习的舌苔生成中药处方的方法，其特征在于：像素矩阵和向量在输入双通道卷积神经网络模型训练前要进行预处理，转换为卷积神经网络需要的格式。

6.根据权利要求3所述的一种基于深度学习的舌苔生成中药处方的方法，其特征在于：步骤S3中，双通道卷积神经网络的主通道输出为多标签向量，辅助通道输出为基于文档主题模型的向量，训练过程中用主通道输出计算主要损失，用辅助通道输出计算辅助损失，将两个损失按一定比例相加作为总损失进行训练；在训练过程中，取训练数据集的一部分作为验证集，剩下数据用来训练，在训练时根据验证集的表现调整参数，进行多次训练迭代，取验证集表现最好的模型作为最后的神经网络模型。

7.根据权利要求1所述的一种基于深度学习的舌苔生成中药处方的方法，其特征在于：步骤S4中，生成的中药处方是根据双通道卷积神经网络模型的主通道输出即多标签向量得到的，需要将多标签向量根据事先建立的药品序号对应表输出中药处方中每个药品的名称。