公开/公告号CN113066561A
专利类型发明专利
公开/公告日2021-07-02
原文格式PDF
申请/专利权人 河南科技大学;
申请/专利号CN202110485011.3
申请日2021-04-30
分类号G16H20/90(20180101);G16H10/60(20180101);G16H50/50(20180101);G16H50/70(20180101);G16H70/40(20180101);
代理机构41203 洛阳华和知识产权代理事务所(普通合伙);
代理人陈佳丽
地址 471000 河南省洛阳市洛龙区开元大道263号
入库时间 2023-06-19 11:42:32
技术领域
本发明属于中医药材推荐技术领域,具体涉及一种基于LDA主题模型的中医药材推荐方法。
背景技术
中医药文化是中国历代著名中医在长期的实践和临床治疗中形成的一种医学文化,承载着中华民族几千年宝贵的经验和理论知识。证候概括为一系列有相互关联的症状总称,即通过望、闻、问、切四诊所获知的疾病过程中表现在整体层次上的机体反应状态及其运动、变化,简称证或者候,证候也是中医确立治疗原则、采用最恰当技术方法开展诊疗活动的基本依据。药方是传统中医文化的智慧结晶和组成部分,是为治疗某种疾病而组合起来的若干种药材的名称、剂量和用法。
当前中医诊疗经验大多基于分析总结先前的药方,但是大多数药方是凭经验主观给出,缺乏客观标准,中医系统体系也是由主观理解和推断构成。由于缺少科学数据的支撑和解释,使得在实践中很多人对中医给出的不同药方结果存在怀疑,因此,对中医药方的过程数据化十分重要。
发明内容
本发明所要解决的技术问题是提供一种基于LDA主题模型的中医药材推荐方法,挖掘出证候和药材之间的隐含关系,观察推荐药材的准确性,为中医药材推荐提供初筛和决策支持,解决现有药方凭经验主观给出,缺乏客观标准等问题。
本发明为解决上述技术问题所采用的技术方案是:一种基于LDA主题模型的中医药材推荐方法,包括以下步骤:
步骤一、采集某种疾病的多例医案信息,对医案数据进行预处理,经处理后的每例医案信息包含一组证候单词s和药材单词h;
步骤二、通过对医案中的证候和对应处方的隐语义分析挖掘出主题z,z为药材单词h和证候单词s的潜在治法分布,发现隐含治法、证候和药物间存在的关系,构建基于证候—治法—药物的主题模型并进行参数学习训练;
步骤三、把待检测的用户证候输入训练好的模型中,获取证候、治法和药物之间的对应关系,进行相应处方推荐并输出推荐结果,为医生诊疗过程的组方提供参考和辅助。
本发明所述步骤二中构建基于证候—治法—药物的主题模型的具体方法为:假设每例医案被视为一篇文档,一个病机被视为一个主题,令|C|为临床医案数,每例医案c包含一组证候和n种药物,h
(2)对于每例医案c∈C,θ
(3)对于包含于每例医案c中的词,治法主题z服从参数为θ
(4)若x=syndrome,则证候s服从参数为
本发明所述步骤三中对待检测的用户证候进行相应处方推荐的具体方法为:
(1)构建证候-药物矩阵,其第i行第j列的元素表示为p(h
其中,k为基于证候-治法-药物的主题模型中的治法主题,K为主题总数,p(h
其中,p(s
(2)基于输入的证候,计算该证候下每种药物h的排序值Rank,其计算如下所示:
对所有药物的Rank值进行降序排列,并选择前N个药物作为其推荐药物,并将这N个药物的组合作为治疗患者证候的推荐处方。
本发明的有益效果是:本发明通过对医案库中证候和对应处方的隐语义分析,提取出隐含治法,科学准确地找出隐含治法、证候和药物间存在的关系,并构建基于证候-治法-药物的主题模型并训练模型,结合了隐含治法来建模,克服了现有技术中中医组方规律挖掘缺乏对隐含治法的考虑的问题;然后,把待检测的用户证候输入到训练好的模型中,获取证候、治法、药物之间的对应关系,进行相应处方推荐,提高了中医组方推荐的精度和效率,为中医医师诊疗过程的组方提供初筛和辅助决策支持。
具体实施方式
本发明提供一种基于LDA主题模型的中医药材推荐方法,包括以下内容:
1.医案预处理
首先采集某种疾病的多例医案信息,对医案数据进行预处理,经处理后的每例医案信息包含一组证候单词s和药材单词h。
2.挖掘隐含病机建立模型
通过处理后的医案中证候单词s和药物单词h,构建基于证候—治法—药物的主题模型,并进行参数学习训练。
假设每例病案被视为一篇文档,一个病机被视为一个主题,令|C|为临床医案数,每例医案c包含一组证候和n种药物,h
(1)对于每个主题k∈[1,…,K],
(2)对于每例医案c∈C,θ
(3)对于包含于每例医案c中的词,治法主题z服从参数为θ
(4)若x=syndrome,则证候s服从参数为
3.模型参数学习训练
在模型构建过程中,使用Gibbs抽样方法进行参数学习。当x=syndrome时,利用Gibbs抽样生成主题z
p(z
其中,
当=herb时,利用Gibbs抽样生成主题z
p(z
其中,
参数学习单元用于根据模型生成单元构建的模型,并对模型进行训练;其中训练过程中的参数θ
θ
4.中医药材推荐
把待检测的用户证候输入到训练好的模型中获取证候、治法、药物之间的对应关系,进行相应处方推荐,提高中医组方推荐的精度和效率,为中医医师诊疗过程的组方提供辅助决策。中药材推荐具体步骤:
(1)构建证候-药物矩阵,其第i行j列的元素表示为p(h
其中,k为基于证候-治法-药物的主题模型中的病机主题,k为主题数,p(h
其中,p(s
(2)基于输入的证候,计算每种证候下每种药物h的排序值Rank,其计算如下所示:
对所有药物的Rank值进行降序排列,并选择前N个药物作为其推荐药物,并将这N个药物的组合作为治疗患者证候的推荐处方,记为:pres.={H(N)}。
在中医药材推荐中,,为了能够准确的对证候做出分析以及给出合理的药材推荐,因此我们提出了基于主题模型的中医药材推荐方法,通过发现临床病例中所包含的开处方原则,达到中药材推荐的目的,从辩证记录的产生关系角度分析中医临床证候和中医药材,即发现中医证候与临床医生开处方向量之间的定量关系。
中医是中国传统医学,所以用中医的数据来对结果进行分析和比较。在提供的实验数据集中,样本集“证候/药材”进行试验,通过对证候和药材建立联系,找出之间的相关联的主题,实现对中医药材的推荐。
具体地,一种发现中医证候与处方推荐之间的定量关系的方法如下所示:
第一步:按照先验概率p(s
第二步:根据证候-治法的Dirichlet先验分布α中取样生成中医证候s
第三步:从治法的多项式分布θ
第四步:依据证候-病机Dirichlet先验分布β中取样生成治法s
第五步:从药材的多项式分布
第六步:采用该治法下的top-N个药材作为推荐结果。
机译: 基于主题模型和多特征的漏洞修复开发者推荐和缺陷严重性预测的系统和方法
机译: 基于主题模型和多特征的BUG修复开发者推荐和BUG严重度预测系统及方法
机译: 一种基于知识结构的评估多内容的方法,一种使用该方法的设备以及一种利用知识结构推荐内容的方法