一种中医药智能诊疗系统及创建方法

摘要

本发明公开了一种中医药智能诊疗系统，包括数据库模块、HTTPAPI模块、模型运算模块和WebAPI模块，该系统实现从症状到药性组合模式的步步推导，不仅方便后续的中药设计和食疗方设计，也为中医药的智能诊疗更多地保留了中医药特色。本发明还公开了一种中医药智能诊疗系统的创建方法，该方法将数量庞杂的证候和中药分解为相对清晰明确的证候要素和药性组合，它们的自由搭配组合，更能体现中医临床的个性化。构建的诊疗系统涉及到证候要素的诊断、证候要素的传变、证候要素的治法、证候要素对应的药性组合模式四个方面，不仅囊括了中医辨证论治的每个方面，也体现了中医治疗的整体观念。

说明书

技术领域

本发明涉及智能设备技术领域，特别涉及，一种中医药智能诊疗系统。

背景技术

整体观念、辨证论治是中医诊疗的核心原则，智能诊疗是信息科技在中医辨证论治方面的发展应用，是中医药现代化发展的趋势，也是传承创新的关键。当前关于中医药智能诊疗的相关研究，主要集中在以下几个方面：一、针对某具体疾病构建智能诊疗专家系统；二、以体质辨识、舌诊仪和脉诊仪为主的中医辅助诊疗系统；三、以案例推理为主构建辨证论治平台，对比知识库中已存在的处方进行处方推荐；四、基于知识研发的对症开方系统。

上述研究主要的问题包括：一、系统只针对单一的疾病，不具有普适性；二、部分处方系统是在数据库中已有方剂的基础上加减而来，具有局限性；三、部分辅助诊疗系统重点在诊断，冠名为诊疗系统，但涉及到处方治疗的偏少；四、部分处方系统直接依症开方，失去中医特色；五、治疗缺乏整体观念，未考虑传变，失去中医未病先防的治未病特色。

针对上述问题，设计一种系统及智能选择方法，解决现有技术所存在的系统只针对单一的疾病，不具有普适性；信息处理方式单一具有局限性；未涉及到处方治疗；治疗缺乏整体观念，失去中医特色的问题。

发明内容

针对上述缺陷，本发明解决的技术问题在于，提供一种中医药智能诊疗系统，以解决现在技术所存在的系统只针对单一的疾病，不具有普适性；信息处理方式单一具有局限性；未涉及到处方治疗；治疗缺乏整体观念，失去中医特色的问题。

本发明提供了一种中医药智能诊疗系统，包括：

数据库模块，设有症状与证候对应关系的相关数据；

HTTP API模块，与所述数据库模块电连接，包括输入模块，所述输入模块用于获取外部输入信息，所述HTTP API模块将所述外部输入信息与所述数据库模块内数据信息进行比对；

模型运算模块，与所述HTTP API模块电连接，包括多个证候预测模型和与所述证候预测模型电连接的处理器，所述处理器用于将从所述HTTP API模块获取的数据与所述证候预测模型数据进行比对；

Web API模块，与所述HTTP API模块电连接，用于分散所述HTTP API模块的运行压力。

优选地，所述HTTP API模块还包括：

证候预测模块，与所述数据库模块电连接，用于预测输入的证候数据；

治疗方案获取模块，分别与所述数据库模块和所述证候预测模块电连接，用于根据证候获取相应治疗方法；

药性组合模块，分别与所述数据库模块和所述治疗方案获取模块电连接，用于根据治疗方法获取相应药性组合；

复方输出模块，分别与所述数据库模块和所述药性组合模块电连接，用于得出药性组合所对应的中药成方信息。

优选地，所述证候预测模块包括：

运算模块，与所述数据库模块电连接，用于判断所述数据库模块中是否具有输入的证候特征；

输入转换模块，与所述运算模块电连接，用于转换输入信息的格式；

敏感度模块，与所述输入转换模块电连接，用于将所述证候预测模型转换为敏感度；

证候传变模块，分别与所述敏感度模块和所述药性组合模块电连接，用于将证候转变为传变证候和传变概率。

优选地，所述复方输出模块包括：

中药模块，与所述治疗方案获取模块电连接，用于根据药性组合获取相应中药；

药性模块，与所述中药模块电连接，用于根据中药获取相应药性。

优选地，所述数据库模块为只读模式，包括：

常见中药-药性数据库模块，与所述复方输出模块电连接；

药性-常见中药数据库模块，与所述复方输出模块电连接；

治疗方案-药性组合数据库模块，与所述药性组合模块电连接；

证候-治疗方法数据库模块，与所述治疗方案获取模块电连接；

汉字-拼音翻译数据库模块，与所述证候预测模块电连接；

证候预测模型敏感度数据库模块，与所述证候预测模块电连接；

证候传变数据库模块，与所述证候预测模块电连接。

本发明还提供一种中医药智能诊疗系统的创建方法，包括：

步骤1、根据各地著作典籍及行业标准，构建症状与证候数据的数据库；

步骤2、将数据库直接作为程序代码内置于PHP API中；

步骤3、根据数据库内的证候要素信息，构建数据表；

步骤4、基于数据库与数据表内相关数据，建立证候要素与中药成方的对应关系，构建智能诊疗模型；

步骤5、基于智能诊疗模型中预设的遍历算法，在智能诊疗模型中输入症状信息，输出症状信息所对应的中药成方信息。

优选地，所述步骤3的具体步骤包括：

步骤3.1、从构建的数据库中，依据证候要素整理规则，将证候拆分为证候要素；

步骤3.2、将筛选后的证候要素进行归类，分为外感六淫、内生五气、气血、阴阳、痰饮水津精、其他、十二官；

步骤3.3、依据证候要素相关证候对应的症状体征信息，构建证候要素-症状数据表和证候ID-证候要素数据表。

优选地，所述步骤4的具体步骤包括：

步骤4.1、基于数据库，构建证候要素诊断模型；

步骤4.2、利用Apriori算法，建立证候要素间的传变关系；

步骤4.3、整理典籍中的中药功能数据，筛选与证候要素相关的数据，再依据治法相关典籍整理得到证候要素的治法；

步骤4.4、基于中药药性得到中药对应的药性组合，基于药性组合与功能数据，利用Apriori算法得到治法对应的药性组合；

步骤4.5、基于Neo4j图数据库构建中药成方知识图谱，基于二分图最小点覆盖原理，依据药性组合得到基于知识图谱的递进式中药成方组方。

优选地，所述步骤4.1的具体步骤包括：

步骤4.1.1、基于构建的数据库和证候要素-症状数据表，分别筛选与证候要素有关的症状后，依据特征筛选选取排序靠前的症状；

步骤4.1.2、按照7:3划分训练集和测试集，并进行重新采样；

步骤4.1.3、以最佳参数构建5个机器学习模型，以ROC曲线下面积作为模型评价指标，选择最优模型，并以相应的敏感度值作为诊断概率。

优选地，所述步骤4.2的具体步骤为，基于构建的数据库和证候ID-证候要素数据表，对同时出现符合要求的证候要素组合，利用Apriori算法获取证候要素之间的传变关系η

由上述方案可知，本发明提供的一种中医药智能诊疗系统旨在构建中医药智能诊疗系统，实现从症状到药性组合模式的步步推导，不仅方便后续的中药设计和食疗方设计，也为中医药的智能诊疗更多地保留了中医药特色，做到师古不泥古，创新不离宗。本发明还提供一种中医药智能诊疗系统的创建方法将数量庞杂的证候和中药分解为相对清晰明确的证候要素和药性组合，它们的自由搭配组合，更能体现中医临床的个性化。构建的诊疗系统涉及到证候要素的诊断、证候要素的传变、证候要素的治法、证候要素对应的药性组合模式四个方面，不仅囊括了中医辨证论治的每个方面，也体现了中医治疗的整体观念，作用效果显著，适于广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种中医药智能诊疗系统的结构示意框图；

图2为本发明实施例提供的一种中医药智能诊疗系统的创建方法的过程框图；

图3为图2所示的一种中医药智能诊疗系统的创建方法初始化服务的过程框图；

图4为图2所示的一种中医药智能诊疗系统的创建方法模型预测流程的过程框图；

图5为图2所示的一种中医药智能诊疗系统的创建方法中构建智能诊疗模型的过程框图；

图6为中药成方组方系统数据结构示意框图；

图7为药性组合-中药的对应关系示意框图。

图中：

1、数据库模块；2、HTTP API模块；3、模型运算模块；11、常见中药-药性数据库模块；12、药性-常见中药数据库模块；13、治疗方案-药性组合数据库模块；14、证候-治疗方法数据库模块；15、汉字-拼音翻译数据库模块；16、证候预测模型敏感度数据库模块；17、证候传变数据库模块；21、输入模块；22、证候预测模块；23、药性组合模块；24、治疗方案获取模块；25、复方输出模块；31、证候预测模型；32、处理器。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请一并参阅图1至图7，现对本发明提供的一种中医药智能诊疗系统的一种具体实施方式进行说明。该种中医药智能诊疗系统包括数据库模块1、HTTP(HyperText TransferProtocol，超文本传输协议)API模块2、模型运算模块3和Web(World Wide Web，全球广域网)API(Application Programming Interface，应用程序接口)模块，其中数据库模块1设有症状与证候对应关系的相关数据；HTTP API模块2与数据库模块1电连接，包括输入模块21，输入模块21用于获取外部输入信息，HTTP API模块2将外部输入信息与数据库模块1内数据信息进行比对；模型运算模块3与HTTP API模块2电连接，包括多个证候预测模型31和与证候预测模型31电连接的处理器32，处理器32用于将从HTTP API模块2获取的数据与证候预测模型31数据进行比对；Web API模块与HTTP API模块2电连接，用于分散HTTP API模块2的运行压力。

在本实施例中，HTTP API模块2还包括证候预测模块22、药性组合模块23、治疗方案获取模块24和复方输出模块25，其中证候预测模块22与数据库模块1电连接，用于预测输入的证候数据；药性组合模块23分别与数据库模块1和治疗方案获取模块24电连接，用于根据治疗方法获取相应药性组合；治疗方案获取模块24分别与数据库模块1和证候预测模块22电连接，用于根据证候获取相应治疗方法；复方输出模块25分别与数据库模块1和药性组合模块23电连接，用于得出药性组合所对应的中药成方信息。

证候预测模块22负责将用户程序提交的症状信息转义为拼音、格式化并通过模拟HTTP协议下发至计算服务器端，服务器端通过服务间的通讯调用已预加载好的证候预测模型31，再将模型返回结果回传，并经过模块的传变运算后将最终结果返回至用户程序。

治疗方案获取模块24通过查询预置的证候-治疗方法数据库模块14，返回用户程序提交的证候所对应的治疗方案，证候-治疗方法数据库模块14格式为"证候"＝>array("治疗方法1","治疗方法2")。请求某个证候对应的治疗方案，具体过程可以为证候名-是否成功-返回的治疗信息，示例性的，肺-True-["敛肺","润肺","清肺","温肺","补肺"]。

药性组合模块23与治疗模块功能类似，通过查询预置的治疗方案-药性组合数据库模块13，返回用户程序提交的治疗方案所对应的药性组合，治疗方案-药性组合数据库模块13数据格式为"治疗方法"＝>array("药性1",”药性2","药性3")。获取治疗方案所对应的药性组合，具体过程可以为治疗方案-是否成功-返回的药性组合。

复方输出模块25通过预设的遍历算法(可自行开发算法进行替换)得出用户应用程序提交的药性组合所对应的相对最优中药成方信息。获取某药性组合的要求下最少味数或最少多余药性中药方剂，具体过程可以为药性组合-是否为最少多于药性优先(否则为最少中药优先)-是否成功-是否为最少多于药性优先-返回的药方数据，示例性的，涩温大肠,涩温胃,甘平小肠,酸平心,酸平小肠,酸温肺-True(留空默认为False)-True-False-[["赤石脂","赤小豆","南五味子"],["赤石脂","赤小豆","五味子"]]。

该种中医药智能诊疗系统将数据库模块1、证候预测模块22、药性组合模块23、治疗方案获取模块24和复方输出模块25封装成相应的API。php(Hypertext Preprocessor超文本预处理器)开放API面向开发者，对外提供用户界面，两者通过Java服务端通信，从而实现API的基本功能。用户在操作界面输入相应症状，系统自动生成药性组合模式。

示例性的，提供系统演示页面进行测试使用，打开首页；用户将症状输入文本框，以逗号(或空格等间隔形式)分隔不同症状，如：壮热，无汗，目赤，便秘，尿黄，神志模糊，脉浮，苔黄，苔腻；提交数据即可得到模型预测结果；得到预测证候后，系统会通过API自动获取治疗方法并一同输出；用户点选证候右侧治疗方法或直接将需要信息输入至文本框中后提交数据，即可得到药性组合结果。

在本实施例中，证候预测模块22包括运算模块、输入转换模块、敏感度模块和证候传变模块，其中运算模块与数据库模块1电连接，用于判断数据库模块1中是否具有输入的证候特征；输入转换模块与运算模块电连接，用于转换输入信息的格式，如，将拼音转换为汉字数据；敏感度模块与输入转换模块电连接，用于将证候预测模型31的模型名转换为敏感度；证候传变模块分别与敏感度模块和药性组合模块23电连接，用于将证候转变为传变证候和传变概率。

运算模块中设有预测函数，用来预测使用，变量为用户提交信息，类型为文本二位数组，返回结论为具有该证候或不具有该证候。运算模块通过调用运算模型将症状转为证候，具体过程可以为症状列表-是否成功-返回数据-证候名-证候敏感度-是否为传变，示例性的，尿频,干咳,腹痛,发热,恶寒,恶心,舌干,舌红,舌淡-True-Array-热-0.74-False。

输入转换模块中的汉拼数据库有两部分，包括：症状翻译文本，结构为每个关键词组为"拼音:汉字"；证候翻译文本，结构为"拼音"＝>"汉字"。在无法使用中文的场景下对中文术语进行转义，具体过程可以为需要进行转义的数据(可以为汉字或拼音)-是否成功-返回数据-原数据是否为拼音，示例性的，tou_tong-True-头痛-True。敏感度模块中的证候预测模型敏感度数据库结构为"模型名"＝>"敏感度(小数)"。证候传变模块中的证候传变数据库结构为"证候(中文)"＝>array("传变证候(中文)","传变概率(小数)")。

在本实施例中，复方输出模块25包括中药模块和药性模块，其中中药模块与治疗方案获取模块24电连接，用于根据药性组合获取相应中药；药性模块与中药模块电连接，用于根据中药获取相应药性。中药模块中的药性—常见中药数据库格式为"药性"＝>array("中药1","中药2")。药性模块中的常见中药—药性数据库格式为"中药"＝>array("药性1","药性2")。

在本实施例中，数据库模块1为只读模式，包括与复方输出模块25电连接的常见中药-药性数据库模块11、与复方输出模块25电连接的药性-常见中药数据库模块12、与药性组合模块23电连接的治疗方案-药性组合数据库模块13、与治疗方案获取模块24电连接的证候-治疗方法数据库模块14、与证候预测模块22电连接的汉字-拼音翻译数据库模块15、与证候预测模块22电连接的证候预测模型敏感度数据库模块16、与证候预测模块22电连接的证候传变数据库模块17。在此，只要能够实现上述数据库模块1相关性能作用的均在本申请文件保护的范围之内。

本系统创新性的从整体上实现了从症状至最后成药的整套诊疗流程的流程化、数字化与智能化，可以由用户自行添加、修改几乎所有数据与诊疗模型，用户可将绝大多数中医诊疗模型加载至本系统，且系统源代码全部开放，大大的提高了商业化落地的可能性，具有很高的实用价值。在生产环境中可以通过使用高性能、大内存服务器，优化成方算法，精简药性——常见中药数据库，采用Hadoop框架，使用Spark、MapReduce分布式计算模型等方式解决系统运算较多药性的成方时对系统资源有很大的需求。

实施例2

请一并参阅图1至图7，现对本发明提供的一种中医药智能诊疗系统的创建方法的一种具体实施方式进行说明。该种中医药智能诊疗系统的创建方法的具体步骤包括：

S1、根据各地著作典籍及行业标准，构建症状与证候数据的数据库；

尽可能纳入相关著作以求海量数据，实现不限病种地研究证候要素之间的关系。在著作选择上充分考虑时代和地区差异，确保代表性著作的纳入，例如中华人民共和国相关的国家标准和行业标准、中医药院校高等教材等。

S2、将数据库直接作为程序代码内置于PHP API中；

基于应用环境需求，本发明创新的采用了将数据库直接作为程序代码内置于PHP(Hypertext Preprocessor超文本预处理器)API中的做法，与传统的独立数据库系统相比更适合本发明的应用需求，本发明在通常情况下无需对数据库内容进行更改，而相较传统数据库的命令行操作形式，采用纯php代码文本形式的数据库对于并非频繁的维护来说更加方便，部署时也无需编译或安装数据库服务器并导入数据库，从而很大程度上减少了部署与维护成本，也杜绝了语句注入与端口扫描风险。

S3、根据数据库内的证候要素信息，构建数据表；

S3.1、从构建的数据库中，依据证候要素整理规则，将证候拆分为证候要素；示例性的，从多本著作构建的数据库中，初步筛选出现频次大于50以上的证候要素，共53个。统计数据库中出现频次在50以上的证候要素及其频次，其中亡阳、亡阴、气脱、血脱属于危急重症，不在讨论范围内。气滞与气郁均表示气的运动受阻，故将其合并，保留气滞。对于证候病位，只保留描述脏腑的证候要素，为保证十二官的完整性，加入出现频次较少的小肠、三焦和膀胱。

S3.2、将筛选后的证候要素进行归类，分为外感六淫(风、寒、暑、湿、燥、热)、内生五气(内风、内寒、内湿、内燥、内火)、气血(气虚、气滞、气陷、气逆、血虚、血瘀、血热)、阴阳(阴虚、阳虚、阳亢)、痰饮水津精(津亏、痰、水、饮、精亏)、其他(食积、虫、毒)、十二官(肺、大肠、胃、脾、心、小肠、膀胱、肾、心包、三焦、胆、肝)共七类，41个证候要素；

S3.3、在前期构建的数据库中，依据41个证候要素相关证候对应的症状体征信息，构建证候要素-症状数据表和证候ID-证候要素数据表。

示例性的，《中华人民共和国药典》(以下简称《药典》)中618味中药。《药典》写明属于赋型剂，抗胆碱药，民族药，外用药等，共计25味中药。其中外用药共6味中药；民族用药共15味中药；赋形剂共2味中药；抗胆碱药共1味中药；配制成药用共1味中药。在进行中药的功能与药性整理时，将药性与功能皆不同的不同状态的同一种中药作为不同的中药进行主治数据统计，故最后共计有594味中药纳入。

S4、基于数据库与数据表内相关数据，整合证候要素的诊断模型，证候要素间的传变关系，证候要素对应的治法，治法对应的药性组模式，建立证候要素与中药成方的对应关系，进而构建智能诊疗系统模型；

S4.1、在R语言环境下，基于数据库，构建41个证候要素诊断模型，实现症状—证候要素的推导；

本步骤具体的实现步骤可以为：

S4.1.1、基于构建的数据库和证候要素-症状数据表，分别筛选与41个证候要素有关的症状后，依据特征筛选选取排序靠前(如，前15)的症状；

S4.1.2、按照7:3划分训练集和测试集，并进行重新采样；

S4.1.3、以最佳参数构建5个机器学习模型(CART决策树、随机森林、K近邻、BP神经网络和支持向量机)，以ROC曲线下面积作为模型评价指标，选择最优模型，并以相应的敏感度值作为诊断概率。

S4.2、利用Apriori算法，建立证候要素间的传变关系，实现证候要素—证候要素的推导；

S4.2的具体步骤为，基于构建的数据库和证候ID-证候要素数据表，对同时出现符合要求的证候要素组合，示例性的，对同时出现大于或等于5次以上的证候要素组合，利用Apriori算法获取证候要素之间的传变关系，η

S4.3、整理典籍中的中药功能数据，筛选与证候要素相关的数据，再依据治法相关典籍整理得到证候要素的治法，基于证候要素所对应治法的规则，实现证候要素—治法的推导；

同一个证候要素可能对应多种治法，例如湿证有利湿、燥湿、渗湿等治法。整理《药典》中药功能数据。从《药典》中药功能数据中筛选与证候要素相关的数据，依据《中华人民共和国国家标准中医临床诊疗术语第3部分：治法》和《中医名词词典》规范化整理后，作为其治法。

S4.4、基于中药药性得到中药对应的药性组合，基于药性组合与功能数据，利用Apriori算法得到治法对应的药性组合，基于治法所对应药性组合模式的规则，实现治法—药性组合模式的推导；

基于《药典》记载的中药药性，整理中药对应的药性组合。基于药性组合与功能数据，利用Apriori算法，对于出现次数大于或等于两次的药性组合及功能数据进行关联分析研究，探究功能对应的药性组合，进而推导治法对应的药性组合。

S4.5、基于Neo4j图数据库构建中药成方知识图谱，将求最少药方/中药覆盖药性组合模式的问题抽象化，转换为二分图最少点覆盖问题，基于二分图最小点覆盖原理，依据药性组合得到基于知识图谱的递进式中药成方组方。

S4.5.1、基于Neo4j图数据库构建中药成方知识图谱，知识图谱中包含两类节点：中药、药性组合，包含的关系为(中药)-[包含]->(药性组合)。示例性的，在数据库内中药的标签(Label)为YAO，属性包括ID，中文名，拼音全拼和英文名；药性组合的标签为YXZH；中药与药性组合的关系的类型为include，通过查询语言可对包含相应药性组合的中药进行分析查找；

Neo4j图数据库是基于图论实现的一种NoSQL非关系型数据库。它的数据存储结构和数据的查询方式都是以图论为基础，用节点和关系所组成的图建模，以图的方式来储存、分析和处理数据。另外，图数据库能够在已有的数据基础上进行快速的增、删、查、改，既能快速分析各种路径和关系，也为后续数据的维护带来很大便利。Neo4j图数据库的底层数据存储原理为图论式，能够实现快速匹配与药性组合模式相关的中药，实现中药成方组方设计。

S4.5.2、将收集整理得到的中药成方与药性组合关系数据通过Neo4j图数据库构建为中药成方组方系统，基于二分图最小点覆盖原理，通过递进式查询进行中药成方新方的组建，得到方剂；

基于二分图最大覆盖原理和贪婪算法，得到基于Neo4j知识图谱的递进查询式组方，将问题逐步拆解，每一步均寻求能最大覆盖的中药。由于有些中药可能会包含模板药性组合模式以外的新药性组合，这些新药性组合会使新方的功效与目标发生偏移。为了保证新方所含的药性组合与药性组合模式最为相近，以引入新方药性组合模式最少为原则筛选每一步的结果，将每一步的最优结果合并，即为新方剂。

若组方设计以经典方剂的药性组合为药性组合模板，在组方过程中，某一步所得最大覆盖的中药中包含该经典方剂的中药，为使原方剂最接近的新组方，选择包含原方剂药味最多的组合为优选结果。

用尽量少的中药覆盖药性组合模式中的所有药性组合，将药性组合模式匹配中药的问题转化为二分图覆盖问题，即最少点覆盖问题。二分图为图论的无向图。一个无向图G是由一个非空有限集合V(G)和V(G)中的某些元素的无序集合E(G)构成的二元组，记为G＝(V(G),E(G))。一个无向图成为二分图的充要条件是：G中至少包含两个顶点，所有的回路长度均为偶数。设二分图G中顶点V可以分割成两个无交集的子集(X,Y)，任意集合中的任意两个顶点不相连。基于贪婪算法，用二分图可以求最少点覆盖问题，即用尽可能少的点覆盖所有的边。将中药与药性组合模式中所包含的药性组合作为二分图的两个顶点，设中药的集合为X，药性组合模式包含的所有药性组合的集合设为Y，两个集合互不相交，中药与药性组合的关系为二分图的边。

请参阅图7，示例性的，已知一组中药和一个药性组合模式，X、Y两个集合互不相交，在集合X中找出最少的中药组合能覆盖集合Y中所有的药性组合。基于每一步获取最优解的原则，以集合Y中所有的药性组合查找中药，发现中药2能够覆盖3个药性组合，那么第一步将选择中药2；以第一步未被覆盖的药性组合查询食物和中药，发现中药3能够覆盖剩余所有药性组合，这一步选择中药3，即中药2+中药3的组合能够完全覆盖集合Y中所有的药性组合。

S4.5.3、基于药性组合模式，采用递进式组方获取中药新方并对方剂的相似度进行评价，比较新方的药性组合与作为模板的药性组合模式的相似程度，用于筛选和评价得到更加优选的新方结果。

将原药性组合模式与新方所包含的药性组合分别视为集合A、B，集合中的元素个数分别为a，b。按照“对原有药性组合覆盖最全，引入新药性组合最少”的基本原则作为最优方剂。原方的药性组合数a，“新方与原方药性组合模式相似度”S为

S5、基于智能诊疗模型中预设的遍历算法，在智能诊疗模型中输入症状信息，输出症状信息所对应的中药成方信息。

由于证候数量较多，对证候进行降维处理，以方便构建标准化的诊断模型。证候要素是指将证候拆分为不可分解的最小单元。基于证候要素构建证候要素的诊断模型，便能解决由于证候数量多而造成的困扰。明确诊断后，会有相应的治法和方药。当前方剂主要是以中药为核心，依据中药的功能，进行组方配伍。药性组合是将中药药性的四气五味归经，作为一个不可分割的整体。药性组合可以代表中药的功能，将数量相对较多的中药转换为数量相对较少的药性构成的药性组合，能简便诊疗系统的运行，解决中药数量相对较多，智能诊疗系统不易对哪些中药配伍进行选择的难题。

本发明采取了降维的思维，将数量庞杂的证候和中药分解为相对清晰明确的证候要素和药性组合，它们的自由搭配组合，更能体现中医临床的个性化。构建的诊疗系统涉及到证候要素的诊断、证候要素的传变、证候要素的治法、证候要素对应的药性组合模式四个方面，不仅囊括了中医辨证论治的每个方面，也体现了中医治疗的整体观念，同时基于此方法得到的相应的中药方剂和膳食处方，还可以为患者的饮食治疗提供多种选择。

示例性的：试验患者韩某某，性别男，年龄29岁，病历号52.3.477，病情：三日前感冒并发高热，自购西药服后，下午体温仍在38℃左右。咳嗽痰不易出，胸胁震痛，口渴思饮，小便黄，食欲不振，夜寐不安。舌苔微黄，脉浮数。依据医案，可以提取的症状数据包括：发热、咳嗽、痰稠、胸胁疼痛、口渴引饮、尿黄、食欲不振、睡眠不实、苔黄、脉浮数。将症状输入系统后，输出辨证为肺(0.82)、风(0.74)、热(0.86)。选择清肺、祛风、清热为治法后，得到的药性组合模式包括：辛温肝、苦温肝、苦平肝、苦寒肝、苦寒肺、苦寒胃、甘寒肺、苦寒大肠、苦寒心、甘寒胃。

对比诊疗系统和医案处方提供的药性组合模式，发现80％的药性组合均存在于医案处方中，只有苦温肝和苦平肝未出现在医案处方中。《素问·至真要大论》病机十九条提到“诸风掉眩，皆属于肝”。《素问·至真要大论》记载“风淫于内，治以辛凉，佐以苦甘”，也有研究表明风药多味辛性温，故药性组合苦温肝能对祛除外风起到关键作用。《临证指南医案》提到“若因于风者,辛平解之”，风药质轻味薄性平，药性组合苦平肝也能发挥相应的作用。由上述数据可见，该种中医药智能诊疗系统得出的结论与医案处方的药性组合模式的高度匹配，表明了本发明的准确性和合理性，效果十分显著。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。