基于神經網絡的中醫面診證素辨證的研究

摘 要：根據中醫診斷推理對知識的不確定性、不完全性和邏輯推理的模糊性及神經網絡技術的特點出發，利用神經網絡對中醫面診證素辨證進行研究，得到一個關于證素辨證的面診神經網絡結構。在MATLAB上設計出這個神經網絡結構，對64例病例進行辨證并對其結果進行分析。

關鍵詞：神經網絡；中醫面診； 證素辨證

中圖分類號：TP391.5 文獻標志碼：A

文章編號：1001-3695(2008)09-2655-03

Research of TCM face diagnosis and symptom factor based on NN

LU Pinga，LIN Kunhuib，ZHOU Changlec(a.School of Mathmatic Science;b.School of Software;c.School of Information Science Technology， Xiamen University， Xiamen Fujian 361005， China)

Abstract:Traditional Chinesemedical diagnosis has the characteristic of uncertainty， imperfection and illegibility， and the neural network has the same characteristic. Form the point of view，this paper discussed the thought that use the technology of neural nerwork to research the traditional Chinesemedical face diagnosis and symptom factors.It constructed the neural network of the TCM face diagnosis and symptom ， and analyzed the result.

Key words:NN(neural network)；TCMFD(traditional Chinesemedical face diagnosis)；symptom factors 

中醫藥現代化是國家中長期科技發展規劃中具有戰略意義的研究領域。隨著社會各方面的信息化，信息化的概念刻不容緩地進入了醫學領域。在計算機的幫助下，西方醫學在各個方面的研究成果和醫務人員的工作效率都有了顯著提高。作為另一大醫學理論體系的中醫學仍然沿用上古的方法為大眾服務，并沒有從根本上解決中醫辨證論治的邏輯形式化描述問題，這成為了醫務人員的學習和工作以及將中醫推向世界的阻礙。實踐證明，貫穿中醫學基本理論的診病方法和辯證思維不能完全沿用西方醫學所采用的計算機信息技術來實現中醫學的智能信息化^[1]。中醫診斷推理對知識的不確定性、不完全性和邏輯推理的模糊性等特點，需要從計算機“軟計算”技術方面入手，逐步實現中醫診斷的信息化。

1 神經網絡與中醫面診證素辨證

20世紀40年代心理學家W.S.McCulloch和數學家W.Pitts從人腦信息處理的特點出發，采用數學模型的方法研究了腦細胞的動作和結構，以及生物神經元的一些基本的特征，提出了第一個人工神經計算模型，即神經元的閾值元件MP模型。他們使用一些節點和節點之間的連接，構成一個模擬大腦可用于邏輯運算的簡單的神經網絡模型。人工神經網絡的特點和優越性主要表現在四個方面：具有自適應的學習能力；具有處理非線性映射的能力；具有泛化能力；具有高速尋找優化解的能力，即神經網絡具有并行計算能力。

《靈樞 邪氣臟腑病形》說：“十二經脈，三百六十五絡，其血氣皆上于面而走空竅。”由于心主血脈，其華在面，手足三陽經皆上行于頭面，特別是多氣多血的足陽明胃經分布于面，故面部血脈豐盛，為臟腑氣血之所榮；加之面部皮膚外露，其色澤變化易于觀察。凡臟腑的虛實、氣血的盛衰皆可通過面部色澤的變化而反映于外，因而臨床將面部作為望診的主要部分。

朱文鋒教授經過數十年的深入研究創立了證素辨證新體系 。所謂證素， 就是指辨證的基本要素。證素是通過對證候 (癥狀、體征等) 的辨識而確定的病位和病性， 是構成證名的基本要素。在這里， 證實際包括證候、證素、證名。辨證就是根據證候(病理信息)→辨別證素(確定病變本質) →組合成證名(辨證診斷) 的思維認識過程。根據這一特點，就可以利用軟計算方法與技術構建根據病人病“癥”進行病證分類的神經網絡，初步解決病癥—病證組合分類的問題。

2 中醫面診證素辨證神經網絡結構

圖1所示的是中醫面診證素辨證神經網絡設計圖，其分為三個部分：a)輸入預處理層，其主要功能是通過面診將診斷結果分為五類。b）證素辨證計算隱層，其主要功能是對經過預處理的中醫癥狀所得數值進行計算、分類。它由兩個子層組成，第一子層主要是對癥狀的值的計算，第二子層神經元主要是對癥狀的值計算結果的分類。c）輸出后處理層，其主要功能是對隱層計算出的結果進行中醫面診—證素證型的對應設置，輸出中醫對應的15個證型。最終完成對輸入癥狀的中醫辨證。

1） 輸入預處理層神經元模型

輸入預處理層神經元模型的主要功能是通過面診將診斷結果分為：赤、青、黃、白、黑五類，如表1所示。

圖2是中醫面診—證素辨證計算中間層模型，包括兩部分，第一子層包含S1個神經元，第二子層包含S2個神經元，它們主要是將輸入的數據進行計算處理，獲得相關證型數據。其輸入向量X（R維輸入向量）首先與閾值θ1相乘，然后計算權值向量ω2S1×R的行向量之間的距離‖dist‖，產生S1維向量，再經過函數f傳遞到第一隱層的輸出a1S1，即可表示為a1=f(dist(ω1，P×θ1))。其中dist()表示第一隱層權值向量ω1與輸入向量P×θ1之間的距離。然后第一子層計算結果a1S1與期望向量矩陣ω2S2×S1相乘，即ω2S2×S1×a1S1，獲得中間結果b1S2×1。其中，期望向量矩陣ω2S2×S1的每一列向量只有一個元素為1，代表相對應的類別，其余元素均為0。再通過第二子層神經元過濾函數Ψ計算得到輸出S2維向量b2S2，把其中較大的元素取為1，其余元素為0。最后得到面診—證素辨證神經網絡的輸出S2維向量a2。至此，面診—證素辨證神經網絡就能夠完成對輸入癥狀的證素辨證。

第一層子層神經元的激活函數的形式為

3 實驗結果及分析

本文基于面診的證素辨證，在MATLAB工具下構造一個三層前饋式神經網絡。根據表 1選定了19個典型病例作為面診—證素辨證的模范樣本，并把其分成五個部分對應于不同的中間層的權値。

表2 面診—證素辨證神經網絡辨證計算隱層第一子層的連接權值（1）

入出

寒熱疼痛頭身飲食二便神面色皮膚脈象舌體舌苔其他

從面診—證素辨證神經網絡結果可以看出，面診—證素神經網絡基本上都能得到準確的證型辨證結果（除脾虛和濕證外），但有些結果也附加其他結果。由于脾虛和濕證與中間層第一層的權值十分接近，又由于激活函數對于脾虛的輸出值十分接近于濕證的輸出值，容易出錯。但總體而言辨證結果的準確率還是比較高的，如要應用于臨床還需進一步提高準確率。

4 結束語

以上實驗結果表明，利用現有固定結構的神經網絡模型構建中醫面診系統，能夠根據樣本值對網絡構造和訓練，對部分非樣本測試值也能作出合理的診斷。從而說明采用神經網絡技術構建中醫面診是完全可行的。但是由于網絡結構相對固定，只是根據樣本對其權值進行訓練，而不能根據樣本動態地調整適合中醫診斷推理的神經網絡的結構，達到神經網絡權值、結構等整體的最優，這就限制了中醫面診的神經網絡有效提高診斷推理結果的準確率。所以，首先需要從現有的神經網絡模型中選擇恰當的模型，構建神經網絡的初始結構及其權值；再對其利用軟計算中其他相互協同互補的方法，如遺傳算法對構建的中醫診斷知識庫中的每一類神經網絡進行優化，達到針對一類病證診斷的神經網絡的結構和權值最優。并且采用多級目錄管理的方式對構建的各個神經網絡和神經網絡子庫進行有效的管理和調用（這也是下一步的工作）。從而能夠構建適合中醫面診系統。

表12 診斷結果

編號NN診斷結果專家診斷結果編號NN診斷結果專家診斷結果

1陽虛氣虛33濕證，脾虛脾虛

2陽虛，血虛血虛34濕證，脾虛濕證

3血虛，氣虛，陽虛氣虛，陽虛35濕證，脾虛濕證

4血虛血虛36實熱證實熱證

5陰虛陰虛37脾虛脾虛

6血虛，氣虛氣虛，血虛，陽虛38濕證濕證

7陽虛，寒證氣虛，陽虛39濕證，脾虛脾虛

8脾虛脾虛，濕證40脾虛脾虛

9血虛氣虛，陽虛41脾虛脾虛

10脾虛，濕證脾虛，濕證42濕證脾虛

11氣虛氣虛43濕證濕證

12氣虛，陽虛陽虛44陰虛陰虛

13氣虛氣虛45脾虛脾虛

14氣虛氣虛46濕證，脾虛脾虛

15氣虛，陽虛，寒證陽虛47濕證，脾虛脾虛

16血虛，氣虛，陽虛，寒證陽虛48脾虛脾虛

17脾虛脾虛49實熱證實熱證

18脾虛濕證50實熱證實熱證

19濕證濕證51實熱證實熱證

20脾虛脾虛，濕證52實熱證實熱證

21濕證濕證53實熱證實熱證

22實熱證陰虛54陰虛陰虛

23脾虛濕證55實熱證實熱證

24濕證，脾虛濕證56實熱證實熱證

25脾虛濕證57實熱證實熱證

26脾虛脾虛58實熱證實熱證

27脾虛脾虛59實熱證實熱證

28脾虛脾虛60陰虛陰虛

29脾虛脾虛61陰虛陰虛

30實熱證實熱證62痛證腎陽證

31實熱證實熱證63陰虛，實熱證實熱證

32實熱證實熱證64痛證腎陰虛

參考文獻：

［1］吳微.神經網絡計算[M].北京：高等教育出版社，2003.

[2]魏海坤.神經網絡結構設計的理論與方法[M].北京：國防工業出版社，2005.

[3]董長虹.MATLAB神經網絡與應用[M].北京：國防工業出版社，2005.

[4]朱文鋒.中醫診斷學[M].北京：中國中醫藥出版社，2004:143156.

[5]曹顯慶.人工神經網絡技術在醫學研究中的應用[J].現代臨床醫學生物工程學雜志，2003，9(1)：57-60.

[6]LEE S W，HEON H.A new recurrent neuralnetwork architecture for visual pattern recognition[J].IEEE Trans on Neural Networks，1997，8(2)：331-340.

[7]朱文鋒.構建“證素辨證”新體系的意義[J].浙江中醫學院學報 ， 2006，30(2):135136，142. [8]文鋒，甘慧娟.證素內容的辨析[J].湖南中醫藥導報，2005，11(1):1113.

[9]朱文鋒，晏峻峰，黃碧群.貝葉斯網絡在中醫證素辨證體系中的應用[J].中西醫結合學報，2006，4(6):567-571.