人工神經(jīng)網(wǎng)絡在中醫(yī)診斷信息化中的應用

劉旺華，洪 凈*，李 花，孫貴香，陳 燕

（湖南中醫(yī)藥大學,湖南 長沙 410208）

人工神經(jīng)網(wǎng)絡在中醫(yī)診斷信息化中的應用

劉旺華，洪 凈*，李 花，孫貴香，陳 燕

（湖南中醫(yī)藥大學,湖南 長沙 410208）

中醫(yī)學是一個非常復雜的系統(tǒng)，臨床證候之間、臨床證候與診斷目標之間、臨床證候與方藥之間的關系具有非線性、復雜性、模糊性、非定量的特點。人工神經(jīng)網(wǎng)絡能從海量數(shù)據(jù)中提取隱含的有意義的知識，能模擬這種非線性映射關系，建立診斷、判別模型，做出前瞻性決策，正是這種優(yōu)勢使得人工神經(jīng)網(wǎng)絡技術有可能為解決中醫(yī)脈象辨識信息化、中醫(yī)舌象辨識信息化、中醫(yī)證候辨識信息化中權值難以明確的問題提供更為科學的方法與途徑。

人工神經(jīng)網(wǎng)絡；中醫(yī)診斷；信息化；權值

中醫(yī)學領域數(shù)據(jù)龐大、生成速度快、結構復雜，具有多樣性、不完整性、冗余性、隱私性、模糊性以及非線性等特點。顯然線性建模不適應于中醫(yī)臨床，非線性建模方法，則可在系統(tǒng)內部結構和機理未知情況下，通過發(fā)現(xiàn)隱含在輸入、輸出數(shù)據(jù)中的特性，建立能充分接近系統(tǒng)實際結構和機理的等價模型，可較好地模擬中醫(yī)臨床信息之間存在的大量多重協(xié)同關系或共線性關系，更適合其復雜性、非線性的特征[1]，探索合適的非線性數(shù)學建模方法對于揭示中醫(yī)臨床診療規(guī)律具有重要的推動作用，可以取得事半功倍的效果[2]。人工神經(jīng)網(wǎng)絡(artificial neural network，ANN)興起于20世紀80年代，它模擬生物神經(jīng)系統(tǒng)的原理而構建，是一種能實現(xiàn)非線性映射功能的新型智能信息處理系統(tǒng)，是信息科學、數(shù)學、生物、醫(yī)學等多學科交叉的邊緣學科，具有自學習、自組織、并行分布式處理、良好的容錯性等特點；能高速尋找優(yōu)化解；具有聯(lián)想存儲功能；在處理噪聲和漂移方面比傳統(tǒng)的統(tǒng)計方法要好[3]。在控制優(yōu)化、信息處理、

本文引用：劉旺華，洪 凈，李 花，孫貴香，陳 燕.人工神經(jīng)網(wǎng)絡在中醫(yī)診斷信息化中的應用[J].湖南中醫(yī)藥大學學報，2017，37（7）：809-812.模式識別、故障診斷與預測等方面得到廣泛應用[4]。

近年來，在中醫(yī)學領域中，不少學者利用ANN技術，從理論和方法等方面作了許多有益的研究和探索。北京計算機技術應用研究所運用神經(jīng)網(wǎng)絡模型對臨床病例進行診斷；中南大學采用基于自定義網(wǎng)絡結構建立了多層前饋型人工神經(jīng)網(wǎng)絡(MLPANN)分類系統(tǒng)[5]；上海中醫(yī)藥大學設計了基于MFBP算法的中醫(yī)辨證神經(jīng)網(wǎng)絡模型[6]；湖南中醫(yī)藥大學運用包括ANN在內的多種運算法，構建了基于中醫(yī)證素理論的辨證軟件-WF文鋒Ⅲ中醫(yī)（輔助）診療軟件[7]，應用于臨床、科研和教學。ANN已成功用于疾病預報、舌象圖像處理、脈象識別分析、醫(yī)學圖像處理、方劑配伍等方面。因此，應用ANN研究中醫(yī)診斷信息化已是大勢所趨。

1 人工神經(jīng)網(wǎng)絡的特點

ANN的原理是通過模擬生物的神經(jīng)網(wǎng)絡結構、功能，實現(xiàn)對輸入信息的有效處理。通常包含輸入層、隱含層、輸出層，其基本組成單位為神經(jīng)元。見圖1。

圖1人工神經(jīng)網(wǎng)絡模型圖

輸入層接受外界信號，將其引入神經(jīng)網(wǎng)絡；隱含層位于輸入層和輸出層之間，分成一層或多層，對輸入的信息進行處理并將處理后的信息傳遞給輸出層(或下一個隱含層)；而輸出層則輸出經(jīng)隱含層處理后的結果。輸入神經(jīng)元與隱含神經(jīng)元之間有權值連接。輸入層神經(jīng)元個數(shù)由病癥信息（病因、病史、癥狀、體征）數(shù)目確定；隱含神經(jīng)元的個數(shù)一般根據(jù)經(jīng)驗確定，輸出層神經(jīng)元個數(shù)由診斷結論數(shù)目確定。ANN不需要精確的數(shù)學模型，它通過模擬人類的聯(lián)想推理和抽象思維能力，來解決傳統(tǒng)自動化技術無法解決的諸多復雜的、非線性、不確定性的自動化問題[8]。神經(jīng)網(wǎng)絡模擬人腦的功能，通過大量的神經(jīng)元相互聯(lián)系形成網(wǎng)絡，通過積累知識、經(jīng)驗，不斷修正網(wǎng)絡結構和隸屬權值[9]。神經(jīng)網(wǎng)絡有多種類型，如基于概率神經(jīng)網(wǎng)絡（probabilistic neural network，PNN）[10]、反向傳播神經(jīng)網(wǎng)絡（back propagation neural network，BP神經(jīng)網(wǎng)絡）、共軛梯度神經(jīng)網(wǎng)絡(conjugate gradient neural network，CGNN)等數(shù)十種。

2 人工神經(jīng)網(wǎng)絡在中醫(yī)診斷信息化的應用

2.1 ANN促進中醫(yī)脈象辨識信息化

隨著生物力學、信息工程學、數(shù)學等多學科在中醫(yī)學中的交叉滲透，中醫(yī)脈象信息在記錄、提取、辨識的理論與方法上有了長足的進展。ANN已應用于不同類別脈象的識別[11-12]，正常人與其他生理病理狀態(tài)者的脈象識別，包括正常人與吸毒人群脈象的識別[13-14]，正常人與孕婦脈象的識別[15]，正常人與心腦血管疾病患者脈象的識別[16]。這些研究構建一個3～4層的神經(jīng)網(wǎng)絡，從脈搏波動圖譜所獲得的特征參數(shù)中，選取一定數(shù)量的特征參數(shù)作為人工神經(jīng)網(wǎng)絡系統(tǒng)的輸入值，對應神經(jīng)網(wǎng)絡的輸入節(jié)點，以具體脈名為輸出節(jié)點，將樣本的一半作為訓練樣本，另一半則作為檢驗樣本，均取得了較滿意的效果，識別準確率在70%以上。

ANN用于脈象特征和分類的研究表明，它可以對脈象信息進行時域-頻域分析，并能考慮脈象的模糊性，具有一定智能處理能力；此外，因為ANN的自組織、自學習和容錯性等優(yōu)點，克服了傳統(tǒng)判別分類方法的一些不利因素，大大提高了中醫(yī)脈象的判別準確率。但在實際的研究中仍有需改進的地方，對非平穩(wěn)隨機信號分析、識別的理論和技術存在缺陷與不足；單一特征提取方法獲得的特征值很難完全代表所有脈象的特征，應結合多種脈象特征提取方法獲得的特征值輸入ANN，提高脈象判別分類的準確性；不同脈象要素所代表的是脈象在不同方面的特征，代表不同要素的特征值也不同。因此，在應用ANN進行脈象判別研究中，應針對不同的脈象要素，提取有代表性的特征值[17]。

2.2 ANN促進中醫(yī)舌象辨識信息化

謝錚桂等[18]建立了一個中醫(yī)舌診智能診斷神經(jīng)網(wǎng)絡模型，先對輸入樣本數(shù)據(jù)進行歸一化處理，采用基于免疫聚類的RBF算法進行學習、訓練。以肝病病證診斷進行仿真，研究結果顯示，該系統(tǒng)具有診斷能力強、收斂速度快、泛化能力強等特點。吳蕓等[19]構造一個三層前饋式神經(jīng)網(wǎng)絡，利用MATLAB工具為算法，以舌象、主癥因子為輸入值的中醫(yī)舌診八綱辨證ANN，對樣本訓練集判別的準確率為100%，對有效集計算的準確率也可達到80%。周金海等[20]將的舌象、八綱辨證的文字表述轉換為二進制數(shù)，選擇Microsoft神經(jīng)網(wǎng)絡挖掘算法構建了中醫(yī)舌診知識庫，對訓練數(shù)據(jù)進行了驗證，其構建的中醫(yī)舌診ANN能對非樣本測試值進行滿意的預測。

2.3 ANN促進中醫(yī)證候辨識信息化

中醫(yī)是一個復雜系統(tǒng)，臨床信息之間，臨床信息與證素之間，臨床信息與證之間，臨床信息與疾病之間往往具有非線性、復雜性、模糊性、非定量的特點。如何對海量的信息進行分析、整合，并探索其內在規(guī)律，是證候研究的難點。證候研究的主要目的就是通過對證候特征進行分析，揭示證候判別和四診信息之間的對應規(guī)律，從而找出辨證的規(guī)律。ANN具有強大的非線性映射功能[21]，具有獨特的信息存儲方式、大規(guī)模的并行處理方式、良好的容錯性以及強大的自學習、自組織和自適應能力。ANN在不打開黑箱、不必知道內部結構的情況下，能夠充分模擬"證"與“臨床信息”的非線性映射關系[22]，真實地反映證候的全貌，建立證候模型、反映證候的內在規(guī)律和特征[23]。在這里，臨床信息為輸入層，證為最終的輸出層。每例樣本即為一對輸入與輸出的抽象的數(shù)學映射關系，診斷的過程就是一個映射問題，即找出臨床信息與證名之間的對應關系。與中醫(yī)診斷司外揣內思想不謀而合。基于神經(jīng)網(wǎng)絡的中醫(yī)證候計量診斷模型，能從海量數(shù)據(jù)中尋找隱含的有意義的知識，做出前瞻性的判斷，這種優(yōu)勢使得ANN技術有可能為解決中醫(yī)證候診斷標準化研究中癥狀權值難以確定的問題提供更為科學的方法與途徑。

陸萍等[24]構造了一個基于在MATLAB的三層前饋式神經(jīng)網(wǎng)絡，將19個典型病例作為面診-證素辨證的模范樣本，然后對64個病例進行證型辨別，研究表明，面診-證素神經(jīng)網(wǎng)絡證型判別結果基本與臨床吻合。李建生等[25]采用RBF神經(jīng)網(wǎng)絡對263份2型糖尿病病例進行證候判別。建立輸入層41個節(jié)點，隱含層6個節(jié)點，輸出層6個節(jié)點(對應陰虛證、氣虛證、氣陰兩虛證、陰陽兩虛證、血瘀證、燥熱證)的RBF神經(jīng)網(wǎng)絡模型。200個樣本訓練后，運用RBF神經(jīng)網(wǎng)絡對63個測試病例進行檢驗，結果顯示該模型證候判別準確率達到94.4%。同時建立BP神經(jīng)網(wǎng)絡，并用相同的樣本進行訓練與檢驗，結果顯示RBF神經(jīng)網(wǎng)絡在逼近能力、分類能力和學習速度等方面優(yōu)于BP神經(jīng)網(wǎng)絡。孫貴香等[26]在冠心病臨床流行病學調查的基礎上，構建了基于MATLAB神經(jīng)網(wǎng)絡冠心病中醫(yī)證候人工神經(jīng)網(wǎng)絡模型，輸入層109個節(jié)點，隱含層16個節(jié)點，輸出層7個節(jié)點（對應心氣虧虛證、心陰虧虛證、心陽虧虛證、心血瘀阻證、痰阻心脈證、寒凝心脈證、氣滯心脈證），通過運用回顧性檢驗及前瞻性檢驗證明該模型的性能良好。

3 前景與展望

中醫(yī)學四診和辨證體系是一個非線性的復雜巨系統(tǒng)，蘊含著確定與模糊結合、定量與定性結合、主觀與客觀結合、線性與非線性結合的海量數(shù)據(jù)，其復雜性特征決定了證候研究必須從復雜科學視角出發(fā)，用不同的方法和工具進行多學科交叉研究。ANN作為一種非線性智能信息處理系統(tǒng)，是目前復雜科學研究領域廣泛使用的一種方法，能夠充分逼近舌象、脈象識別，證候分類等復雜的非線性關系，避免主觀因素對數(shù)據(jù)處理的影響，客觀真實地反映研究對象，獲取臨床信息與診斷結論之間的的內在規(guī)則，形成權值儲存于系統(tǒng)中，對臨床信息作出較準確的判別、分類。以往的研究充分展示ANN方法在中醫(yī)舌象、脈象、證候判別、分類研究領域具有方法上的可行性，對于深入開展中醫(yī)四診、辨證規(guī)范化、信息化、數(shù)字化具有深遠的意義。隨著健康管理產(chǎn)業(yè)在社會和互聯(lián)網(wǎng)的興起，人們對于網(wǎng)絡自助健康咨詢、健康辨識、健康評估的需求日益增長，各種相應健康咨詢、診斷軟件如雨后春筍，層出不窮，也為應用ANN開發(fā)中醫(yī)人工智能軟件，服務健康管理提供了契機。當然，ANN的知識處理能力還需進一步提高，還需圍繞如何提高ANN的學習能力、收斂速度、可塑性以及普化能力等方面展開深入研究。此外研究顯示，單一的ANN模型種類繁多，各有千秋，應根據(jù)具體研究目標，選擇合適的ANN模型，必要時還應結合其他數(shù)據(jù)挖掘技術[27]，如采用關聯(lián)規(guī)則法、聚類分析法、粗糙集理論算法、貝葉斯網(wǎng)絡法、支持向量機法等，彌補單一方法的不足。

[1]李麗娟,劉鳳斌,侯政昆.基于數(shù)據(jù)挖掘的中醫(yī)五臟相關理論研究思路[J].廣州中醫(yī)藥大學學報,2015,32(1):160-162.

[2]牟冬梅,馮 超,王 萍.數(shù)據(jù)挖掘方法在醫(yī)學領域的應用SWOT分析[J].醫(yī)學信息學雜志,2015,36(1):53-57.

[3]鄒慧琴,李 碩,陶 歐,等.RBF神經(jīng)網(wǎng)絡在中醫(yī)藥領域中的應用及其在SPSS 17.0軟件中的實現(xiàn)[J].中華中醫(yī)藥學刊,2015,33(2):336-338.

[4]施明輝,周昌樂.人工神經(jīng)網(wǎng)絡在中醫(yī)診斷中的應用現(xiàn)狀與趨勢[J].中國中醫(yī)藥信息雜志,2007,14(1):2-5.

[5]樊曉平.基于多層前饋型人工智能神經(jīng)網(wǎng)絡的抑郁癥分類系統(tǒng)研究[J].計算機工程與應用,2004,40(13):205-208.

[6]邊 沁.基于MFB-P算法的中醫(yī)證型的神經(jīng)網(wǎng)絡模型初探[J].中國中醫(yī)基礎醫(yī)學雜志,2001，7(5):66-69.

[7]黃碧群,曲 超,向 歲,等.中醫(yī)證素辨證研究概況[J].湖南中醫(yī)藥大學學報.2013,33(1)：34-36.

[8]龔燕冰,倪 青,王永炎.中醫(yī)證候研究的現(xiàn)代方法學述評-中醫(yī)證候數(shù)據(jù)挖掘技術[J].北京中醫(yī)藥大學學報,2006,29(12):797-801.

[9]王穎純,白麗娜.基于BP神經(jīng)網(wǎng)絡的中醫(yī)脈診體質類型判定[J].中醫(yī)雜志,2014,55(15):1288-1291.

[10]郭紅霞,王炳和,鄭思儀,等.基于概率神經(jīng)網(wǎng)絡的中醫(yī)脈象識別方法研究.計算機工程與應用,2007,43(20):194-197.

[11]岳沛平.BP神經(jīng)網(wǎng)絡識別在中醫(yī)脈象信號辨識系統(tǒng)中的運用[J].江蘇中醫(yī)藥,2005,26(11)：4-6.

[12]陳 雷,楊麗娟.分形理論和小波在脈象識別中的應用[J]．航空計算技術,2008，38(4)：41-44.

[13]許繼勇,蔡坤宅.參數(shù)化雙譜估計在中醫(yī)脈象信號識別中的應用[J].自動化技術與應用.2007,26(11):33-35.

[14]黃 鐳,劉宗行,蔡坤寶．倒雙譜估計在海洛因吸毒者脈象信號檢測中的應用[J]．重慶工學院學報（自然科學版）,2007,21(7):98-102.

[15]王 璐,吳南健,溫殿忠.人工神經(jīng)網(wǎng)絡在孕婦脈象判別中的應用[J].黑龍江大學自然科學學報,2003,20(4):66-68,72.

[16]張維平,張 寅,張莎薩,等.小波分析與神經(jīng)網(wǎng)絡在心腦血管疾病脈象信號分析識別中的應用[J].生物醫(yī)學工程進展,2008,29(2):84-86.

[17]燕海霞,王憶勤,宮愛民,等.人工神經(jīng)網(wǎng)絡在中醫(yī)脈象識別分類研究中的應用概況[J].世界科學技術,2009,11(4):522-528.

[18]謝錚桂,韋玉科,鐘少丹.基于免疫聚類的RBF神經(jīng)網(wǎng)絡在中醫(yī)舌診診斷中的應用[J].計算機應用與軟件,2009,26(4):42-44.

[19]吳 蕓,周昌樂,張志楓.中醫(yī)舌診神經(jīng)網(wǎng)絡的優(yōu)化遺傳算法[J].計算機應用研究,2007,24(9):50-52.

[20]周金海,楊 濤,沈大慶,等.基于ANN的中醫(yī)舌診八綱辨證知識庫構建與應用[J].計算機應用研究,2010,27(5):1771-1773.

[21]趙鐵牛,于春泉,王惠君,等.人工神經(jīng)網(wǎng)絡在中醫(yī)證候學中的應用初探[J].中華中醫(yī)藥雜志,2014,29(3):831-833.

[22]洪 芳,何建成,曹雪濱.人工神經(jīng)網(wǎng)絡在中醫(yī)證候研究中的應用現(xiàn)狀與趨勢[J].遼寧中醫(yī)雜志,2013,40(1):13-15.

[23]孫貴香,袁肇凱.人工神經(jīng)網(wǎng)絡在中醫(yī)證候研究中的應用[J].中華中醫(yī)藥學刊，2007,25(7):1450-1452.

[24]陸 萍,林坤輝,周昌樂.基于神經(jīng)網(wǎng)絡的中醫(yī)面診證素辨證的研究.計算機應用研究,2008,25(9):2655-2657.

[25]李建生,胡金亮,余學慶,等．基于聚類分析的徑向基神經(jīng)網(wǎng)絡用于證候診斷的研究[J]．中國中醫(yī)基礎醫(yī)學雜志,2005,11(9):685-687．

[26]孫貴香,姚欣艷,袁肇凱,等.基于MATLAB的冠心病中醫(yī)證候BP神經(jīng)網(wǎng)絡實現(xiàn)[J].中華中醫(yī)藥學刊，2011,29(8):1774-1776.

[27]李 琳,胡志希,凌 智.數(shù)據(jù)挖掘在冠心病中醫(yī)證治研究中的應用[J].遼寧中醫(yī)雜志,2014,41(12):2727-2729.

（本文編輯 李 杰）

Summary on the Application of Artificial Neural Network in Informatization of Chinese Medicine Diagnosis

LIU Wanghua,HONG Jing*,LI Hua,SUN Guixiang,CHEN Yan
（Hunan University of Chinese Medicine,Changsha,Hunan 410208,China）

Traditional Chinese medicine is a complex system,the relationship between the information of the disease,between the information and the target of diagnosis,between the information of the disease and the recipe and medicine is often nonlinear,complex,fuzzy and non quantitative.Artificial neural network(ANN)is good at discovering implicit knowledge from the massive data,adequately simulating this non-linear mapping.It can build model of diagnosis and discrimination,establish forward-looking decisions.Due to the above advantages,ANN technology maybe provide more scientific methods and ways for calculating the difficult to calculate weight in informatization of pulse identification,informatization of tongue identification,informatization of identification of syndromes in TCM.

artificial neural network;diagnostics of traditional Chinese medicine;informatization;weight

R241

A

10.3969/j.issn.1674－070X.2017.07.030

2016-02-18

湖南中醫(yī)藥大學中醫(yī)診斷學國家重點學科開放基金項目(ZZKF201501)。

劉旺華，男，博士，研究方向:中醫(yī)診斷規(guī)范化研究。

*洪 凈，女，博士，博士研究生導師,E-mail:hj6048@126.com。