人工神經網絡在中醫診斷信息化中的應用研究

遼寧中醫藥大學信息工程學院 劉世芳 吳 敏

“互聯網+”背景下，中醫診斷信息化程度不斷提高，各項前沿技術在中醫領域中的應用更為廣泛，驅動醫療行業取得大量的研究成果，人工神經網絡運用在中醫診斷中，進一步提高中醫診斷的信息化程度。基于此，本文主要研究人工神經網絡在中醫診斷的信息化中的應用，以期發揮人工神經網絡技術在中醫望診中的辨識度，推進中醫診斷向信息化方向發展。

中醫學領域較為系統化，數據龐大，信息數據具有隱私性、模糊性等特點；人工神經網絡作為一種能夠實現非線性映射功能的新型智能信息處理系統，涉及到多學科領域的知識，包含了數學、生物、醫學等，具有良好的容錯性，可發揮分布式處理作用，系統功能優勢明顯。因此，將人工神經網絡應用在中醫診斷中，可實現對信息數據的優化處理，提高中醫診斷信息化程度。

1 人工神經網絡的特點以及應用現狀

1.1 特點

人工神經網絡（ANN）通過模擬生物神經網絡結構和功能，對輸入的信息進行處理，相關研究人員通過搭建人工神經網絡模型，具體劃分了層級模塊：輸入層-輸入神經元、隱含層-隱含神經元、輸出層-輸出神經元。其中輸入層負責接收外界的信號，并將接收到的信號引入到神經網絡；隱含層則是對輸入的信息進行分析和處理，并將處理后的信息反饋給輸入層；輸出層是將隱含層反饋的信息結果傳輸出去。輸入層的神經元數量信息，包含了病因、病史等病癥信息；隱含神經元的個數則是根據經驗決定的，輸出神經元是根據病癥診斷結果確定數目的。ANN通過模擬人類大腦思維，產生聯想和推理，更好解決中醫學領域中復雜的、非線性和不確定性的自動化問題。通過人腦的模擬，構成了大量的神經元連接而成的網絡。

1.2 應用現狀

人工神經網絡是應用在中醫診斷中的有效方法，研究人員在不斷的實踐研究中發現人工神經網絡可以應用于醫學診斷中，基于中醫層面，加強對中醫病例中的數據研究和分析，以期驗證人工神經網絡具有應用在中醫診斷中的可行性。醫學診斷本身是一個映像的過程，可根據癥狀分析病癥，并得出診斷結果，人工神經網絡構造診斷系統在實際操作中，基于大量的實例數據樣本進行分析，人工神經網絡診斷系統中，每一條實例數據表示為輸入值/目標值影像關系；人工神經網絡通過學習后，優化了數據識別功能；在中醫診斷中根據人工神經網絡樣本進行訓練，將樣本的輸入值上傳到輸入層的節點中，人工神經網絡對接收到的輸入值和權值展開運算分析，并將運算結果通過輸出層傳輸出去，一旦發現輸出模式與樣本模式存在偏差，人工神經網絡支持網絡權值的調整；并將權值調整到合適的輸入值范圍內，有效將輸出模式與樣本模式誤差控制在合理范圍內。人工神經網絡得到充分訓練后，得到樣本特征知識，有針對性地將樣本特征知識分布存儲到網絡中。研究人員在實際研究過程中，發現樣本特征知識接受輸入值后，會生成預設目標相似甚至相同的輸出值，基于此，研究人員搭建了人工神經網絡非線性映射模型，模型仿真實驗分析中，發現人工神經網絡訓練后，在樣本分析上體現了較好的適用性，同時支持預測未經過訓練的人工神經網絡，說明人工神經網絡具有泛化能力。中醫診斷中應用人工神經網絡，對提供的樣本提出較高的要求，要求每一個樣本必須是一對癥狀值/診斷結果值，樣本信息的提供，是通過相關中醫學術成果獲得的，并將病例癥狀和診斷結果在模型中進行量化和表示。相關研究人員基于此基礎展開進一步的研究和探索，加強對人工神經網絡系統分析，基于人工神經網絡在中醫診斷信息化建設中的應用視角，看待人工神經網絡在中醫診斷中的應用。

2 人工神經網絡在中醫診斷信息化中的應用

2.1 人工神經網絡強化了對中醫診斷脈象信息的辨識

中醫診斷在多學科領域中滲透，并在人工神經網絡支持下，在診斷信息的記錄、提取和辨識上，取得長足的發展，支持對不同類別脈象的識別，包括吸毒人員、孕婦、正常人心腦血管等脈象信息的識別。研究人員通過構建一個3～4層的神經網絡，可基于脈搏波動圖譜中獲得相關的參數信息，研究人員從中選取一定特征數量的人工神經元參數輸入值，將提取到的樣本一半信息作為實驗樣本、一半作為對照樣本，在實踐研究中取得了明顯的研究進展，發展人工神經網絡對中醫診斷中的脈象信息識別率達到了80%。人工神經網絡，可以對脈象信息進行頻域分析，加強對脈象信息模糊性的對比研究，智能化處理能力較強，打破傳統中醫診斷對脈象信息的識別，提高中醫診斷結果的準確率。基于人工神經網絡自身具有諸多的優勢特征，容錯性較好，能夠克服傳統中醫診斷中遇到的問題，切實提升診斷效果。研究人員在實際研究過程中，不斷進行改進，加強對平穩隨機信號的分析，加強對傳統理論和技術缺陷問題的解決，在信息提取過程中好難過，可準確得到全部的脈象特征，并結合人工神經網絡的判別類別進行分析，提高了脈象信息的精準性。基于不同的脈象信息反映出的特征值也不同，研究人員在實際研究人工神經網絡對信息的判別能力過程中，結合不同脈象信息，提取具有代表性的特征值進行研究分析，保證中醫診斷結果的準確性。

2.2 實現人工神經元網對中醫舌象辨識的信息化

有研究人員在研究人工神經網絡與中醫舌象信息智能診斷之間的關系時，搭建了智能神經網絡模型，在模型中輸入向前提取到的樣本數據參數，并在RBF算法支持下進行學習和訓練；研究人員在實際進行肝病診斷工程中，通過搭建模型進行仿真模擬，實驗分析發現，基于人工神經網絡搭建的智能神經網絡模型，較比傳統診斷模式具有明顯的信息化、智能化優勢，診斷能力強，收斂速度較快，泛化能力較強；有研究人員采用的是MATLAB工具算法搭建了一個三層前饋式神經網絡，主要輔助中醫診斷舌象、主要病癥等，將模型中輸入相關信息，加強對實驗樣本的辨識，發現準確率為100%達到，計算結果準確率較高。在此基礎上，研究人員將舌象等文字信息的表述，轉化為二進制數據信息，依托Microsoft神經網絡挖掘算法建立了中醫舌診知識庫，加強對實驗組樣本數據的驗證，并對舌診非樣本信息進行預測，通過實踐驗證發現，人工神經元網對中醫舌象辨識程度較高，逐漸推動中醫診斷向智能化、信息化方向發展。

2.3 實現人工神經網絡下的中醫證候辨識信息化

中醫學系統本身較為復雜，需要就中醫證候信息進行分析和整合，探究信息數據變化的內在規律，在實際分析中難度較大，在人工神經網絡支持下，實現對證候信息的辨識，找出四診信息之間的規律，為中醫診斷探究出辨證的規律。人工神經網絡具有非線性映射功能，優化了病癥信息存儲方式，提高信息處理方式，容錯性能高，自組織和自適應能力強。可通過樣本數據信息分析處理，強化對信息參數之間的聯系，并從中醫診斷中找出臨床信息與證名之間的關系。在人工神經網絡模型建設下，中醫診斷信息化程度不斷提升，在模型中，可從隱含層中找出有意義的知識內容，對于強化中醫診斷結果具有可行性意義，為中醫診斷信息化進程推進夯實了堅實的基礎。

有研究人員在此基礎上，構建了MATLAB前饋式神經網絡，以提取樣本進行實驗操作的辦法驗證人工神經網絡在中醫診斷中的應用可行性，選取了16個典型的病例，加強對病例證型的辨別，通過實踐操作，辨別出的結果與臨床診斷信息具有一致性；有研究人員采用的是RBF神經網絡對256份2型糖尿病病例進行證候辨識，在模型中輸入層中輸入40個節點，在隱含層中輸入5個節點、在輸出層中輸入5個節點，建立了有關陰虛癥狀、氣虛癥狀、燥熱癥的RBF網絡模型，并對被測試的病例進行測試和分析，發現RBF神經網絡分類能力、學習能力較強，優勢作用顯著，具有較強的分析能力。同時，有研究人員在冠心病臨床診斷中，構建了MAT-LAB神經網絡模型，在輸入層中輸入了106個節點、在隱含層輸入15個節點、在輸出層輸入了6個節點，對心陰虧虛證、心陽虧虛證、氣滯心脈癥進行辨識，并在模型實驗操作過程中，取得了良好的驗證效果。

3 中醫診斷信息化發展前景

基于人工神經網絡在中醫診斷中的應用，涉及到不同病例的診斷、同一病例的不同癥狀診斷、病情進展階段的診斷以及舌診的八綱辨證診斷，以舌診的八綱辨證診斷來說，根據病情相關資料進行分析，加強對病癥的全面分析，了解病情性質，嚴格按照八綱辨證診斷疾病，觀察病情，并開展具有針對性的治療措施，主要根據患者陰、陽、表、里、寒、熱、虛、實對不同的舌苔和舌體進行判斷。傳統的智能化處理方法：將經驗知識轉化為規則內容，存放在知識庫中；在具體的中醫診斷中，將患者癥狀與知識庫中的每一條規則逐一匹配，匹配成功后，才可得出結論，耗時較長，基于此，加強人工神經網絡在中醫診斷中的應用，可促進中醫藥產業發展進步。

中醫診斷的復雜性等特征，需要研究人員基于科學視角出發，采用不同的方法進行處理。人工神經網絡作為非線性智能信息處理系統，為中醫診斷提供了信息化、智能化分析功能，當前也是廣泛應用在中醫學領域中的關鍵性方法，通過模型的建立，并在各個層級中輸入相關的參數信息，對樣本數據進行分析比較，減少主觀判斷因素的影響，保證總體診斷結構的真實性。人工神經網絡為中醫診斷信息化發展注入了一定的驅動力量，推進中醫診斷信息化進程，滿足中醫學領域需求，更好為人民大眾提供便捷的服務。

結論：綜上所述，中醫診斷信息化發展程度將在互聯網+時代發展下，進一步的快速發展，并在人工神經網絡以及各項信息技術的支持下提升中醫診斷的智能化程度，為中醫學發展提供技術支持，推進中醫藥事業健康長遠發展。逐步實現基于網絡技術支持下的遠程問診和線上問診，更好為患者提供智能化的服務，助推中醫藥產業進步。