一种基于人工智能的中医辩证治疗辅助系统及方法

摘要

本申请涉及医疗辅助技术领域，尤其是一种基于人工智能的中医辩证治疗辅助系统及方法,本申请提供了针对可辩证分析的具体方法和技术，而且本申请实际上是对辩证分析处理的数据处理方法，而不是真正意义的疾病治疗方法，也属于专利法保护的客体。在细节上，在细节上本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；在细节上，得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据。

说明书

技术领域

本申请涉及医疗辅助技术领域，尤其是一种基于人工智能的中医辩证治疗辅助系统及方法。

背景技术

中国发明申请CN202010342551.1公开有一种中医诊疗辅助信息管理系统，其包括用户登录系统和医生门诊系统，所述医生门诊系统包括健康档案管理单元和中药开方单元，且健康档案管理单元包括健康档案查询模块、体质辨识模块和中医调养模块，所述中药开方单元包括病名开方模块、证型开方模块、诊疗指南开方模块、取经典方模块、取经验方模块、辩证开方模块和自定义开方模块，且用户登录系统包括患者登记模块、患者预约模块和患者查询模块。所述患者登记模块用于登记患者姓名、年龄、电话和性别基本信息，若患者之前登记就诊过会显示患者的登记信息，且患者预约模块用于患者二次就诊登记。所述患者查询模块用于根据姓名、就诊日期、病历号和性别查询条件，进行患者查询。所述体质辨识模块用于对65岁以上老年人进行中医服务，所述中医调养模块用于对0-36个月儿童进行中医服务，且中医调养模块能够根据儿童患者的年龄段给出对应月龄段内的中医药调养服务。所述病名开方模块用于根据选择对应的病名，系统会提示出对应的中医证型和处方名称，进行选择开方，且证型开方模块用于根据患者的病理特征选择对应的证型，系统会提选择对应的证型、治法和处方名称。所述诊疗指南开方模块是通过收录十个常见科室的临床病症，选择对应的科室下的病名，系统提示出不同的辩证、治法、说明和处方名称，然后选择对应的处方名称会显示出处方的详细信息进行开方，且取经典方模块是通过系统收录了1000种以上经典处方，然后通过查询进行选择使用。所述取经验方模块为医生将经常使用的经验处方，修改过的经典处方进行保存，再遇到同类病症的患者时直接选择存储好的经验处方，且辩证开方模块通过根据患者情况选择对应的证型，系统根据筛选给出合适的辩证结果、治疗原则及处方名称进行开方。所述自定义开方模块为患者自主填写药品开具处方，或从十二经脉、药物性味药品列表内选择药品进行自主填写，从而完成自定义开方。上述的技术并没有具体公开针对可辩证分析的具体方法和技术，而且该技术涉及可能不是专利保护客体的问题。

发明内容

为了克服现有的技术存在的不足,本申请提供基于人工智能的中医辩证治疗辅助系统及方法。

本申请解决其技术问题所采用的技术方案是：

基于人工智能的中医辩证治疗辅助，包括：

输入单元，用于得到可辩证分析的信息；

随机监督学习集群建立单元，用于建立包含多个低级监督学习单元的随机监督学习集群辩证器；

联合监督学习单元，用于得到所述多个低级监督学习单元的面的辩证分析特征的出现概率，根据所述出现概率将所述多个低级监督学习单元合并成主监督学习单元，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点，还用于得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成所述主监督学习单元的方向扩展面；还用于判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；

联合面单元，用于全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；

辩证器建立单元，用于根据所述主监督学习单元生成监督学习单元辩证器；

数据辩证单元，用于得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。

进一步，所述的监督学习单元采用基于人工智能的决策树算法模型。

进一步，所述的可辩证分析的信息具体包括有病患的病症信息、治疗信息。

进一步，所述联合监督学习单元还用于得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出的低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，循环继续判断所述方向扩展面的辩证分析特征是否为可计算特征。

进一步，，，所述联合监督学习单元还用于全部查询所述多个低级监督学习单元，递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。

基于人工智能的中医辩证治疗辅助方法，包括步骤有：

得到可辩证分析的信息；

建立包含多个低级监督学习单元的随机监督学习集群辩证器；

得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；

判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；

全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；

得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。

进一步，进一步，所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤之后还包括：得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，继续执行所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤。

进一步，进一步，所述得到所述多个低级监督学习单元中的对应所述方向扩展面的辩证分析特征的次低级监督学习单元的步骤为：

全部查询所述多个低级监督学习单元；

递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。

本申请的有益效果是，本申请提供了针对可辩证分析的具体方法和技术，而且本申请实际上是对辩证分析处理的数据处理方法，而不是真正意义的疾病治疗方法，也属于专利法保护的客体。在细节上，本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断，用于具体实现辩证分析处理。

附图说明

图1是本申请实施例中方法实施例的流程图。

具体实施方式

在具体实施中，本申请的基于人工智能的中医辩证治疗辅助系统，包括：

输入单元，用于得到可辩证分析的信息；

随机监督学习集群建立单元，用于建立包含多个低级监督学习单元的随机监督学习集群辩证器；

联合监督学习单元，用于得到所述多个低级监督学习单元的面的辩证分析特征的出现概率，根据所述出现概率将所述多个低级监督学习单元合并成主监督学习单元，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点，还用于得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成所述主监督学习单元的方向扩展面；还用于判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；

联合面单元，用于全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；

辩证器建立单元，用于根据所述主监督学习单元生成监督学习单元辩证器；

数据辩证单元，用于得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。

具体实施的过程：

得到可辩证分析的信息；

建立包含多个低级监督学习单元的随机监督学习集群辩证器；

得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；

判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；

全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；

得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。

综合来看，本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断，用于具体实现辩证分析处理。

所述的监督学习单元采用基于人工智能的决策树算法模型。

所述的病患的病症信息、治疗信息具体包括有病患的病症信息、治疗信息。

具体实施的过程：

得到病患的病症信息、治疗信息；

建立包含多个低级监督学习单元的随机监督学习集群辩证器；

得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；

判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；

全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；

得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。

更加具体的实施中，所述联合监督学习单元还用于得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出的低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，循环继续判断所述方向扩展面的辩证分析特征是否为可计算特征。

更加具体的实施中，所述联合监督学习单元还用于全部查询所述多个低级监督学习单元，递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。

在具体实施中，本申请的基于人工智能的中医辩证治疗辅助方法，如图1所示的，其包括步骤有：

得到，可辩证分析的信息；

建立包含多个低级监督学习单元的随机监督学习集群辩证器；

得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面，且所述主监督学习单元的外端面对应辩证集合和外端特征辩证识别点，所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；

判断所述方向扩展面的辩证分析特征是否为可计算特征，若是，则得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据，并根据所述扩展数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面；否则，得到所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面的辩证数据，并根据所述辩证数据生成所述方向扩展面的低级扩展面，删除所述多个低级监督学习单元的基础面中辩证分析特征为辩证特征的面；

全部查询所述主监督学习单元，将所述外端特征辩证识别点相同的所述外端面缩减为同一个外端面；根据所述主监督学习单元生成监督学习单元辩证器；

得到查询界面中用户输入的辩证分析病症特征，采用生成的监督学习单元辩证器得到所述辩证分析病症特征对应的辩证识别点以使所述查询界面对所述辩证分析病症特征辩证判断。

更加具体的实施中，所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤之后还包括：得到所述方向扩展面的低级扩展面的辩证分析特征；将所述低级扩展面依次添加到进程中；得到所述多个低级监督学习单元中的对应所述低级扩展面的辩证分析特征的次低级监督学习单元；由所述进程中取出低级扩展面，判断所述低级扩展面对应的次低级监督学习单元下的面是否全为扩展面，若是，则得到次低级监督学习单元下的扩展面的辩证识别点，并根据所述得到到的次低级监督学习单元下的扩展面的辩证识别点生成所述由进程取出低级扩展面下的外端面的辩证集合和外端特征辩证识别点，且所述外端特征辩证识别点为所述辩证集合中出现概率最高的辩证识别点；否则，将所述低级扩展面作为方向扩展面，继续执行所述判断所述方向扩展面的辩证分析特征是否为可计算特征的步骤。

更加具体的实施中，所述得到所述多个低级监督学习单元中的对应所述方向扩展面的辩证分析特征的次低级监督学习单元的步骤为：

全部查询所述多个低级监督学习单元；

递归查找全部查询到的低级监督学习单元的扩展面，得到其辩证分析特征与所述方向扩展面的辩证分析特征匹配的扩展面，得到所述查找全部查询到的低级监督学习单元的扩展面下的次低级监督学习单元。

在具体实施中，显然，基于人工智能的中医辩证治疗辅助方法中全部或多数步骤可以通过软件实现，所以实施中基于人工智能的中医辩证治疗辅助系统优选软件实施，具体则可以通过数据处理软件搭建和配置完成。