[发明专利]一种用于慢性阻塞性肺疾病的中医辅助诊疗方法和系统

权利要求书

1.一种用于慢性阻塞性肺疾病的中医辅助诊疗方法，其特征在于，方法包括：

采集慢性阻塞性肺疾病患者的症状信息；

对症状信息进行预处理，得到症状特征向量相对应的中医证型结果；

利用已知症状特征向量与中医证型结果的对应关系建立证型判定模型，并且训练所述证型判定模型，所述证型判定模型训练完成后，将慢性阻塞性肺疾病患者的症状信息作为所述证型判定模型的输入，输出为慢性阻塞性肺疾病患者的中医证型结果；

中医证型判定模型的构建包括：特征选择和证型判定；

关于特征选择，通过计算各个症状特征的Fisher分数，选择出与证型相关性比较高的特征用于证型判定；Fisher分数的计算：已知某项特征数据x_i和对应的类标签y_i，y_i∈{1,2,…,k}，k表示类别数，则Fisher分数(F)计算公式为:

其中，n_i是类别i包含的样本数量，μ_i是全部数据中该特征的均值，μ_i和是类别i的样本数据中该特征的平均值和方差；

所述对症状信息进行预处理，具体包括：

将患者的症状信息转化为症状特征向量，利用已知症状特征向量结合中医证型结果与药物之间的对应关系建立药物推荐模型；

所述药物推荐模型包括证型药物使用模型和关联规则匹配模型，证型药物使用模型是指不同证型下的常用药物使用模型，每个特定证型都对应一个药物使用模型，模型的构建基于反向传播神经网络实现，并使用粒子群算法对神经网络进行优化；首先随机初始化网络参数，然后根据网络结构构建PSO粒子群，以网络参数的数目作为每个粒子的维数，以网络的损失函数作为适应度函数，在每一次迭代中更新粒子的位置和速度，直到粒子的适应度值达到预定要求；粒子更新速度和位置的公式如下：

其中，是一个n维向量，表示粒子i的位置，k表示迭代次数，V_i表示粒子运动的速度，r₁和r₂是随机值，c₁和c₂是非负学习常数，ω是惯性权重；p_best,i表示粒子i自身移动历史中的最佳位置，g_best表示全局最佳位置，他们分别代表的是局部最优解和全局最优解，反映粒子i自身的历史实验信息和粒子邻域的社会共享信息；

依据中医证型结果判断得出推荐药物；

用户根据中医证型结果以及推荐药物进行相应的介入修正；

记录慢性阻塞性肺疾病患者就诊过程并结束诊疗。

2.如权利要求1所述的用于慢性阻塞性肺疾病的中医辅助诊疗方法，其特征在于，所述采集慢性阻塞性肺疾病患者的症状信息包括：患者基本信息、主诉症状、次症、其他症状、中医四诊和辅助检查结果，其中：

所述患者基本信息至少包括身份证号码、电话号码和现居住住址中的一种；

所述主诉症状至少包括咳嗽、咳痰和呼吸困难中的一种；

所述次症至少包括胸闷或胸痛等级；

所述其他症状至少包括潮热盗汗或大小便；

所述中医四诊至少包括望诊或脉象；

所述辅助检查结果包括胸部CT、X片和肺通气功能检查中的一种或多种。

3.如权利要求2所述的用于慢性阻塞性肺疾病的中医辅助诊疗方法，其特征在于，所述对症状信息进行预处理，具体包括：

将患者的症状信息转化为症状特征向量，症状特征向量是适合计算机处理的格式，转化过程包括识别文本描述、统一变量单位、数值化和归一化的操作。

4.如权利要求3所述的用于慢性阻塞性肺疾病的中医辅助诊疗方法，其特征在于，依据已知症状特征向量和中医证型结果判断得出推荐药物，具体包括：

利用已知症状特征向量结合中医证型结果与药物之间的对应关系建立药物推荐模型，并且训练所述药物推荐模型，所述药物推荐模型训练完成后，将证型特征向量和中医证型结果作为所述药物推荐模型的输入，输出为药物推荐结果。