所属领域： A 电子信息技术
技术成果简介
在中医临床领域，中医临床诊断的准确率非常依赖于医生的理论知识储备以及临床经验，这也极大程度的影响了医疗水平。利用中医临床辅助诊断在很大程度上能够解决医生自身经验问题所带来的误诊等问题，有效提高医疗水平。因此，中医临床辅助诊断的研究发展对医疗资源不足的地区提高医疗水平有着极大的意义。在中医临床辅助诊断中，传统的方法就是模仿中医的断证过程进行数学建模，将中医临床辅助诊断任务视为多标签分类任务。研究人员就中医临床辅助诊断做了很多研究。例如使用基于多层感知机的多标签分类方法实现中医临床辅助诊断。多层感知机将中医临床记录作为输入，输出的是一个向量，这个向量的大小为病症标签数量，在输出层的激活函数是SoftMax函数，所以输出向量各维度值可以直接表示预测标签的概率，从而得到病症的前n个。但是，这样的做法无法解决预测未见症候描述问题。从中医理论上，基于多层感知机的多标签分类方法中的标签是指证候描述，而证候描述是由证候要素组成。而现有技术中存在的主要技术问题在于传统的多标签分类方法无法预测未见证候描述。针对现有技术中的不足，本发明提出了中医临床辅助辨证模型的建立方法及系统，在基于编码解码框架的中医临床辅助辨证模型的方法中，首先使用Fast‑Text语言模型对中医临床文本数据做了数据表征，再基于编码解码框架在编码层使用双向门控循环单元，在解码层使用单向门控循环单元生成中医临床辅助诊断的结果。本发明将中医临床文本的多标签分类任务从另一个视角进行处理，转换成了中医临床文本的标签序列生成任务。采用生成方法处理多标签分类问题，将证候要素作为文本生成模型的最小语义单位进行诊断结果生成，可以解决传统的多标签分类方法无法预测未见证候描述的问题。
技术成果前景
本发明将中医临床文本的多标签分类任务从另一个视角进行处理，转换成了中医临床文本的标签序列生成任务。采用生成方法处理多标签分类问题，将证候要素作为文本生成模型的最小语义单位进行诊断结果生成。由于未见证候也是由证候要素组成 ，所以使用生成方法处理多标签分类问题，可以解决传统的多标签分类方法无法预测未见证候描述的问题。本发明采用文本生成的方法处理中医临床文本多标签分类任务，有效结合中医临床文本的数据特点，为解决未见症候预测的问题提供可能性，同时也提高了中医临床辅助诊断结果的准确率。本发明在基于编码解码的框架下在编码层使用了双向门控循环单（biGRU）在解码层使用了单向门控循环单元（GRU）利用生成方法实现中医临床文本多标签分类任务。利用生成方法处理文本多标签分类任务，不仅提高中医临床辅助诊断结果的准确率，也为解决预测未见症候描述的问题提供了可能性。
