基于多任务学习的中医诊断方法研究

作     者：于馨竹 

作者单位：沈阳工业大学 

学位级别：硕士

导师姓名：王溪波;郑泽宇

授予年度：2021年

学科分类：1002[医学-临床医学] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 10[医学] 

主      题：数据收集 中医智能诊断 多任务处理 长短时记忆网络 

摘      要：随着人工智能的高速发展,人工智能成为国内外的比较火热的研究方向,中医也逐渐走向了国际化。纵览国内外的AI智能医疗现状,可以看到目前的AI集中于医学影像处理及疾病诊断领域,对于更加普遍的常规药物的智能诊疗方面的研究依然匮乏。本文围绕中医的证候、疾病以及药方生成进行算法研究与改进,推动中医诊断走向智能化。在证候、疾病的诊断方法研究中,本文将真实的电子病历以及中医医案整理起来,模型的预训练选用Albert模型,对模型进行中医知识的预训练提高模型性能。并进行迁移学习以及多任务处理,通过共享层进行多任务输出,得到证候、疾病。本阶段研究模型分为编码和解码阶段,在编码阶段添加了证候注意力机制、症状注意力机制、以及病史注意力机制,这三种注意力机制根据自身的注意力权重融合为一个多头注意力机制,通过增加多头注意力机制对长短时记忆网络Long Short-Term Memory(LSTM)进行了改进。本阶段进行了对比实验,在相同数据和相同实验环境的条件下,进行了对比试验以及预测精度量化分析,与其他模型相比,本课题提出的模型损失函数训练效果较好,预测精度较高。在药方生成的研究方法中,本课题研究病症与诱发的原因、病症和病因的关系、病症与药物之间的关系,根据中药的特性去生成一个有效的药方去提供给患者。根据中药的特性,在编码和解码的长短时记忆网络里来设计不同的注意力来完成药方的生成模型,对模型进行了改进。药方生成模型设计如下,患者症状首先被逐个地送入编码阶段的长短时记忆网络(LSTM),并添加主副证注意力,在解码部分添加中药对病症的注意力,最后生成所需药方,本课题同样也进行了对比实验,在相同数据相同实验环境下下不同模型中进行了训练,因为中医药方的特殊性,实验结果专门由中医专家,从两方面进行了评估:1.中药有效性2.中药相容性。在进行了对比实验后发现,本课题设计的模型能更有效地生成中医药方,尤其是中药相容性这一方面,有了更加明显的提升。本课题的实现了两个模型的构建,所提出的算法可以更有效地生成证候、疾病以及中医药方,为日后实现一个专家系统作为一个铺垫,也可以为其提供数据支持并提供有效的证候、疾病以及药方生成的方法。