基于A N N的中医舌诊八纲辨证知识库构建与应用

摘 要 ：从 中 医舌诊 与八 纲辨 证之 间 的不确 定性 、 复 杂性 、 逻 辑推理 的模 糊性 出发 ， 寻 找能 够 充分模 拟 舌像 与八纲辨证 的非 线性 映射 关 系的数据模型 ， 探讨 利 用人 工神 经 网络 ( A N N ) 算 法构 建 中 医诊 断神 经网络知 识库 。采 用M S   S Q L  S e r v e r   2 0 0 5 平 台， 选择 M i c r o s o f t 神 经 网络 数据 挖掘 查 看功 能 ， 并 能够预 测 分析 ，可 以有 效 辅 助教 学 实践和 中医临床规 范化诊 断。

关键 词 ：人 工神 经 网络 ；中医舌诊 ；八 纲辨证 ；知 识库 ；辅 助教 学与诊 断

中图分类 号：T P 3 l 1   文献 标 志码 ： A   文章编 号 ：1 0 0 1— 3 6 9 5 ( 2 0 1 0 ) 0 5 — 1 7 7 1 — 0 2

d o i ： 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 1 — 3 6 9 5 ． 2 0 1 0 ． 0 5 ． 0 4 7

中医了解病情有 望 、 闻 、 问 、 切 ， 谓 之 四诊 。其 中舌 诊是 通

过观察舌像的变化 以诊察疾 病 的方 法 ， 是 中 医诊法 的特 色 之一。 近代 ， 随着 医学信 息学 的发展 ， 将计算 机信 息技术 与 中医舌诊相结合 ， 开 展了舌诊现代 化 的研究 ， 然而 由于舌像 的非 线性 、 复杂性特征使得对 其进行数 学建模 很难 实现 ， 这 为 中医舌诊的标准化规范化研究增加 了相 当大的难 度。那么 ， 是 否可以建立一种模型 ， 在不必 知道 内部 结构的情况下充分模拟舌像 与八纲辨证的非线性映射关系 呢?

基于黑箱结构 的人 工 神经 网络 是否 可 以实现 这 种设 想 ?能不能利用网络的 自 动学习能力 ， 在充分辨识表现 于外 的舌像的表征信息的基础上 ， 抽取这 些信息 蕴涵 的 内在 规律 ， 并将 其分布在网络的连接权 中， 从 而建 立舌像与八纲辩证 的非线性 映射函数。

1   利 用 M q N算 法建模 的 可行 性

人 工神经网络 ( a r t i f i c i a l   n e u r a l   n e t w o r k ， A N N ) ， 亦称 为神 经

网络( n e u r a l   n e t w o r k ， N N ) ， 是 由大 量 处 理单 元 ( 神 经 元 ， n e u —r o n s ) 互连而成 的网络 ， 是 对人脑的抽象 、 简化 和模拟 。

舌像有多个属性 ， 每个属性 有不 同的表征 ， 这种 组合是 复杂的 ， 而八纲辨证 就是 通过观察外在的表征来确定机体 内在 的病机状态 ， 因此 ， 舌诊与八 纲辨证 之间 的关 系是一 个非线 性 的复杂系统 。人工神经网络具有非线性 映射功能 ， 其通过对输人输出样本 的自动学 习， 能够 以任意精度逼近任意复杂 的非线性映射。神经网络的这一性能 使其 可以作 为多维非 线性 函数 的通用数学模型 。该模型 的表达是非解析 的 ， 输入输 出数据之间的映射规则 由神经 网络在学 习阶 段 自动抽 取并分 布式存储 在网络的所有连接 中。利用这一特性 ， 可以构建相应的数学模型来模拟舌像与八纲辨证 的关 系。

2   构 建基 于 A N N算 法的 中医舌诊 八纲 辨证 知识库

2 ． 1   数 据 的 采 集 和 格 式 化

根据 中医诊断学 中的临床常见 舌象及 主病作 为原始数 据源 ， 将其 中的舌像／ 八纲辨 证 的文字 表述转换 为适 合挖掘模 型的数据。

具体转换过程如 下 ： 将 病证用八 位二进 制数表示 ( “ 0 ” 表示无此病证 ； … 1 ’ 表示有 该病证 ， 如表 1 所示 ) ， 这 样任意 种病证均可组合。例如虚寒可表示 为“ 0 1 0 1 0 0 0 0 ” 对应 的十进 制数为 8 0 ( 二进制编码 的最低 位对 应病 证 编码 表的第 1 位 ， 依 此类 推 ) 。

舌像编码与病证编码类 似 ， 舌像 可分为舌质 和舌苔 ， 其 中舌质 的分类如 图 1 所 示 ； 舌 苔的分类 如图 2 所示 ， 将 图 1 和 2中的每个叶子节点作为一个二进制位 ， 将舌神 、 舌色 、 舌形 、舌态 、苔质 、 苔色作为属性 ， 这样每一个属性对应几位二进制码 组 。

通过该编码方式将 二进制码组转换为十进 制数入库 ， 这样可以将输入 中的某 -d , 项表示 为几种 表征 的组合 ( 如病 人 的苔质可能是 “ 厚 、 腻 、 偏 苔” ) ， 输 出 也可 以是多 种病 证 的组 合( 如脾 胃 虚寒就既是寒证 也是 虚证 ) 。这是符合 中医舌 诊实际情况 的 。

2 ． 2 数 据 入 库

数据库中设计 了七个字段 ， 分别为编号 、 舌神 、 舌色 、 舌形 、舌态 、 苔质 、 苔 色、 八纲辨证 。将编 码后 的二 进制码组 ( 如表 2所示 ， 这里截取了其中三条作为示例 ) 转换为十进制数入库 。

以 M i c r o s o f t   S Q L   S e r v e r   2 0 0 5 作为实验平台 ， 选择 M i c r o s o f t神经 网络作为挖掘算法 ， 构建中医舌诊知识库 。

M i c r o s o f t 神经网络模 型通过其查看器来解释 ， 神经网络查看器 与其他 的 M i c r o s o f t 数 据挖掘 内容查看 器不 同， 区别 在于它主要是基 于预测 的， 它没有 图形化地显示已训练 的神经网络的布局 。查看器用于显示与可预测 的属性相关的属性／ 值的影响 。

在 图 3 所示的试验中输入舌神 ( 令其值为… 0 ’ ) 、舌色 ( 令其值为… 8 ’ ) 、舌形 ( 令其值 为… 0 ’ ) ， 观察苔质 、舌态 等输入对 八 纲 辨 证 的 影 响 。

通过模型查看器可知 ： 当舌形 为 2时 ， 舌形 对值 1 ( 6 4 ) 的影 响最大 ， 其置信度 达到 了 9 7 ． 3 1 ％ ， 影 响仅次 于舌形 的是苔质 ， 其置信度 为 9 6 ． 1 7 ％。将这些 数据 对应 到具体 的舌像 ， 其关 系表述为 ： 当输入 舌神 为 荣 ， 舌色 为绛 ， 苔 色正 常 时 ， 舌 形( 胖 ) 对八 纲辨证 ( 虚证 ) 的影响最 大 ， 其次是 苔质 ( 剥苔 ) 。通俗地讲 ： 当病人为绛舌时 ， 如果其舌形 为胖 ， 可 以 9 7 ． 3 1 ％地断定其为虚证 ， 如果舌苔为剥苔 ， 则可以 9 6 ． 1 7 ％地断定其为 “ 虚证” 。其具体对应关 系如表 3 所示。

在如表 3的输入 前提下 ， 当舌形为 2即为胖舌 ， 对应八纲辨证 的值 6 4 ， 对应 的证为虚证。

2 ． 3   利 用 挖 掘 模 型 的预 测分 析 应 用

将训练数据作为输入 ， 比较模 型预测结果 与训练数据 ， 如图 4 所示 ( 截取 了其 中前五 条记 录) 。 由图可 以看 出： 数据 库中原有的八 纲辨证 的值与预测结果的值非 常接近 。

输 入舌 色 ( 紫 ) 、 舌形 ( 老舌 ) 、 苔 色( 白) 、 苔 质 ( 厚 ) ， 其 对应 的 编码 如 图 5所 示 。

通 过 知 识 库 预 测 得 到 结 果 为 1 3 2 ， 对 应 二 进 制 为1 0 0 0 0 1 0 0 ， 解 码 可 得 出对 应 的证 — — “ 实 、 表 ” 。

历经国医老专 家诊 断对 比试 验 结果 表 明 ： 选 用 M i c r o s o f t神经网络挖掘算法 ， 构建 中医舌诊知识库 ， 用该模型进行 预测 ，舌像与八 纲辨证 的关系基本上与临床诊断相一致 ， 个别属性存在 误 差 。  

3 结束语

在设计试验 中， 最 重要 的是模 型确 定。选择 M i c r o s o f t 神经 网络挖掘算法构建 了中医舌诊知识 库 ， 验证了可对应的所有记 录训练数据 ， 其构建的中医舌诊人工神经网络 能够对非样本测试值进行合理的预测 。在 中医专家试用后 ， 效果令人 满意 ；并证明采用神经 网络技术构建 中医诊断神经网络知识库 ， 为中医学教学实践应用计算 机技术提供 了一个新方法 ， 对中医舌象临床诊断规范化应用是 一新 拓展 ， 也是对 中医现 代化标 准化研究应用的有 效探索 。