基于深度学习的中医药研究应用

2024年2月17日发(作者：什么叫公倍数)

人工智能

•

Artificial Intelligence基于深度学习的中医药研究应用文/管飞诗可用性，也引发中医药研究人员研究热潮。结果，而这是中医病症数据的特点之一。如何从众多的数据中，寻找规律性，提取出潜在有价值的信息，机器学习在该方面发挥了很好了作用。机器学习联合统计分析形成数据挖掘技术，该技术为银行、电信、保险、交通、医学等很多领域解决许多问题，发挥着积极作用。数据挖掘的方法包括决策树、贝叶斯网络、神经网络、多元统计、聚类、关联规则、时间序列等。国内许多学者在中医症候方面运用数据挖掘中聚类分析、关联规则分析、决策树分析、人工神经网络等方法进行研究，并取得良好的效果。在中医药领域除了症候方面，其他方面也涉猎。其他学者运用关联规则分析、频数分析、文本挖掘、聚类分析等方法在中医药文献方面进行研究；中医药方剂研究应用中运用k-均值值聚类算法对中药叶片显微图像进行分割研究。机器学习在中医药研究应用的成就是值得肯定的，但也存在这一些不尽人意的地方。1.2 机器学习在中医药领域研究应用中医病症原始数据的采集方法可能混杂有不规范数据或噪声数据，影响了统计分析的主要问题是：1.2.1 结果准确性很多系统是基于某些专家的系统，领域摘

要本文介绍了机器学习的两个阶段：浅层学习和深度学习，介绍了在中医药研究应用方面的进展，希望本文能给中医药研究者带来新的思路。本文先对传统的机器学习技术在中医药研究应用进行总结，然后介绍神经网络进而引出深度学习的概念，然后介绍深度学习在中医药领域研究应用，提出深度学习在中医药领域的一些应用及挑战，以期待深度学习技术在中医药研究应用方面提供新的思路。【关键词】深度学习 机器学习 数据挖掘 中医药

1 机器学习技术在中医药研究应用1.1 机器学习困难性描述、客观的判断指标少在传统中医药理论及操作技能中存在原因，中医药的全面发展受到了影响。近年来的中医药信息化，使现代计算机科学重要技术运用到中医药研究中，促进了我们传统中医药事业的发展。大数据和机器学习是近些年来运用中医药研究应用比较广泛的技术，根据机器学习的发展历程，可将机器学习分为大致两个阶段：传统机器学习、深度学习阶段。传统机器学习技术在中医药研究应用中取得良好的效果，但总有有些不尽人意的之处。近些年兴起的深度学习因其高机器学习总体设计是想通过简单的程序能够赋予计算机学习的能力。为人工智能的一个应用，使得计算机可以使用现有数据对内部机制无法判断或无效定义的问题进行有效的预测。在医学诊断中，机器学习算法中的聚类算法、分类算法、回归算法以及关联规则算法均得到了应用。

<<上接235页而建构高效化的数据处理体系，真正使当前时期发展计算机网络的需要实现，将尤为高效、便捷的用户体验提供给用户。并且，切入遗传算法，可以实时监管计算机网络的工作状态，对于网络的运行而言，倘若存在有关的问题，工作者可以结合遗传算法迅速获得反映，从而奠定检修和排除故障的良好基础，以及实现计算机网络故障出现概率的显著减小，保障网络更加稳定地运行。2.4 人工智能在教育领域中的应用在当今改革教学的进程中，课堂教学中业已日益普遍地应用先进的互联网技术。教育教学中应用人工智能技术，可以很好地激发学生的学习兴趣以及学习积极主动性，因而可以实现教学效率和质量的提升。结合当前时期的应用现状而言，人工智能的应用重点表现为早教方面，尤其是出现的AI智能机器人，推动早教向一种全新的教学视角转变，使教学并非仅仅限制在教材文本上。除此之外，互联网与人工智能的统一，还可以实时处理课堂教学中的一些问题，针对难以解答的问题，能够迅速、准确地搜索，从而实现更加理想的教学效果。总而言之，在计算机网络技术中应用人工智能，能够推动网络运行安全性、稳定性、高效性的提升，从而实现网络管理质量与效率的强化，跟大数据社会时代发展的实际需求相符合。为此，需要实现人工智能技术的深入优化升级，推动人工智能在计算机网络安全监控、数据处理、网络模型、教育领域、生活方面等的应用，确保两者实现共赢，从而将尤为便捷的服务提供给人们。基于社会经济的进步，人工智能技术业已逐步应用于人们平时的生活过程中，像是智能家居的出现大大方便了人们的生活，实现了人们高层次的生活需求。像是当今经常见到的窗帘智能控制、灯光智能控制，以及存在的智能家居远程控制系统等，都很好地呈现了人工智能的优势作用和极大的便捷性。因此，在人工智能将来的发展中，大众的生活中必将普遍地应用人工智能技术，从而将尤为优质的生活服务保障提供给人们。2.5 人工智能在大众生活中的应用参考文献[1]梅立润.国内社会科学范畴中人工智能研究的学术版图[J].内蒙古社会科学(汉文版),2019(03).[2]周峻宇.近10年中美人工智能研究领域与热点比较分析[J].科技传播,2019(14).[3]陈磊.中国将成为全球人工智能研究领导者[J].中学生阅读(初中版),2019(Z2).[4]邱玉辉.数据科学与人工智能研究[J].科技创新与品牌,2019(04).[5]陈智强.浅析计算机网络技术在电子信息工程中的实践[J].中国新通信,2016(03).3 结语作者简介张娓娓（1978-）女，河南省焦作市人。硕士研究生。副教授。主要研究方向为计算机应用，计算机网络，无线传感网。作者单位西安思源学院 陕西省西安市 710038236 •电子技术与软件工程

Electronic Technology & Software Engineering

图1：人工神经元模型图2：简单神经网络模型比较单一，专家对于自己领域的东西不容置疑，对于其他方面就显得力不从心，中医药知识广度不够。1.2.2 数据采集的质量和数量难以保证基于以上问题，机器学习的深层学习的特点可以避免一些传统机器学习技术在中医药研究应用中的弊端。2 深度学习在中医药研究应用探索2.1 深度学习深度学习是一种深层的机器学习模型，主要体现在对特征的多次变换上。常见的深度学习模型为多层神经网络，神经网络的各个层都将输入非线性映射，通过多层非线性映射的堆叠，可以在深层神经网络中归纳出比较抽象的特征来支持分类。深度学习的基础是人工神经网络，其广泛使用在20世纪80年代，简称神经网络。80年代中期反向传播BP算法被应用于训练神经网络，解决了多层感知器无法训练的问题，以训练多层感知器ML平为代表的神经网络模型最为成功。后来又提出限制性玻耳兹曼机RBM等。人工神经网络不要求精度高的数学建模，不对任何变量做假设要求，能通过模拟人的智

能行为处理非简单的，模糊的、非线性问题。人工神经元模型如图1，图中X1~Xn是从其它神经元传入的输入信号。神经元综合的输入信号和偏置相加之后产生当前神经元最终的处理信号net，该信号定义为净激活,它作为图1中圆圈的右半部分f（*）函数的输入，即f(net),f叫做激活函数。图1中y是该神经Artificial Intelligence

•

人工智能图3：多隐藏层神经网络元的输出。参考文献神经网络模型如图2、图3。所说的神经[1]张军阳,王慧,丽郭阳,扈啸.深度网络就是将许多个一“神经元”联合在一起，学习相关研究综述[J].计算机应用研这样一个“神经元”的输出就可以是别的“神究,2018(07):1921-1928+1936.经元”的输入。例如，图2是一个只有一个隐[2]张晓航,石清磊,王斌,王炳蔚等.机器藏层的简单神经网络，而图是有多个隐藏层及学习算法在中医诊疗中的研究综述[J].多个输出单元的神经网络。计算机科学,2018(S2):32-36.2.2 深度学习算法及优势[3]马世龙,乌尼日其其格,李小平.大数据与深度学习综述[J].智能系统学相同的核心学习算法是深度学习模型和报,2016(06):728-742.算法基础。深度神经网络包括输入层、多个隐[4]胡越等.关于深度学习的综述与讨论[J].

含层以及输出层。深度学习的优势是：突出了智能系统学报,2019(01):1-19.模型结构的深度，大多数情况下有多于5层的[5]陈曦.深度学习(DL)算法在中医药领域隐层节点；强调了特征学习的重要性，每层的的应用探索[A].中国中医药信息研究会特征变换，学习到的知识传递，使下一次特征论文集[C],2014-11-29.更加优化，原空间的样本特征通过变换，促成[6]孔丽娅,柴可夫,牛永宁.数据挖掘方法新的样本特征空间，以便使分类或预测更快更在中医证候学中的应用[J].浙江中医药准确，接近人类的判断结论。大学学报.2014(06):825-828.[7]杜建强等.数据挖掘在中医药领域应2.3 深度学习在中医药研究应用探索用研究进展[J].中国中医药信息杂深度学习与传统的机器学习算法区别比志,2013(06):109-112.较明显，深度学习不要求对特殊的知识进行全[8]张翠萍,杨善超.基于K-均值聚类算法面掌握就可以胜任特征构造与提取，于此，和的中药叶片显微图像分割[J].石河子大传统的三层人工神经相比较，模型在输入层和学学报:自然科学版,2009,27(3):383-输出层之间添加了多个隐含层。这使更多的学387。者能参与到中医药研究应用中来。目前国内对[9]邵尤伟.基于深度学习的智能舌诊方法研于深度学习在中医药研究应用中还是处于个别究[D].厦门厦门大学2018.的领域。邵尤伟将深度学习运用在中医诊断中[10]温川飙等.基于深度学习的穴位敏的舌诊中；温川飙等通过深度学习对中医药中化客观化方法研究[J].辽宁中医杂的穴位敏化进行研究；曹继忠等通过机器学习志,2017(08):1723-1725.从症候延伸到方剂方面的研究。[11]曹继忠,赵亮,温川飙.基于深度学习技术中医优势病种证候到治法方剂算法3 展望模型的构想[J].世界最新医学信息文中医及中药各项特征的复杂性，以及之摘,2018(28):252-253+258.间的大量的线性和协同关系，就目前的机器学习，即浅层学习很难准确的找出其中之间的关作者简介系。深度学习的兴起与进一步发展，使中医药管飞诗（1986-），男，山东省夏津县人。硕研究应用发展看到了新的希望，深度学习应用士研究生。研究方向为数据挖掘，深度学习。在中医药研究应用中应该是比较一个有前景的研究方向，希望本篇文章能给中医药研究者带作者单位来新的思路。山东中医药大学网络信息中心 山东省济南市

250355Electronic Technology & Software Engineering

电子技术与软件工程• 237