运用信息融合技术建立瘀血舌象及血瘀证智能诊断推理

《运用信息融合技术建立瘀血舌象及血瘀证智能诊断推理》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、运用信息融合技术建立瘀血舌象及血瘀证智能诊断推理【摘要】阐述运用信息融合技术和融合模糊逻辑推理、神经网络技术建立一种基于竞争神经网络的瘀血舌象及血瘀证智能推理模型的思路。认为瘀血舌象及血瘀证智能推理模型的建立可实现对中医专家诊断推理过程的模拟，克服传统中医舌象诊断依赖个人经验和不量化的弱点，将为建立舌象自动诊断系统奠定基础。【关键词】信息融合血瘀舌象异常智能诊断模型信息融合即多源信息的协同运用技术，是把多源信息在空间或时间上冗余互补的数据根据需要进行处理，将数据协同应用，获得研究对象的一致性描述

2、，进一步发现多源信息有机组合所蕴含的新信息［1］。信息融合支持信息共享，着力于合理利用信息资源，弥补信息不完整、部分信息不精确或不确定造成的缺陷，使系统的性能指标、可靠性、稳定性、容错能力都得以提高。神经网络控制是一种基本上不依赖于模型的控制方法，比较适用于那些具有不确定性或高度非线性的控制对象，并具有并行计算、分布式信息存储、容错能力强以及较强的自适应学习功能。模糊逻辑是一种处理不确定性、非线性和其他不确定问题的有力工具，它比较适合表达那些模糊或定性的知识，其推理方式比较类似于人的思维模式。但

3、是一般来说模糊系统缺乏自学习和自适应能力。模糊和神经网络技术均属于一种数值化和非数学模型的函数估计和动力学系统，它们都是以一种非精确的处理方式处理不精确的信息。模糊技术引入"隶属度"的概念，使语言变量描述的控制规则数值化，从而可直接处理结构化知识。神经网络则模拟人脑处理信息的方式，利用大量的训练数据，通过自学习来实现输入/输出之间的非线性映射关系。模糊神经网络控制技术是两种智能控制技术的有机结合。瘀血舌象及其血瘀证的影响因素包括精神情绪、自然环境、社会环境、体质状况差异等，而且一般具有潜隐性。要

4、准确诊断瘀血舌象及其血瘀证，需要考虑多种可能的症状，进行综合辨证诊断。症状的描述具有模糊性，如症状和疾病之间存在着一定的模糊性，某一症状的出现对诊断疾病所起的作用不同且模糊，患者的状态很难准确地定义等。医生必须通过大量的模糊的、不确定症状信息，利用丰富的诊断经验，才可从这些信息中得出最后的诊断结果和治疗方案。瘀血舌象的特征信息与各种病证的大量的、模糊的、不确定信息之间发生关联需进行发散再发散和矛盾转化，对比关联仅仅用模糊算法和神经网络算法等很难解决这一类非线性的复杂逻辑问题。而信息融合技术可以为

5、解决瘀血舌象诊断中的"舌神"、"舌色"、"舌形"、"舌态"、"舌苔"、"舌下络脉"的综合诊断奠定基础。运用信息融合技术（模糊神经网络控制技术）可以建立瘀血舌象的特征信息库。1瘀血舌象及血瘀证计量辨证诊断原理临床上的每一症状（含体征）都具有辨证意义。每一症状对各证候的诊断意义，并不是一对一的简单关系，而是一个症状对多种证具有不同的诊断价值；每一证候的诊断则往往需要根据多种临床表现（即症状）才能明确。因此，应当了解各种常见症状的辨证意义。即了解：（1）哪些症状为某种证候的表现；（2）各种症状对某种证

6、候来说贡献度（或称可信度）为多少。辨证主要是辨别病变现阶段的病位与病性（或称病机），其具体内容称之为辨证要素。瘀血舌及其血瘀证的病位主要涉及心、肺、脾、肝、肾。病性主要涉及气滞、血瘀、气虚、血虚等。临床上常见而较规范的证名，一般是由病位和病性的不同内容相互组合而成。瘀血舌象及其血瘀证诊断系统首先需对血瘀证症状的辨证意义进行定性定量，即明确有关症状对各种辨证要素的贡献度（或称隶属度）。2模糊神经网络结构设计在瘀血舌象及其血瘀证诊断系统中应用了一种基于竞争神经网络的模糊推理，以症状向量特征值作为神经

7、网络的输入层节点，隐含节点用来表示隶属度函数和推理规则，推理层用两个竞争网络的并行计算分别进行病位和病机推理。整个神经网络模型共分成3层：第1层为输入层，第2层每个节点代表一条模糊规则，第3层是由两个竞争网络构成的竞争网络层。由其中一个竞争网络可推理出病位，由另一个竞争网络可推理出病机。输出节点表示推理系统的输出信号，即辨证定量的结果--证候的特征向量，包括如气虚贡献度为22，肝为39，气滞为38，神为22，……。广州中医药大学学报2007年第24卷第6期陈群，等.运用信息融合技术建立瘀血舌象及

8、血瘀证智能诊断推理模型的思路上述网络实质上是采用一种模糊逻辑神经网络推理机制。将模糊规则用神经网络表示出来，由神经网络实现模糊量化，隶属度函数表示出各个症状所反映的病位和病机的可能性大小，或者说表示出各个症状对某个病位和病机的贡献度。该贡献度作为第2层节点的输入。通过第2层节点的运算则得出某病人的全部实际症状对某个病位和病机的综合贡献度。对综合贡献度进行阈值处理后，将其作为竞争网络的输入。在这里，实际上是模拟医生的发散思维，尽可能多地找出各种可能的病位和病机。第3层的输出分为对病位和病机两部分的