基于深度學習的中醫藥研究應用

2024年2月17日發(作者：什么叫公倍數)

人工智能

?

Artificial Intelligence基于深度學習的中醫藥研究應用文/管飛詩可用性，也引發中醫藥研究人員研究熱潮。結果，而這是中醫病癥數據的特點之一。如何從眾多的數據中，尋找規律性，提取出潛在有價值的信息，機器學習在該方面發揮了很好了作用。機器學習聯合統計分析形成數據挖掘技術，該技術為銀行、電信、保險、交通、醫學等很多領域解決許多問題，發揮著積極作用。數據挖掘的方法包括決策樹、貝葉斯網絡、神經網絡、多元統計、聚類、關聯規則、時間序列等。國內許多學者在中醫癥候方面運用數據挖掘中聚類分析、關聯規則分析、決策樹分析、人工神經網絡等方法進行研究，并取得良好的效果。在中醫藥領域除了癥候方面，其他方面也涉獵。其他學者運用關聯規則分析、頻數分析、文本挖掘、聚類分析等方法在中醫藥文獻方面進行研究；中醫藥方劑研究應用中運用k-均值值聚類算法對中藥葉片顯微圖像進行分割研究。機器學習在中醫藥研究應用的成就是值得肯定的，但也存在這一些不盡人意的地方。1.2 機器學習在中醫藥領域研究應用中醫病癥原始數據的采集方法可能混雜有不規范數據或噪聲數據，影響了統計分析的主要問題是：1.2.1 結果準確性很多系統是基于某些專家的系統，領域摘

要本文介紹了機器學習的兩個階段：淺層學習和深度學習，介紹了在中醫藥研究應用方面的進展，希望本文能給中醫藥研究者帶來新的思路。本文先對傳統的機器學習技術在中醫藥研究應用進行總結，然后介紹神經網絡進而引出深度學習的概念，然后介紹深度學習在中醫藥領域研究應用，提出深度學習在中醫藥領域的一些應用及挑戰，以期待深度學習技術在中醫藥研究應用方面提供新的思路。【關鍵詞】深度學習 機器學習 數據挖掘 中醫藥

1 機器學習技術在中醫藥研究應用1.1 機器學習困難性描述、客觀的判斷指標少在傳統中醫藥理論及操作技能中存在原因，中醫藥的全面發展受到了影響。近年來的中醫藥信息化，使現代計算機科學重要技術運用到中醫藥研究中，促進了我們傳統中醫藥事業的發展。大數據和機器學習是近些年來運用中醫藥研究應用比較廣泛的技術，根據機器學習的發展歷程，可將機器學習分為大致兩個階段：傳統機器學習、深度學習階段。傳統機器學習技術在中醫藥研究應用中取得良好的效果，但總有有些不盡人意的之處。近些年興起的深度學習因其高機器學習總體設計是想通過簡單的程序能夠賦予計算機學習的能力。為人工智能的一個應用，使得計算機可以使用現有數據對內部機制無法判斷或無效定義的問題進行有效的預測。在醫學診斷中，機器學習算法中的聚類算法、分類算法、回歸算法以及關聯規則算法均得到了應用。

<<上接235頁而建構高效化的數據處理體系，真正使當前時期發展計算機網絡的需要實現，將尤為高效、便捷的用戶體驗提供給用戶。并且，切入遺傳算法，可以實時監管計算機網絡的工作狀態，對于網絡的運行而言，倘若存在有關的問題，工作者可以結合遺傳算法迅速獲得反映，從而奠定檢修和排除故障的良好基礎，以及實現計算機網絡故障出現概率的顯著減小，保障網絡更加穩定地運行。2.4 人工智能在教育領域中的應用在當今改革教學的進程中，課堂教學中業已日益普遍地應用先進的互聯網技術。教育教學中應用人工智能技術，可以很好地激發學生的學習興趣以及學習積極主動性，因而可以實現教學效率和質量的提升。結合當前時期的應用現狀而言，人工智能的應用重點表現為早教方面，尤其是出現的AI智能機器人，推動早教向一種全新的教學視角轉變，使教學并非僅僅限制在教材文本上。除此之外，互聯網與人工智能的統一，還可以實時處理課堂教學中的一些問題，針對難以解答的問題，能夠迅速、準確地搜索，從而實現更加理想的教學效果。總而言之，在計算機網絡技術中應用人工智能，能夠推動網絡運行安全性、穩定性、高效性的提升，從而實現網絡管理質量與效率的強化，跟大數據社會時代發展的實際需求相符合。為此，需要實現人工智能技術的深入優化升級，推動人工智能在計算機網絡安全監控、數據處理、網絡模型、教育領域、生活方面等的應用，確保兩者實現共贏，從而將尤為便捷的服務提供給人們。基于社會經濟的進步，人工智能技術業已逐步應用于人們平時的生活過程中，像是智能家居的出現大大方便了人們的生活，實現了人們高層次的生活需求。像是當今經常見到的窗簾智能控制、燈光智能控制，以及存在的智能家居遠程控制系統等，都很好地呈現了人工智能的優勢作用和極大的便捷性。因此，在人工智能將來的發展中，大眾的生活中必將普遍地應用人工智能技術，從而將尤為優質的生活服務保障提供給人們。2.5 人工智能在大眾生活中的應用參考文獻[1]梅立潤.國內社會科學范疇中人工智能研究的學術版圖[J].內蒙古社會科學(漢文版),2019(03).[2]周峻宇.近10年中美人工智能研究領域與熱點比較分析[J].科技傳播,2019(14).[3]陳磊.中國將成為全球人工智能研究領導者[J].中學生閱讀(初中版),2019(Z2).[4]邱玉輝.數據科學與人工智能研究[J].科技創新與品牌,2019(04).[5]陳智強.淺析計算機網絡技術在電子信息工程中的實踐[J].中國新通信,2016(03).3 結語作者簡介張娓娓（1978-）女，河南省焦作市人。碩士研究生。副教授。主要研究方向為計算機應用，計算機網絡，無線傳感網。作者單位西安思源學院 陜西省西安市 710038236 ?電子技術與軟件工程

Electronic Technology & Software Engineering

圖1：人工神經元模型圖2：簡單神經網絡模型比較單一，專家對于自己領域的東西不容置疑，對于其他方面就顯得力不從心，中醫藥知識廣度不夠。1.2.2 數據采集的質量和數量難以保證基于以上問題，機器學習的深層學習的特點可以避免一些傳統機器學習技術在中醫藥研究應用中的弊端。2 深度學習在中醫藥研究應用探索2.1 深度學習深度學習是一種深層的機器學習模型，主要體現在對特征的多次變換上。常見的深度學習模型為多層神經網絡，神經網絡的各個層都將輸入非線性映射，通過多層非線性映射的堆疊，可以在深層神經網絡中歸納出比較抽象的特征來支持分類。深度學習的基礎是人工神經網絡，其廣泛使用在20世紀80年代，簡稱神經網絡。80年代中期反向傳播BP算法被應用于訓練神經網絡，解決了多層感知器無法訓練的問題，以訓練多層感知器ML平為代表的神經網絡模型最為成功。后來又提出限制性玻耳茲曼機RBM等。人工神經網絡不要求精度高的數學建模，不對任何變量做假設要求，能通過模擬人的智

能行為處理非簡單的，模糊的、非線性問題。人工神經元模型如圖1，圖中X1~Xn是從其它神經元傳入的輸入信號。神經元綜合的輸入信號和偏置相加之后產生當前神經元最終的處理信號net，該信號定義為凈激活,它作為圖1中圓圈的右半部分f（*）函數的輸入，即f(net),f叫做激活函數。圖1中y是該神經Artificial Intelligence

?

人工智能圖3：多隱藏層神經網絡元的輸出。參考文獻神經網絡模型如圖2、圖3。所說的神經[1]張軍陽,王慧,麗郭陽,扈嘯.深度網絡就是將許多個一“神經元”聯合在一起，學習相關研究綜述[J].計算機應用研這樣一個“神經元”的輸出就可以是別的“神究,2018(07):1921-1928+1936.經元”的輸入。例如，圖2是一個只有一個隱[2]張曉航,石清磊,王斌,王炳蔚等.機器藏層的簡單神經網絡，而圖是有多個隱藏層及學習算法在中醫診療中的研究綜述[J].多個輸出單元的神經網絡。計算機科學,2018(S2):32-36.2.2 深度學習算法及優勢[3]馬世龍,烏尼日其其格,李小平.大數據與深度學習綜述[J].智能系統學相同的核心學習算法是深度學習模型和報,2016(06):728-742.算法基礎。深度神經網絡包括輸入層、多個隱[4]胡越等.關于深度學習的綜述與討論[J].

含層以及輸出層。深度學習的優勢是：突出了智能系統學報,2019(01):1-19.模型結構的深度，大多數情況下有多于5層的[5]陳曦.深度學習(DL)算法在中醫藥領域隱層節點；強調了特征學習的重要性，每層的的應用探索[A].中國中醫藥信息研究會特征變換，學習到的知識傳遞，使下一次特征論文集[C],2014-11-29.更加優化，原空間的樣本特征通過變換，促成[6]孔麗婭,柴可夫,牛永寧.數據挖掘方法新的樣本特征空間，以便使分類或預測更快更在中醫證候學中的應用[J].浙江中醫藥準確，接近人類的判斷結論。大學學報.2014(06):825-828.[7]杜建強等.數據挖掘在中醫藥領域應2.3 深度學習在中醫藥研究應用探索用研究進展[J].中國中醫藥信息雜深度學習與傳統的機器學習算法區別比志,2013(06):109-112.較明顯，深度學習不要求對特殊的知識進行全[8]張翠萍,楊善超.基于K-均值聚類算法面掌握就可以勝任特征構造與提取，于此，和的中藥葉片顯微圖像分割[J].石河子大傳統的三層人工神經相比較，模型在輸入層和學學報:自然科學版,2009,27(3):383-輸出層之間添加了多個隱含層。這使更多的學387。者能參與到中醫藥研究應用中來。目前國內對[9]邵尤偉.基于深度學習的智能舌診方法研于深度學習在中醫藥研究應用中還是處于個別究[D].廈門廈門大學2018.的領域。邵尤偉將深度學習運用在中醫診斷中[10]溫川飆等.基于深度學習的穴位敏的舌診中；溫川飆等通過深度學習對中醫藥中化客觀化方法研究[J].遼寧中醫雜的穴位敏化進行研究；曹繼忠等通過機器學習志,2017(08):1723-1725.從癥候延伸到方劑方面的研究。[11]曹繼忠,趙亮,溫川飆.基于深度學習技術中醫優勢病種證候到治法方劑算法3 展望模型的構想[J].世界最新醫學信息文中醫及中藥各項特征的復雜性，以及之摘,2018(28):252-253+258.間的大量的線性和協同關系，就目前的機器學習，即淺層學習很難準確的找出其中之間的關作者簡介系。深度學習的興起與進一步發展，使中醫藥管飛詩（1986-），男，山東省夏津縣人。碩研究應用發展看到了新的希望，深度學習應用士研究生。研究方向為數據挖掘，深度學習。在中醫藥研究應用中應該是比較一個有前景的研究方向，希望本篇文章能給中醫藥研究者帶作者單位來新的思路。山東中醫藥大學網絡信息中心 山東省濟南市

250355Electronic Technology & Software Engineering

電子技術與軟件工程? 237