买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：脉景(杭州)健康管理有限公司

摘要：本发明提供了一种基于标签系统的中医开方反向校验方法及系统。所述方法包括：S1，确定需要标注的方剂标签；S2，训练多维中医标签预测模型，所述多维中医标签预测模型输出目标标签；S3，接收待检验模型的结果和多维中医标签预测模型的结果，对结果进行相似度计算；S4，依据相似度计算结果评估待检验方剂结果的好坏。本发明根据已知临床症状所聚类的病机信息，与现有智能辅诊引擎推荐方剂的组方要素交叉验证，以反向验证推荐方剂的准确性，为方剂选用提供信心评价。

主权项：1.一种基于标签系统的中医开方反向校验方法，其特征在于，包括如下步骤：S1，确定需要标注的方剂标签；S2，训练多维中医标签预测模型，所述多维中医标签预测模型输出目标标签；S3，接收待检验模型的结果和多维中医标签预测模型的结果，对结果进行相似度计算；S4，依据相似度计算结果评估待检验方剂结果的好坏；步骤S2中，训练多维中医标签预测模型，所述多维中医标签预测模型输出目标标签，包括：S21：收集医案数据；其中，所述医案数据来源于名老专家医案、经典书籍；S22：对收集医案数据进行清理，剔除垃圾医案；S23：由医学专家对所有医案进行打医学标签；S24：依据标注结果，合并重复含义的标签；S25：由第三方医学专家提取医案各个维度信息，审查所打标签的合理性；S26：结合第三方医学专家审查结果，重复步骤S21-S25，生成可靠的标签训练数据集和各种下游任务输出结果所对应的标签；S27：使用多分类EfficientNet模型，训练所述多维中医标签预测模型；步骤S3中包括下游任务预测流程：S311：收集患者基本情况、舌面图片、症状、疾病信息；S312：将步骤S311采集到的信息传入标签预测系统，获得多维度的标签得分；S313：获得下游任务所有可能输出结果所对应的标签；S314：基于步骤S312所获得的标签得分，计算所有输出结果的得分，将结果由大到小排序，剔除得分小于阈值的结果；输出过滤后的下游任务结果；所述多维中医标签预测模型通过如下步骤进行训练：1）采集医案数据，对其结构化，每个医案的标签进行one-hot编码；2）将医案中涉及的基本信息，包括年龄、性别，进行one-hot离散编码；3）将基本信息的one-hot输出，传入一个多层感知机MLP中，输出基本信息的特征向量；多层感知机MLP是一类全连接的前馈神经网络；一个多层感知机MLP至少由3层节点组成，一个输入层，一个隐藏层和一个输出层；除了输入节点，每个节点都使用一个非线性激活函数的神经元；多层感知机MLP通过反向传播的监督机器学习技术进行训练；info_features＝MLPone_hotinput_info式中，input_info为输入的基本信息，包括年龄、性别、地域、时间，one-hot为独热编码层，MLP为多层感知机，info_features为基本信息对应的特征向量；4）将医案数据中涉及的症状通过embedding层，输出每个病症的特征向量；Embedding层是词向量层，通常用于编码具有大量词汇的输入；5）将特征向量求和，作为embedding的输出，既是整体病症的特征向量；扩展embedding输出sym_features＝sumembeddinginput_symptom式中，input_symptomtom为病症信息，包括头疼、发热、恶寒、无汗、畏风，embedding为词向量层，sum为求和操作，sym_features为病症特征向量；6）将采集舌面图片信息通过CLIP层，获得图片的特征向量，将图片的特征向量求和，图像特征向量；image_features＝sumCLIPinput_imageinput_image是输入的图片，包括舌图、面图、舌下络脉图，image_features是图片特征向量；7）将基本信息，病症和图像的特征向量，以行扩展成一个向量，作为EfficientNet层的输入；input_features＝concat[info_features,sym_features,image_features],axis＝0式中，concat为拼接函数，作用是将基本信息特征、病症特征、图像特征拼接成输入特征向量，input_features为输入的特征向量；8）EfficientNet模型框架为多分类任务，最终输出层与所有标签的数量相同；9）将EfficientNet的输出output与医案标签label，一起计算CrossEntropy损失；output＝EfficientNetinput_features式中，output为模型的最终输出；步骤S1中确定的方剂标签包括六经、八纲、脏腑、三焦、卫气营血、病机、病位、病势、病因、功效多个方面；步骤S3中还包括模型校验流程：S321：收集患者基本情况、舌面图片、症状、疾病信息；S322：获得待检验模型输出结果；S323：获得模型结果所对应的定性标签；S324：将步骤S321采集的信息传入所述多维中医标签预测模型，获得所有标签的得分；S325：将步骤S323的结果和步骤S324的结果计算效用余弦相似度，如果相似度结果大于预设阈值，则校验成功，给出模型结果的置信度，否则校验失败，依据校验结果，调整所述待检验模型，提高性能。

全文数据：

权利要求：

百度查询： 脉景(杭州)健康管理有限公司 一种基于标签系统的中医开方反向校验方法及系统