耳鸣的中医辨证治疗方法、系统、电子设备及存储介质与流程

1.本发明涉及计算机技术领域，具体涉及一种耳鸣的中医辨证治疗方法、系统、电子设备及存储介质。


背景技术：

2.耳鸣是指因脏腑功能失调所致的以自觉耳内或头颅鸣响而周围环境并无相应的声音为主要特征的一个病。耳鸣的原因有虚有实，实者多因风邪侵袭，痰湿困结或肝气郁结，虚者多因脾胃虚弱，肾元亏损或心血不足所致。在临床上治疗耳鸣，中医辨证有优势。也就是说，只要分型正确，就能够根据不同的类型来采用不同的药物和方剂进行治疗。
3.亟需一种可以基于耳鸣特征信息智能得到耳鸣治疗方案的方法。


技术实现要素：

4.本发明实施例的目的在于提供一种耳鸣的中医辨证治疗方法、系统、电子设备及存储介质，用以解决现有技术中无法基于耳鸣特征信息智能得到耳鸣治疗方案的问题。
5.为实现上述目的，本发明实施例提供一种耳鸣的中医辨证治疗方法，所述方法具体包括：
6.获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；
7.基于所述特征信息构建训练集；
8.基于朴素贝叶斯分类器算法构建分型模型；
9.将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；
10.将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。
11.在上述技术方案的基础上，本发明还可以做如下改进：
12.进一步地，所述获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息，包括：
13.获取所述耳鸣病例样本对应的症状信息和药方信息；其中，所述症状信息包括病因信息、临床表现信息、持续时间信息、病位信息、患者状态信息、舌象信息和脉象信息，所述药方信息包括中医方剂信息和治疗方法信息。
14.进一步地，所述基于朴素贝叶斯分类器算法构建分型模型，包括：
15.基于公式1计算事件y的概率；
[0016][0017]
式中，p(y|x)是事件y的概率，p(x)是事件x的概率，p(y)是事件y的概率，p(x|y)是给定y的固定值时事件x的可能性。
[0018]
进一步地，所述基于朴素贝叶斯分类器算法构建分型模型，还包括：
[0019]
如果pr(y＝1|x＝x0)》0.5，贝叶斯分类器将预测类别为1，否则预测类别2。
[0020]
进一步地，所述将所述训练集输入所述分型模型进行训练，得到训练好的分型模型，包括：
[0021]
将所述特征信息划分为训练集、验证集和测试集；
[0022]
基于所述训练集训练所述分型模型；
[0023]
基于所述验证集对训练后的所述分型模型进行性能评估，得到满足性能条件的分型模型；
[0024]
基于所述测试集评估满足性能条件的所述分型模型的分割结果，得到所述分型模型所对应的评价指数。
[0025]
进一步地，所述将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案，包括：
[0026]
利用svm学习算法，求解能够正确划分训练集并且几何间隔最大的分离超平面，生成中医辨证结果。
[0027]
进一步地，所述将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案，还包括：
[0028]
基于所述中医辨证结果生成耳鸣治疗方案。
[0029]
一种耳鸣的中医辨证治疗系统，包括：
[0030]
采集模块，用于获取一定数量的耳鸣病例样本；
[0031]
提取模块，用于提取所述耳鸣病例样本的特征信息；
[0032]
第一构建模块，用于基于所述特征信息构建训练集；
[0033]
第二构建模块，用于基于朴素贝叶斯分类器算法构建分型模型；
[0034]
训练模块，用于将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；
[0035]
将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。
[0036]
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述方法的步骤。
[0037]
一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
[0038]
本发明实施例具有如下优点：
[0039]
本发明中耳鸣的中医辨证治疗方法，获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；基于所述特征信息构建训练集；基于朴素贝叶斯分类器算法构建分型模型；将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案；解决了现有技术中无法基于耳鸣特征信息智能得到耳鸣治疗方案的问题。
附图说明
[0040]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据
提供的附图引申获得其它的实施附图。
[0041]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
[0042]
图1为本发明耳鸣的中医辨证治疗方法的流程图；
[0043]
图2为本发明耳鸣的中医辨证治疗系统的架构图；
[0044]
图3为本发明提供的电子设备实体结构示意图。
[0045]
其中附图标记为：
[0046]
采集模块10，提取模块20，第一构建模块30，第二构建模块40，训练模块50，电子设备60，处理器601，存储器602，总线603。
具体实施方式
[0047]
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0048]
实施例
[0049]
图1为本发明耳鸣的中医辨证治疗方法实施例流程图，如图1所示，本发明实施例提供的一种耳鸣的中医辨证治疗方法包括以下步骤：
[0050]
s101，获取一定数量的耳鸣病例样本，并提取耳鸣病例样本的特征信息；
[0051]
具体的，获取所述耳鸣病例样本对应的症状信息和药方信息；其中，所述症状信息包括病因信息、临床表现信息、持续时间信息、病位信息、患者状态信息、舌象信息和脉象信息，所述药方信息包括中医方剂信息和治疗方法信息。
[0052]
获取耳鸣患者一定数量的耳鸣病例样本，分别提取病因、病机、症状、伴随症状以及舌象、脉象、睡眠、情绪、法治、方药、方剂等特征信息。比如，某患者舌红、少苔、年纪大，然后舌体瘦，一般相对来说，多是肾精亏损，主要用耳聋左磁丸、苁蓉益肾等，以滋补肾阴为主；某患者少气懒言、乏力、倦怠、胃酸、腹胀，然后很懒，说话也没有声音；伸舌头，舌头特别的淡，舌头比较淡胖，齿痕很明显，一般是脾胃问题，主要以健脾为主；再有就是，病人有的是肝火旺的他爱生气，一生气了就耳鸣，这个时候主要是肝火上扰、肝火上亢造成的，主要以平肝为主等；
[0053]
s102，基于特征信息构建训练集；
[0054]
s103，基于朴素贝叶斯分类器算法构建分型模型；
[0055]
具体的，基于公式1计算事件y的概率；
[0056][0057]
式中，p(y|x)是事件y的概率，p(x)是事件x的概率，p(y)是事件y的概率，p(x|y)是给定y的固定值时事件x的可能性。
[0058]
朴素贝叶斯分类器，其基础是贝叶斯定理，描述了如何根据可能与事件相关的条
件的先验知识来评估事件的概率：
[0059]
如果x代表一个特征变量，y代表一个目标变量，那么贝叶斯分类器会将该标签分配给产生最高概率的特征。为简单起见，考虑一个二分类问题，其中特征变量只能有两个可能的值，y＝1或y＝0。
[0060]
如果pr(y＝1|x＝x0)》0.5，贝叶斯分类器将预测类别为1，否则预测类别2。
[0061]
s104，将训练集输入分型模型进行训练，得到训练好的分型模型；
[0062]
具体的，将所述特征信息划分为训练集、验证集和测试集；
[0063]
基于所述训练集训练所述分型模型；
[0064]
基于所述验证集对训练后的所述分型模型进行性能评估，得到满足性能条件的分型模型；
[0065]
基于所述测试集评估满足性能条件的所述分型模型的分割结果，得到所述分型模型所对应的评价指数。
[0066]
s105，将待识别的耳鸣特征信息输入分型模型，得到耳鸣特征信息对应的耳鸣治疗方案；
[0067]
具体的，利用svm学习算法，求解能够正确划分训练集并且几何间隔最大的分离超平面，生成中医辨证结果。
[0068]
如果用x表示样本数据，y表示数据的类别，那么这个线性分类器就可以在n维的数据空间中找到一个超平面。这个超平面可以用这个方程表示：
[0069]
ox+b＝00
[0070]
这个超平面可以用f(x)表示，当f(x)等于0的时候，x便是位于超平面上的点，而f(x)大于0的点对应y＝1的数据点，f(x)小于0的点对应y＝-1的点。
[0071]
比如，肝火上扰型耳鸣，此型患者发病多较突然，症状比较重，耳鸣声较大，与情绪情志变化关系密切，常常在郁怒之后发生或加重。多伴有口苦、心烦、头昏、头痛、急躁易怒等肝火上逆的症状，舌质红，苔黄，脉弦数；痰浊上壅型耳鸣，此型病程一般较长，耳鸣、头昏、头沉、头重、头闷，耳内胀闷、堵塞感明显。可伴有胸闷，纳呆。
[0072]
基于所述中医辨证结果生成耳鸣治疗方案。基于上述中医辨证的结果，个性化推荐耳鸣中医辨证治疗方法、方药、方剂等。比如，肝火上扰型耳鸣，此型为肝火上扰清窍而致，法应清肝泻热通窍，方选龙胆泻肝汤加减。常用药物有:胆草、黄芩、山栀、当归、泽泻、生地、木通、柴胡、菖蒲、蔓荆子、磁石；痰浊上壅型耳鸣，此型为痰浊上壅蒙蔽清窍所致，治法应该化痰降浊、和胃开窍，多选用二陈汤加减。常用药物有:半夏、陈皮、茯苓、僵蚕、菖蒲、生苡仁、白芷；可适当选择1～2味活血化瘀药，如丹参、桃仁、红花、当归尾等，通过祛瘀以助通窍，也符合中医久病多瘀的理论；如有痰浊化热征象，可加黄芩、黄连、栝蒌、枳实。
[0073]
该耳鸣的中医辨证治疗方法，获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；基于所述特征信息构建训练集；基于朴素贝叶斯分类器算法构建分型模型；将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。解决了现有技术中无法基于耳鸣特征信息智能得到耳鸣治疗方案的问题。
[0074]
图2为本发明耳鸣的中医辨证治疗系统实施例流程图；如图2所示，本发明实施例提供的一种耳鸣的中医辨证治疗系统，包括以下步骤：
[0075]
采集模块10，用于获取一定数量的耳鸣病例样本；
[0076]
提取模块20，用于提取所述耳鸣病例样本的特征信息；
[0077]
第一构建模块30，用于基于所述特征信息构建训练集；
[0078]
第二构建模块40，用于基于朴素贝叶斯分类器算法构建分型模型；
[0079]
训练模块50，用于将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；
[0080]
将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。
[0081]
所述采集模块10用于：
[0082]
获取所述耳鸣病例样本对应的症状信息和药方信息；其中，所述症状信息包括病因信息、临床表现信息、持续时间信息、病位信息、患者状态信息、舌象信息和脉象信息，所述药方信息包括中医方剂信息和治疗方法信息。
[0083]
所述第二构建模块40用于：
[0084]
基于公式1计算事件y的概率；
[0085][0086]
式中，p(y|x)是事件y的概率，p(x)是事件x的概率，p(y)是事件y的概率，p(x|y)是给定y的固定值时事件x的可能性。
[0087]
如果pr(y＝1|x＝x0)》0.5，贝叶斯分类器将预测类别为1，否则预测类别2。
[0088]
所述训练模块50用于：
[0089]
将所述特征信息划分为训练集、验证集和测试集；
[0090]
基于所述训练集训练所述分型模型；
[0091]
基于所述验证集对训练后的所述分型模型进行性能评估，得到满足性能条件的分型模型；
[0092]
基于所述测试集评估满足性能条件的所述分型模型的分割结果，得到所述分型模型所对应的评价指数。
[0093]
利用svm学习算法，求解能够正确划分训练集并且几何间隔最大的分离超平面，生成中医辨证结果。
[0094]
基于所述中医辨证结果生成耳鸣治疗方案。
[0095]
本发明的一种耳鸣的中医辨证治疗系统，通过采集模块10获取一定数量的耳鸣病例样本；提取模块20，用于提取所述耳鸣病例样本的特征信息；通过第一构建模块30基于所述特征信息构建训练集；通过第二构建模块40基于朴素贝叶斯分类器算法构建分型模型；通过训练模块50将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。该耳鸣的中医辨证治疗系统解决现有技术中无法基于耳鸣特征信息智能得到耳鸣治疗方案的问题。
[0096]
图3为本发明实施例提供的电子设备实体结构示意图，如图3所示，电子设备60包括：处理器601(processor)、存储器602(memory)和总线603；
[0097]
其中，处理器601、存储器602通过总线603完成相互间的通信；
[0098]
处理器601用于调用存储器602中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；基于所述特征信息构建训练集；基于朴素贝叶斯分类器算法构建分型模型；将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。
[0099]
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；基于所述特征信息构建训练集；基于朴素贝叶斯分类器算法构建分型模型；将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。
[0100]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的存储介质。
[0101]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0102]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各实施例或者实施例的某些部分的方法。
[0103]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

技术特征：
1.一种耳鸣的中医辨证治疗方法，其特征在于，包括：获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；基于所述特征信息构建训练集；基于朴素贝叶斯分类器算法构建分型模型；将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。2.根据权利要求1所述耳鸣的中医辨证治疗方法，其特征在于，所述获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息，包括：获取所述耳鸣病例样本对应的症状信息和药方信息；其中，所述症状信息包括病因信息、临床表现信息、持续时间信息、病位信息、患者状态信息、舌象信息和脉象信息，所述药方信息包括中医方剂信息和治疗方法信息。3.根据权利要求1所述耳鸣的中医辨证治疗方法，其特征在于，所述基于朴素贝叶斯分类器算法构建分型模型，包括：基于公式1计算事件y的概率；式中，p(y|x)是事件y的概率，p(x)是事件x的概率，p(y)是事件y的概率，p(x|y)是给定y的固定值时事件x的可能性。4.根据权利要求1所述耳鸣的中医辨证治疗方法，其特征在于，所述基于朴素贝叶斯分类器算法构建分型模型，还包括：如果pr(y＝1|x＝x0)>0.5，贝叶斯分类器将预测类别为1，否则预测类别2。5.根据权利要求1所述耳鸣的中医辨证治疗方法，其特征在于，所述将所述训练集输入所述分型模型进行训练，得到训练好的分型模型，包括：将所述特征信息划分为训练集、验证集和测试集；基于所述训练集训练所述分型模型；基于所述验证集对训练后的所述分型模型进行性能评估，得到满足性能条件的分型模型；基于所述测试集评估满足性能条件的所述分型模型的分割结果，得到所述分型模型所对应的评价指数。6.根据权利要求1所述耳鸣的中医辨证治疗方法，其特征在于，所述将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案，包括：利用svm学习算法，求解能够正确划分训练集并且几何间隔最大的分离超平面，生成中医辨证结果。7.根据权利要求1所述耳鸣的中医辨证治疗方法，其特征在于，所述将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案，还包括：基于所述中医辨证结果生成耳鸣治疗方案。8.一种耳鸣的中医辨证治疗系统，其特征在于，包括：采集模块，用于获取一定数量的耳鸣病例样本；
提取模块，用于提取所述耳鸣病例样本的特征信息；第一构建模块，用于基于所述特征信息构建训练集；第二构建模块，用于基于朴素贝叶斯分类器算法构建分型模型；训练模块，用于将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中的任一项所述的方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中的任一项所述的方法的步骤。

技术总结
本发明实施例公开了一种耳鸣的中医辨证治疗方法及系统，耳鸣的中医辨证治疗方法包括：获取一定数量的耳鸣病例样本，并提取所述耳鸣病例样本的特征信息；基于所述特征信息构建训练集；基于朴素贝叶斯分类器算法构建分型模型；将所述训练集输入所述分型模型进行训练，得到训练好的分型模型；将待识别的耳鸣特征信息输入所述分型模型，得到所述耳鸣特征信息对应的耳鸣治疗方案。该耳鸣的中医辨证治疗方法解决现有技术中无法基于耳鸣特征信息智能得到耳鸣治疗方案的问题。能得到耳鸣治疗方案的问题。能得到耳鸣治疗方案的问题。


技术研发人员：杜登斌
受保护的技术使用者：吾征智能技术（北京）有限公司
技术研发日：2023.07.28
技术公布日：2023/10/15