基于司外揣内原理的中医“舌象-体质”深度学习模型构建研究

司外揣内是中医诊断和健康评估的重要手段,中医体质辨识是这一理论的典型应用,传统的中医体质辨识依赖中医体质评分量表进行判定,效率低下。本文将深度学习技术应用到中医体质辨识领域,基于司外揣内原理,将多尺度舌象信息融入注意力模块中,以残差方式堆叠,将图像模态和文本模型的舌象信息融合,构建中医体质辨识模型,并在数据集上进行训练和测试,以期实现较为精准的体质判别。

基于无监督学习的心系疾病核心症状群提取研究

目的从心系疾病临床数据中提取核心症状群。方法将聚类分析、主成分分析等无监督学习方法相结合,提出一种核心症状群提取方法。利用该方法对1741诊次心系疾病患者的临床数据进行分析。结果成功提取了3类核心症状群。“类别1”涉及14个主成分,分别对应1~5个症状,反映心气虚证和心阳虚证的主要临床特征;“类别2”涉及10个主成分,分别对应1~3个症状,反映心脾气虚证的主要临床特征;“类别3”涉及13个主成分,对应1~2个症状,反映心火亢盛证的主要临床特征。经中医专家分析,发现其能够反映心系疾病的中医证候特点。结论利用无监督学习方法可以有效提取核心症状群,从而为心系病证规律总结提供客观依据。