中醫(yī)診斷工程技術(shù)研究進(jìn)展

，

上海中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院中醫(yī)四診信息化實(shí)驗(yàn)室(上海，201203)上海中醫(yī)藥大學(xué)中醫(yī)信息科學(xué)與技術(shù)中心(上海，201203)

中醫(yī)學(xué)有著數(shù)千年的歷史，具有獨(dú)特完整的理論體系和豐富的實(shí)踐經(jīng)驗(yàn)，然而僅憑陰陽(yáng)五行、四氣五味這些玄妙的理論，很難讓世人透徹認(rèn)識(shí)和理解。如何促進(jìn)中醫(yī)藥事業(yè)與現(xiàn)代社會(huì)同步發(fā)展，傳統(tǒng)醫(yī)學(xué)與現(xiàn)代科學(xué)技術(shù)相結(jié)合是必由之路。中醫(yī)工程學(xué)的出現(xiàn)，標(biāo)志著古代中醫(yī)學(xué)已賦有當(dāng)代工程技術(shù)的科學(xué)內(nèi)涵，。中醫(yī)學(xué)的精髓在于“辨證論治”，而辨證是以“望、聞、問、切”四診為依據(jù)，通過四診合參，達(dá)到審查病因、闡述病機(jī)、確定治療原則以及判斷預(yù)后等目的。但傳統(tǒng)中醫(yī)診斷往往取決于醫(yī)師的主觀意識(shí)、經(jīng)驗(yàn)累積，受限于當(dāng)時(shí)的環(huán)境因素，缺乏客觀指標(biāo)，難以重復(fù)驗(yàn)證等，成為中醫(yī)藥現(xiàn)代化發(fā)展的瓶頸。

短短幾十年中醫(yī)診斷工程技術(shù)發(fā)展迅速，中醫(yī)診斷的客觀化研究使中醫(yī)診斷由功能想象的描述逐漸向闡明機(jī)制的方向過渡，使中醫(yī)診斷學(xué)由主觀、定性的經(jīng)驗(yàn)醫(yī)學(xué)發(fā)展成為兼有微觀的、定量的現(xiàn)代中醫(yī)診斷學(xué)。中醫(yī)診斷工程的發(fā)生和發(fā)展，對(duì)于中醫(yī)學(xué)的振興、開拓和發(fā)揚(yáng)光大將起到關(guān)鍵作用。

1 望診研究

中醫(yī)舌診是通過觀察舌質(zhì)和舌苔的變化以了解機(jī)體生理功能和病理變化的診察方法。近30年來，舌圖像采集設(shè)備及舌圖像分析方法進(jìn)展很大。采集環(huán)境多相對(duì)封閉,如采用箱體、積分球式箱體、黑幕布攝影棚等。人工光源為熒光光源、固定鹵鎢燈、相機(jī)閃光燈、LED燈等，光源顯色性、色溫均模擬白天自然光。如北京工業(yè)大學(xué)沈蘭蓀[1]等，采用OSRAM標(biāo)準(zhǔn)光源研制舌象分析儀，并基于HIS彩色模型在舌圖像分割、彩色校正、舌色舌苔分類方法等進(jìn)行研究。清華大學(xué)與北京西苑醫(yī)院聯(lián)合[2]研制“舌診專家”軟件，對(duì)舌質(zhì)、舌苔進(jìn)行定量分析識(shí)別。上海中醫(yī)藥大學(xué)中醫(yī)四診信息化實(shí)驗(yàn)室建立了舌象采集的標(biāo)準(zhǔn)條件，并開展了舌色與苔色、舌質(zhì)老嫩、點(diǎn)刺、瘀點(diǎn)等特征的識(shí)別研究，10余年來先后研制了TP-I型、ZBOX-I型舌脈象數(shù)字分析儀，已在多家高等中醫(yī)院校及臨床研究機(jī)構(gòu)應(yīng)用。課題組運(yùn)用ZBOX-I型脈象數(shù)字化分析儀采集哮喘患者的舌脈象信息，分析了哮喘不同分期、不同證型舌脈象參數(shù)的差異[3]；并且運(yùn)用該儀器采集慢性胃炎患者舌象參數(shù)，分析其與胃黏膜糜爛、炎癥、Hp感染等病理改變的相關(guān)性[4]。由此證明該舌象分析系統(tǒng)對(duì)臨床診斷有輔助作用。

中醫(yī)面診是通過觀察人體面部皮膚的色澤變化來診察病情的一種方法。20世紀(jì)80年代以來，隨著顏色光學(xué)理論的發(fā)展和測(cè)色儀器的更新，面部色診實(shí)驗(yàn)研究在國(guó)內(nèi)外逐步展開。國(guó)內(nèi)應(yīng)用色差計(jì)、光電血管容積儀、紅外熱像儀器對(duì)面部色診的一些理論進(jìn)行了闡釋，并將客觀的面色信息用于臨床辨證，為臨床提供了客觀定量的數(shù)據(jù)。取得了一定進(jìn)展。如蔡光先[5-7]用日產(chǎn)便攜式色差計(jì)進(jìn)行病理五色定量測(cè)定、氣虛證面色測(cè)定以及慢性肝炎患者面色測(cè)定等研究工作。王鴻謨[8-10]等在中醫(yī)面部色診的應(yīng)用中,強(qiáng)調(diào)定色位、辨色質(zhì)、相色氣三項(xiàng)原則,制定了臟腑面部中心坐標(biāo)圖。這些都為中醫(yī)面診客觀化、標(biāo)準(zhǔn)化研究提供了寶貴的經(jīng)驗(yàn)。

大學(xué)生思想政治教育是高等教育中較為重要的一門學(xué)科。輔導(dǎo)員的工作是否完善是影響學(xué)生發(fā)展的關(guān)鍵因素之一。因此輔導(dǎo)員工作除了帶有很強(qiáng)的學(xué)術(shù)性，還需要人格魅力。具體而言，輔導(dǎo)員應(yīng)該做學(xué)生的表率，善于發(fā)現(xiàn)和解決問題、平等對(duì)待每個(gè)學(xué)生、把以情感人與以理服人相結(jié)合、開展豐富多彩的課外教育活動(dòng)、幫助學(xué)生處理好情感問題等。

DNA條形碼技術(shù)可以直接從基因水平提供鑒定依據(jù)，將有助于非分類學(xué)專業(yè)工作者對(duì)中藥用植物進(jìn)行快速、準(zhǔn)確地鑒定，是傳統(tǒng)鑒定方法的補(bǔ)充和拓展，具較好的推廣和應(yīng)用價(jià)值[24]。本研究結(jié)果分析了DNA條形碼技術(shù)應(yīng)用于中藥用植物鑒定中被廣泛關(guān)注的問題，證明了ITS2序列作為DNA條形碼能穩(wěn)定、準(zhǔn)確鑒別濱海白首烏藥用植物，為保障臨床安全用藥提供有效手段，也為蘿藦科植物分子鑒定和遺傳多樣性研究奠定了基礎(chǔ)。

20世紀(jì)80年代，計(jì)算機(jī)信息處理技術(shù)開始運(yùn)用于中醫(yī)領(lǐng)域，其中以研發(fā)中醫(yī)專家系統(tǒng)為主要標(biāo)志，基本上都是基于規(guī)則的決策推理[35-36]，其缺點(diǎn)是自主“學(xué)習(xí)”能力和“適應(yīng)”能力較差，知識(shí)自動(dòng)更新困難。21世紀(jì)初對(duì)中醫(yī)辨證推理開展了比較深入的研究，如采用人工神經(jīng)網(wǎng)絡(luò)建立中醫(yī)辨證系統(tǒng)[37]、應(yīng)用數(shù)據(jù)挖掘技術(shù)和決策樹方法進(jìn)行中醫(yī)證型分類[38]。由于受限于當(dāng)時(shí)四診信息標(biāo)準(zhǔn)化采集手段及其信息化技術(shù)水平，參與辨證的客觀化指標(biāo)量化不足，影響了最終的辨證結(jié)果。隨著科學(xué)技術(shù)的發(fā)展，中醫(yī)四診信息客觀采集和分析系統(tǒng)的研究日益完善，在此基礎(chǔ)上開展問診、舌面、脈、聲診等四診客觀信息的融合研究成為中醫(yī)診斷客觀化研究的必然發(fā)展趨勢(shì)。多年來本課題組在承擔(dān)上海市科委專項(xiàng)基金項(xiàng)目、國(guó)家973項(xiàng)目、國(guó)家“十五”攻關(guān)項(xiàng)目及“十一五”科技支撐計(jì)劃等研究期間，與國(guó)內(nèi)多家知名大學(xué)和企業(yè)合作進(jìn)行了中醫(yī)脈診、問診、望診和聲診等檢測(cè)系統(tǒng)的研究，研制出中醫(yī)四個(gè)診法的采集與分析系統(tǒng)，其能夠提供的客觀化指標(biāo)基本覆蓋了四診的信息，解決了參與辨證的客觀化指標(biāo)量化不足的缺陷，為開展“四診合參”的信息融合研究奠定了基礎(chǔ)。

2 聲診研究

早在20世紀(jì)70年代中期，已有學(xué)者探索將人工智能技術(shù)應(yīng)用于中醫(yī)問診領(lǐng)域[19]，隨著計(jì)算機(jī)信息技術(shù)的發(fā)展，越來越的研究者開始關(guān)注問診模型的研究。中醫(yī)診斷的優(yōu)勢(shì)在于將人體作為一個(gè)整體復(fù)雜動(dòng)態(tài)系統(tǒng)，從癥狀體征等信息探查系統(tǒng)內(nèi)部變化，辨析疾病證候。本課題組以系統(tǒng)科學(xué)的系統(tǒng)觀和方法論為指導(dǎo)，選擇隱結(jié)構(gòu)方法進(jìn)行研究，建立了心系的隱結(jié)構(gòu)模型[20]，該模型在定性與定量層面與中醫(yī)理論進(jìn)行比較，有較好的一致性，為中醫(yī)辨證的客觀化提供了依據(jù)和方法；選擇條件隨機(jī)場(chǎng)、互信息、模糊數(shù)學(xué)等方法，定量與定性結(jié)合分析慢性胃炎癥狀、體征及證候間的復(fù)雜非線性關(guān)系，篩選證候診斷的關(guān)鍵癥狀、體征及微觀指標(biāo)組合(主癥)，同時(shí)結(jié)合多標(biāo)記學(xué)習(xí)和深度學(xué)習(xí)算法，模擬中醫(yī)辨證中的大腦深度思維模式，處理中醫(yī)辨證過程中的復(fù)雜性及非線性，構(gòu)建符合中醫(yī)辨證思維的臨床主癥辨證模式，建立了慢性胃炎中醫(yī)證候模型[21]，模型的預(yù)測(cè)結(jié)果表明證型的相互關(guān)系與中醫(yī)理論是基本一致的，得到的模型性能優(yōu)越。

但中醫(yī)聲診客觀化研究存在一些問題，如聲診研究聲樣采集方法和聲樣尚未規(guī)范統(tǒng)一，同類研究的對(duì)比性較差；研究對(duì)象多為單一疾病，缺乏對(duì)臨床多病種的對(duì)比研究；聲學(xué)特征值的變化與情感起伏的對(duì)應(yīng)關(guān)系尚未定論等問題。

3 問診研究

問診在四診中占有重要地位，被視為“診病之要領(lǐng)，臨證之首務(wù)”。傳統(tǒng)問診是耳聞口述，其受醫(yī)患雙方的主觀因素影響最大。根據(jù)文獻(xiàn)[16]報(bào)道，用以表達(dá)四診信息的癥狀表詞有817個(gè)。由發(fā)生部位和性質(zhì)聯(lián)合組成的復(fù)合癥狀有2317個(gè)。如果再考慮癥狀的發(fā)生原因、誘發(fā)、加重等因素，形成的復(fù)合癥狀達(dá)4500個(gè)之多。為了滿足臨床科研的需求，人們?cè)趥鹘y(tǒng)中醫(yī)癥狀量化方法的基礎(chǔ)上，吸取了現(xiàn)代醫(yī)學(xué)和心理學(xué)中的一些較為成熟的對(duì)主觀癥狀的量化分級(jí)方法，在中醫(yī)癥狀的量化表達(dá)方面進(jìn)行了嘗試。

本課題組率先在國(guó)內(nèi)開展面色檢測(cè)系統(tǒng)研制，采用自制的環(huán)形發(fā)光二極管光源，較好實(shí)現(xiàn)了面色照片的真實(shí)還原；在外觀設(shè)計(jì)上采用一次性吸塑面，使設(shè)計(jì)更具有人性化；暗箱設(shè)計(jì)便于臨床采集攜帶。該系統(tǒng)通過對(duì)面部色和澤的分析，闡述中醫(yī)氣血盛衰等原理在此基礎(chǔ)上，我們進(jìn)一步研制了舌面一體檢測(cè)儀器，結(jié)合機(jī)器視覺、背光模組等技術(shù)，建立適合舌象、面色采集的標(biāo)準(zhǔn)環(huán)境。通過對(duì)上海地區(qū)1000余例健康正常人的四季面色特征進(jìn)行客觀測(cè)量和定量分析檢測(cè)，在一定程度上驗(yàn)證了中醫(yī)學(xué)關(guān)于人體面色“春青、夏赤、秋白、冬黑”的理論。

量表是用來量化觀察中所得印象的一種測(cè)量工具，主要評(píng)定被調(diào)查者的“主觀感受”，與中醫(yī)問診的內(nèi)容相似。近年來，中醫(yī)界引進(jìn)了不少國(guó)外的標(biāo)準(zhǔn)化調(diào)查問卷及量表，并加以修改。有些中醫(yī)機(jī)構(gòu)也自行設(shè)計(jì)了一批問卷及量表，用于癥狀的系統(tǒng)性收集和癥狀、證候規(guī)范。王哲等[17]采用臨床流行病學(xué)調(diào)查、條目分析及經(jīng)驗(yàn)性篩選等方法，編制簡(jiǎn)明抑郁癥中醫(yī)證候自評(píng)量表；劉鳳斌等[18]根據(jù)中醫(yī)臨床辨證思維邏輯，提出了中醫(yī)脾胃疾病PRO(patient reported outcomes)量表理論結(jié)構(gòu)模型的構(gòu)建思路。我們以心系病證為研究對(duì)象，在文獻(xiàn)梳理及課題組專家討論基礎(chǔ)上初步形成量表的條目池，并對(duì)癥狀進(jìn)行相應(yīng)規(guī)范，研制了中醫(yī)心系問診采集量表。在量表制作完善的基礎(chǔ)上，結(jié)合現(xiàn)代計(jì)算機(jī)技術(shù)，研制了問診信息采集系統(tǒng)，實(shí)現(xiàn)了問診病史記錄的完整性、規(guī)范性及數(shù)字化。

中醫(yī)聲診是聞診的總要部分。聲診是指醫(yī)生通過聽患者的聲音來辨析患者病情的變化?！秲?nèi)經(jīng)》明確指出五音、五聲與五臟相配，因此，憑借病人聲音，可以辨五臟之病，辨陰陽(yáng)虛實(shí)[10]。但因個(gè)人聽覺的差異及各自生理、病例因素的影響，往往易造成聲診的漏診或誤診。因此，使用現(xiàn)代信息技術(shù)研究中醫(yī)聲診，提供客觀的量化指標(biāo)，可以避免主觀和客觀因素的干擾，輔助疾病的辨識(shí)。國(guó)內(nèi)外中醫(yī)聲診客觀化研究較少，且研究方式不一致，主要對(duì)語(yǔ)音、咳聲以及五音進(jìn)行分析等。林源[11]等運(yùn)用電腦音頻分析儀，分析哮喘治療前后發(fā)音改變的規(guī)律，高也陶[12]利用二十五音分析儀實(shí)時(shí)測(cè)定發(fā)音的頻率，根據(jù)“五臟相音”理論，研究了健康人的二十五音規(guī)律。我們課題組研制了聲診采集分析系統(tǒng)，包括自制聲音采集硬件、語(yǔ)音分析與識(shí)別軟件?，F(xiàn)代聲學(xué)采錄設(shè)備提高了聲音采集的保真性，聲診分析技術(shù)正在不斷的提高，尤其隨著混沌和分形理論的出現(xiàn)，語(yǔ)音信號(hào)非線性分析的研究越來越多。本課題組運(yùn)用了基于小波包方法，結(jié)合非線性分析方法分析了寒、熱、虛、實(shí)證型受測(cè)者的聲診信息[13]；分析了肺系疾病不同證型不同病種受測(cè)者的聲診信息[14]，并基于“五臟相音”理論，分析五臟疾病患者的聲診信息，發(fā)現(xiàn)五臟疾病患者聲音的部分頻段的特征有顯著差異[15]。

4 脈診研究

早在20世紀(jì)50年代，科研工作者開始探索脈診的客觀化研究，在脈學(xué)理論、脈診方法、脈象儀的研制以及脈象信息分析等方面均開展了大量工作，取得了長(zhǎng)足進(jìn)展。一方面，研制了多種脈象儀對(duì)脈搏波進(jìn)行描記，能客觀重現(xiàn)脈象的變化規(guī)律[22-23]；另一方面，運(yùn)用各種信號(hào)處理方法對(duì)脈圖進(jìn)行分析，如時(shí)域分析[24]、頻域分析、小波分析和希爾伯特-黃變換(HHT)[25]、非線性動(dòng)力學(xué)分析等[26]，實(shí)現(xiàn)了脈象信號(hào)的分類識(shí)別以及脈象原理探討。

式中Ci為工件Ji的完工時(shí)間。表1所示為一個(gè)FJSP實(shí)例，共有4個(gè)工件和3臺(tái)機(jī)器。以工件J1為例進(jìn)行說明，工件J1的加工過程包括3道具有順序約束的工序，加工路線為O11→O12→O13，每道工序可能有多臺(tái)可以選擇的機(jī)器進(jìn)行加工，如工序O11有M1、M2和M3共3臺(tái)機(jī)器可以選擇，對(duì)應(yīng)的加工時(shí)間分別為3、4和4，工序O11只能選擇其中一臺(tái)機(jī)器進(jìn)行加工，如表1所示，當(dāng)工序O11選擇機(jī)器M3進(jìn)行加工時(shí)，對(duì)應(yīng)的加工時(shí)間為4，其他工件以此類推。

不論是長(zhǎng)春市還是其他城市，各個(gè)高校的足球課程的上課模式幾乎都是老套的教學(xué)大綱和訓(xùn)練方法.如果采用結(jié)合俱樂部訓(xùn)練的模式去訓(xùn)練，這個(gè)課程需要花費(fèi)大量的時(shí)間精力去學(xué)習(xí)，去思考，去設(shè)計(jì).打破這種陳舊安逸的狀態(tài)，無疑會(huì)受到一些大學(xué)老師的反對(duì).

基于該脈象數(shù)據(jù)庫(kù)，運(yùn)用時(shí)域方法，可以得到脈象的脈位、節(jié)律、脈力、脈緊張度、脈流利度等信息。本課題組進(jìn)行了冠心病患者的時(shí)域參數(shù)與冠脈狹窄程度及超聲心動(dòng)圖關(guān)系的探討[27]，對(duì)妊娠不同階段脈象時(shí)域參數(shù)變化進(jìn)行了觀察研究[28]，并對(duì)原發(fā)性肺癌脈圖參數(shù)特征及治療干預(yù)后的變化進(jìn)行了觀察[29]，得到對(duì)臨床有參考價(jià)值的結(jié)論。我們運(yùn)用血液動(dòng)力學(xué)方法，分析了平、弦、滑等臨床常見脈圖的波速與反射系數(shù)取值區(qū)間，研究了常見脈象的形成機(jī)理[30]。運(yùn)用時(shí)頻結(jié)合的方法如HHT研究冠心病與正常人的脈象特征差異，比較了同一患者支架植入手術(shù)前后脈搏信號(hào)的差異，得出HHT方法對(duì)于區(qū)別冠心病患者與正常人的脈象以及冠心病患者支架植入術(shù)前后的脈象變化有顯著意義[31]。運(yùn)用非線性動(dòng)力學(xué)方法如樣本熵分析、多尺度熵分析、遞歸定量分析研究了冠心病的脈象特征[32-34]，比較了其與正常人、高血壓患者脈搏信號(hào)的差異，通過繪制三組脈象非線性動(dòng)力學(xué)參數(shù)的ROC診斷曲線。發(fā)現(xiàn)脈象的非線性動(dòng)力學(xué)參數(shù)對(duì)這三類人群的診斷效率較理想；對(duì)冠心病患者脈象的遞歸定理參數(shù)與其血脂、血凝和冠脈造影病變支數(shù)進(jìn)行了關(guān)聯(lián)研究，發(fā)現(xiàn)脈象的遞歸定量分析參數(shù)能夠反映高密度脂蛋白膽固醇(HDL-ch)和低密度脂蛋白膽固醇(LDL-ch)的相對(duì)大小，在一定程度反映人體凝血系統(tǒng)、纖維系統(tǒng)的失調(diào)，在一定程度上能預(yù)測(cè)冠脈病變程度。

?愛新覺羅·弘歷:《汲惠泉烹竹爐歌疊舊作韻》，裴大中、倪咸生修，秦緗業(yè)等纂:《光緒無錫金匱縣志》，《中國(guó)地方志集成·江蘇府縣志輯》第24冊(cè)，第26頁(yè)。

國(guó)內(nèi)研制的脈象儀有很多，主要包括北京醫(yī)療器械總廠生產(chǎn)的BYS-14型脈象儀，天津醫(yī)療器械研究所研制的MTY-A型脈圖儀，上海醫(yī)療器械研究所研制的MX-3型脈象儀，南昌無線電儀器廠生產(chǎn)的MX811型脈圖儀和MS-Z80脈圖數(shù)據(jù)處理機(jī)，山東海洋學(xué)院研制的實(shí)時(shí)多功能脈象儀。上海中醫(yī)藥大學(xué)先后研制了ZM-I型、ZM-III型智能脈象儀以及TP-I型、ZBOX-Ⅰ型脈象數(shù)字化分析儀，建立了中醫(yī)脈象采集規(guī)范，深入開展了脈象信息分析研究，建立了大樣本的臨床常見脈象數(shù)據(jù)庫(kù)。

5 四診信息融合研究

綜上舌面診研究取得了一定的進(jìn)展，但仍存在亟待解決的問題。如現(xiàn)有的舌象采集設(shè)備多是從單一角度采集舌象，但人的視覺是多維立體的；照相機(jī)采集的單幀圖像易受光源電壓和舌體運(yùn)動(dòng)影響，而且購(gòu)置的相機(jī)受限于廠家的生產(chǎn)，并存在知識(shí)產(chǎn)權(quán)糾紛隱患。在舌象信息分析方面如何提取舌神的榮枯，舌形的老嫩等，尚需研究者繼續(xù)努力。在面診研究方面，老年面部色著不勻的識(shí)別，面部紋理光澤的分析，以及五志七情信息的提取，均為難點(diǎn)。

脈象客觀化研究方面仍有許多問題亟待解決。如中醫(yī)“三部九候”脈診理論與方法的運(yùn)用研究不足，三探頭傳感器尚未走進(jìn)臨床；壓力傳感器獲取的信息不能完全體現(xiàn)中醫(yī)28脈，中醫(yī)脈診客觀呈現(xiàn)需要多通道復(fù)合原理的傳感器；有40余年現(xiàn)代化研究歷史的脈診尚未建立標(biāo)準(zhǔn)圖譜及參數(shù)標(biāo)準(zhǔn)，而近期韓國(guó)向國(guó)際標(biāo)準(zhǔn)化組織(ISO)提交的脈象儀技術(shù)標(biāo)準(zhǔn)的提案已獲通過，我國(guó)醫(yī)學(xué)精華之一——脈診在異國(guó)結(jié)出勝利果實(shí)！值得國(guó)人深思反省。

本世紀(jì)初，機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法的逐漸成熟為中醫(yī)的四診信息融合提供了方法學(xué)的指導(dǎo)。信息融合算法主要源于對(duì)現(xiàn)有的信息處理方法的引用和改進(jìn)，涉及到的理論也非常廣泛。隨著科學(xué)技術(shù)的發(fā)展，本課題組對(duì)四診信息融合研究做了許多創(chuàng)新性的嘗試。2010年我們課題組借助自行研制的中醫(yī)四診檢測(cè)系統(tǒng)獲取患者的舌、面、脈、問、聲音等四診綜合信息，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等信息融合技術(shù)進(jìn)行臨床證候的識(shí)別研究，取得了一系列有意義的結(jié)果[39]。最近，我們課題組對(duì)機(jī)器學(xué)習(xí)領(lǐng)域的多標(biāo)記學(xué)習(xí)進(jìn)行了研究，提出了基于標(biāo)記相關(guān)特征的多標(biāo)記學(xué)習(xí)算法(Revelant Feature for Each Label， REAL)[40]，建立了793例心系疾病四診信息融合的辯證模型，通過互信息最大化挑選出與證型最相關(guān)的特征子集，建立心氣虛證、心陽(yáng)虛證、心陰虛證、痰濁證、血瘀證和氣滯證的識(shí)別模型；并同時(shí)運(yùn)用ML-KNN[41]、BSVM[42]、ECC[43]、BP-MLL[44]、Rank-SVM[45]、LIFT[46]6種先進(jìn)的多標(biāo)記算法建立上述四診信息融合的辨證模型，以識(shí)別率作為評(píng)價(jià)準(zhǔn)則，對(duì)上述多標(biāo)記算法建立的辯證模型進(jìn)行了比較，結(jié)果基于REAL算法的辨證模型，其整體識(shí)別率最高，平均識(shí)別率達(dá)到86.6%。REAL模型能很好地處理兼證，更適合中醫(yī)的辨證思想，該模型充分關(guān)注了證型和癥狀的關(guān)系，適合于建立四診信息融合的辨證模型。

我們發(fā)現(xiàn)中醫(yī)證型對(duì)應(yīng)的主次癥信息缺乏規(guī)范化，直接影響了智能辨證算法有效性的設(shè)計(jì)；缺乏大量其分布均與的樣本，影響模型的“學(xué)習(xí)”能力和“適應(yīng)”能力。

2.2.2 BIND BIND≥4分者24例，其預(yù)測(cè)神經(jīng)系統(tǒng)不良預(yù)后的靈敏度為76.9%，特異度為75.9%，陽(yáng)性預(yù)測(cè)值為43.5%，陰性預(yù)測(cè)值為93.2%。

6 中醫(yī)診斷工程技術(shù)的展望

中醫(yī)診斷技術(shù)是中醫(yī)診治疾病的關(guān)鍵手段，在漫長(zhǎng)的中醫(yī)學(xué)發(fā)展過程中承載著豐富的理論內(nèi)涵和深厚的實(shí)踐經(jīng)驗(yàn)，為中華民族的繁榮昌盛做出了重大貢獻(xiàn)。近現(xiàn)代以來，學(xué)者們對(duì)中醫(yī)診斷的現(xiàn)代化研究進(jìn)行了廣泛深入的探索，中醫(yī)診斷技術(shù)呈現(xiàn)出新的發(fā)展態(tài)勢(shì)。

中醫(yī)現(xiàn)代化任重而道遠(yuǎn)，大量的難題需要中醫(yī)工程技術(shù)予以解決。有中醫(yī)學(xué)自身的認(rèn)識(shí)統(tǒng)一問題；有傳感器研發(fā)改進(jìn)問題；有診法分析識(shí)別技術(shù)的提高以更符合中醫(yī)原理；有標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)及參數(shù)標(biāo)準(zhǔn)的建設(shè)問題，等等。隨著中醫(yī)工程學(xué)的深入發(fā)展，我們期待中醫(yī)診斷技術(shù)有大的突破，以能更好地為中醫(yī)藥臨床療效評(píng)價(jià)、中藥新藥評(píng)審的臨床試驗(yàn)建立具有中醫(yī)特征的評(píng)價(jià)指標(biāo)，為健康評(píng)估體系提供技術(shù)依據(jù)；同時(shí)，開展中醫(yī)診斷客觀化、規(guī)范化及標(biāo)準(zhǔn)化研究，對(duì)于鞏固我國(guó)醫(yī)學(xué)在國(guó)際上的主導(dǎo)地位，確立我國(guó)醫(yī)學(xué)的自主知識(shí)產(chǎn)權(quán)具有重要意義，為中醫(yī)國(guó)際化奠定基礎(chǔ)。

[1] 沈蘭蓀，趙忠旭，王愛民，等.基于圖像處理的中醫(yī)舌像分析儀的研究[J].國(guó)外電子測(cè)量技術(shù)，1999，(6)：33-35.

[2] 翁維良，黃世敬.中醫(yī)舌診客觀化研究[J].中國(guó)工程科學(xué)，2001，3(1)：78-82.

[3] 張曉丹. 支氣管哮喘中醫(yī)臨床辨證舌脈象信息特征研究[D].上海中醫(yī)藥大學(xué)研究生碩士 畢業(yè)論文，2009.

[3] 張曉丹. 支氣管哮喘中醫(yī)臨床辨證舌脈象信息特征研究[D].上海中醫(yī)藥大學(xué)，2009.

[4] 徐貴華，袁利，王憶勤，等.慢性腎功能衰竭患者不同腎功能分期舌象客觀化研究[J].中國(guó)中西醫(yī)結(jié)合腎病雜志,2006，7(9)：530-531.

[5] 蔡光先.508例病理五色定量計(jì)測(cè)[J].中國(guó)醫(yī)藥學(xué)報(bào)，1996，11(1)：20-21.

[6] 蔡光先.102例氣血虛證患者面部色澤定量分析[J].湖南中醫(yī)學(xué)院學(xué)報(bào)，1990，(4)：217-218.

[7] 蔡光先，艾英.慢性肝炎患者面色定量實(shí)驗(yàn)研究[J].中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，1996，2(2)：37.

[8] 王鴻謨，張棟.中醫(yī)色診學(xué)定位與紅外熱像數(shù)字化研究[J].中醫(yī)藥現(xiàn)代化多學(xué)科研究與工程技術(shù),2004，6(4)：45-47.

[9] 王鴻謨.面部色部定位研究[J].山東中醫(yī)雜志,2006,25(5):291-293.

[10] 王斌,楊愛萍.談中醫(yī)聞診的重要意義[J].陜西中醫(yī),2005,26(12): 1398.

[11] 林源，林萬慶，陳旭軍. 哮喘病的灸療前后二十五音頻率變化的研究[J]. 2008，7(6):29-30.

[12] 高也陶.五臟相音[M].北京:中醫(yī)古籍出版社，2007: 351-412.

[13] 陳春鳳，王憶勤，顏建軍，等. 中醫(yī)聞診信號(hào)采集與分析在虛、實(shí)證型辨別中的應(yīng)用[J]. 中西醫(yī)結(jié)合學(xué)報(bào)，2010, 8(10) : 944-948.

[14] 陳春鳳.342例肺系不同病證患者的語(yǔ)音特征分析[D].上海中醫(yī)藥大學(xué)，2011.

[15] Chunfeng Chen，Yiqin Wang，Jianjun Yan，et al.Analysis of 903 Voice Signals of Patients with Five Organs Illness and Normal Persons in Traditional Chinese Medicine Auscultation[A].2010 IEEE International Conference on Bioinformatics & Biomedicine Workshops[C].China，Hongkong，2010.12：745-748.

[16] 王憶勤.中醫(yī)診斷學(xué)研究思路與方法[M].上海：上?？茖W(xué)技術(shù)出版社.2008：149-371.

[17] 王哲，胡隨瑜，陳澤奇．簡(jiǎn)明抑郁癥中醫(yī)證候自評(píng)量表初步編制[J]. 中國(guó)行為醫(yī)學(xué)科學(xué)，2005，14(10):945.

[18] 劉鳳斌，王維瓊．中醫(yī)脾胃系疾病PRO量表理論結(jié)構(gòu)模型的構(gòu)建思路[J]. 廣州中醫(yī)藥大學(xué)學(xué)報(bào)，2008, 25(1):12.

[19] 宋寶珠，程釗，孫立友，等.中醫(yī)專家電腦系統(tǒng)研究概況[J].安徽中醫(yī)學(xué)學(xué)院學(xué)報(bào)，1987，6(4)：57-60.

[20] Zhaoxia Xu,Nevin L Zhang,Yiqin Wang ,et al.Statistical Validation of Traditional Chinese Medicine Syndrome Postulates in the Context of Patients with Cardivascular Disease[J]. The Journal of Alterative and Complementary Medicine, 2013， 18(11): 1-6.

[21] Liu Guoping, Yan Jianjun ,WangYiqin. Application of multi-label learning using the relevant feature for each label (REAL) Algorithm in the Diagnosis of Chronic Gastritis.Evidence-Based Complementary and Alternative Medicine[J]. 2012 (2012), Article ID 135387, 9 pages.doi:10.1155/2012/135387.

[22] 燕海霞，王憶勤，李福鳳.中醫(yī)脈象傳感器的研究進(jìn)展[J].上海中醫(yī)藥大學(xué)學(xué)報(bào),2005，19(1)：62-64.

[23] 湯偉昌，李睿. 三部脈象檢測(cè)系統(tǒng)的研究[J]. 中國(guó)醫(yī)療器械雜志,2005,29(3): 164-166.

[24] 燕海霞，王憶勤，李福鳳.脈象信號(hào)分析方法的研究與應(yīng)用新解[J].中醫(yī)藥學(xué)刊,2005，23(1)：129-130，190.

[25] 李福鳳，王憶勤，孫仁，等.基于Hilbert-Huang變換和時(shí)域方法的冠心病患者脈圖波形特征研究[J].中國(guó)心血管病研究,2008，6(4)：244-246.

[26] Rui Guo, Yiqin Wang, Haixia Yan, et al.Recurrence quantification analysis on pulse morphological changes in patient with coronary heart disease[J]. Journal of Traditional Chinese Medicine, 2012,32(4): 571-577,

[27] 李福鳳，王憶勤，姚笛，等.冠心病脈圖特征與冠脈狹窄程度、超聲心動(dòng)圖的關(guān)聯(lián)研究[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化,2008，10(1)：53-59,

[28] 倪正仙，王憶勤，張曉丹，等.240例妊娠中期和妊娠晚期脈象觀察[J].時(shí)珍國(guó)醫(yī)國(guó)藥,2009，20(4)：947-948,

[29] 燕海霞，王憶勤，朱惠蓉，等.50例肺癌患者中西醫(yī)結(jié)合治療后舌脈象參數(shù)的變化[J].中西醫(yī)結(jié)合學(xué)報(bào),2009，7(3)：218-222,

[30] 郭睿，王憶勤，燕海霞，等.中醫(yī)常見脈象的血液動(dòng)力學(xué)參數(shù)分析[J]. 上海中醫(yī)藥大學(xué)學(xué)報(bào). 2010,24(78):26-29.

[31] 李福鳳，王憶勤，孫仁，等.14例冠心病患者冠脈支架介入治療前后脈圖變化觀察[J].中醫(yī)雜志,2008，49(8)：734-737.

[32] Rui Guo, Yiqin Wang, Jin Xu,et al. Research on Zheng Classification Fusing Pulse Parameters in Coronary Heart Disease, Evidence-Based Complementary and Alternative Medicine,vol.2013,doi:10.1155/2013/602672.

[33] 郭睿，王憶勤，燕海霞，等. 基于樣本熵的冠心病脈象分析[J].中華中醫(yī)藥雜志,2013,10(28): 3015-3017.

[34] 郭睿，王憶勤，燕海霞，等.基于遞歸定理分析的冠心病中醫(yī)脈象特征提取與分析[J]. 中西醫(yī)結(jié)合學(xué)報(bào), 2011，9(11): 1226-1233.

[35] 呂漢興，孫德保，程良銓，等.中醫(yī)專家系統(tǒng)辨證推理的決策模型[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，1989，17(6)：67-72.

[36] 羅運(yùn)模.中醫(yī)專家系統(tǒng)MONKEY的實(shí)現(xiàn)方法與技術(shù)[J].計(jì)算機(jī)學(xué)報(bào)，1988，(6)：371-377.

[37] 邊沁，何裕民，施小成，等.基于MFB-P算法的中醫(yī)證型的神經(jīng)網(wǎng)絡(luò)模型初探[J].中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2001，7(5)：66-69.

[38] 李海鯤，胡存剛，宗仁鶴.基于數(shù)據(jù)庫(kù)的中醫(yī)專家診斷系統(tǒng)的研究[J].微處理機(jī)，2005，26(1)：26-28.

[39] Yiqin Wang， Rui Guo, Haixia Yan, et al . Study on Intelligent Syndrome Differentiation in Traditional Chinese Medicine Based on Information Fusion Technology[A]. 2010 IEEE International Conference on Bioinformatics &Biomedicine(BIBM)[C]Hongkong. Dec.18-21,2010.

[40] 王憶勤.基于標(biāo)記相關(guān)特征的多標(biāo)記學(xué)習(xí)算法的四診信息融合辨證模型的研究[J].全國(guó)第十一次中醫(yī)診斷學(xué)術(shù)年會(huì)論文集，2011.

[41] A. McCallum. Multi-label text classification with a mixture model trained by EM. In Working Notes of the AAAI'99 workshop on Text Learning , Orlando, FL. 1999.

[42] M.R.Boutell, J.Luo, X.Shen, and C.M.Brown. Learning multi-label scene classification[J]. Pattern Recognition, 2004, 37(9): 1957-1771.

[43] J.Read,B.Pfahringer, G.Holmes, and E.Frank. Classifier chains for multi-label classification[J]. In W.Buntine, M.Grobelnik, and J.Shawe-Taylor, editors, Lecture Notes in Artificial Intelligence 5782, pages 254-269.Springer,Berlin, 2009

[44] M L Zhang and Z H Zhou.Multilabel neural networks with applications to functional genomics and txt categorization [J]. IEEE Transactions on Knowledge and Data Engineering, 2006 ， 18(10): 1338-1351.

[45] A.Elisseeff and J.Weston. A kernel method for multi-labelled classification[J]. In T.G.Dietterich, S.Bechker, and Z.Ghahramani,editors, Advances in Neural Information Processing System 14,pages 681-687. MIT Press, Cambridge, MA, 2002

[46] ML Zhang. LIFT: Multi-label learning with label-specific features [A]. Proceedings of the 22nd International Joint Conference on Artificial Intelligence (IJCAI'11)[C] Barcelona, Spain, 2011.