【技術實現步驟摘要】
本專利技術涉及基于ai的中藥處方篩選領域，尤其涉及一種基于ai的中藥處方篩選方法、系統、電子設備及存儲介質。
技術介紹
1、中醫藥學是中國傳統醫學的瑰寶，在疾病預防和治療中發揮著不可替代的作用。中藥處方作為中醫藥診療的核心載體，蘊含了豐富的臨床用藥經驗和配伍規律。在臨床實踐中，醫生根據患者的具體病情進行辨證診斷，然后依據診斷結果開具相應的中藥處方，以達到治療疾病的目的。然而，長期以來，中藥處方的開具和篩選過程主要依賴于醫生的個人經驗和手工查閱，處方篩選效率較低，且不全面。
技術實現思路
1、本申請提供一種基于ai的中藥處方篩選方法、系統、電子設備及存儲介質，用以提高基于ai的中藥處方篩選的效率。
2、第一方面，本申請提供了一種基于ai的中藥處方篩選方法，包括：
3、獲取中藥處方文獻數據，并對中藥處方文獻數據進行知識提取，得到結構化知識數據；
4、基于結構化知識數據構建中藥處方知識庫；
5、獲取患者診斷信息，并對患者診斷信息進行特征詞提取，得到標準診斷特征詞；
6、將標準診斷特征詞輸入中藥處方知識庫進行處方篩選，得到多個參考處方。
7、在上述技術方案中，通過獲取中藥處方文獻數據，并對中藥處方文獻數據進行知識提取，得到結構化知識數據，為后續構建高質量、信息豐富的中藥處方知識庫奠定了堅實的數據基礎。利用自然語言處理和數據挖掘技術，該方法可以自動、高效、準確地從海量非結構化文本中提取出藥物、劑量、功效、主治等關鍵要素，
8、在獲得結構化知識數據的基礎上，本專利技術進一步構建了中藥處方知識庫。與傳統的關系型數據庫不同，該知識庫采用語義網絡技術，以圖譜的形式將藥物、方劑、癥狀、治則等關鍵概念作為節點，將它們之間的內在聯系作為邊，形成了語義豐富、邏輯清晰的知識網絡。這種知識組織方式更加符合中醫藥理論的系統性和整體觀，能夠更全面、準確地刻畫藥物配伍規律和辨證論治思路。醫生和患者可以通過知識庫方便地檢索藥物的功效作用、組方原則、使用禁忌等，輔助臨床決策和用藥指導。同時，知識庫還可以支持智能問答、關聯推薦等應用，拓展了中醫藥知識獲取和利用的深度和廣度。
9、在患者就診時，本專利技術先對診斷文本信息進行特征詞提取，利用醫學自然語言處理技術，識別出病歷、醫囑等文本中的癥狀、體征、舌苔脈象等關鍵特征描述，進而轉化為標準診斷特征詞。通過對診斷信息的結構化表示，消除了醫生間表達方式的差異，提高了診斷結果的一致性和可比性。同時，這種代表患者病證特點的標準詞表，也為后續進行辨證分型、處方匹配奠定了基礎。借助領域本體和詞典，標準診斷特征詞可以準確、規范地描述患者狀況，減少了醫生間表達差異，有利于診療過程的質量控制和經驗傳承。
10、最后，將提取出的標準診斷特征詞輸入到中藥處方知識庫中進行語義匹配和推理，即可快速、精準地篩選出多個適合患者病情的參考處方。由于診斷特征詞和處方知識在本體層面建立了語義映射，系統能夠根據患者癥狀特點，找出功效、主治與之對應的候選藥物，進而組合出療效更佳的處方方劑。同時，本方法充分考慮了處方配伍的科學性和合理性，融合了中醫藥君臣佐使原則和藥物禁忌，對知識庫檢索出的處方進行了全面評估和動態調整，提升了用藥方案的安全性和有效性。醫生借助該智能工具，能夠更加快捷、全面、客觀地開具和篩選處方，節省了大量文獻檢索和分析時間，也彌補了個人經驗的不足，為患者提供了更優質的診療服務。
11、在本申請的第二方面提供了一種基于ai的中藥處方篩選系統，該系統包括：
12、數據獲取模塊，用于獲取中藥處方文獻數據，并對中藥處方文獻數據進行知識提取，得到結構化知識數據；
13、知識庫構建模塊，用于基于結構化知識數據構建中藥處方知識庫；
14、標準診斷特征詞獲取模塊，用于獲取患者診斷信息，并對患者診斷信息進行特征詞提取，得到標準診斷特征詞；
15、參考處方獲取模塊，用于將標準診斷特征詞輸入中藥處方知識庫進行處方篩選，得到多個參考處方。
16、在本申請的第三方面提供了一種計算機存儲介質，計算機存儲介質存儲有多條指令，指令適于由處理器加載并執行上述的方法步驟。
17、在本申請的第四方面提供了一種電子設備，包括處理器、存儲器、用戶接口及網絡接口，存儲器用于存儲指令，用戶接口和網絡接口用于給其他設備通信，處理器用于執行存儲器中存儲的指令，以使電子設備執行上述的方法。
18、綜上，本申請實施例中提供的一個或多個技術方案，至少具有如下技術效果或優點：
19、1、本專利技術通過將待識別文本圖像輸入預設的目標圖像識別模型中的圖像編碼器，可以高效提取文本圖像的關鍵特征，得到compact且信息豐富的文本特征表示。這種特征提取方式充分利用了深度學習模型的強大學習能力，能夠自動學習到文本圖像中的顯著模式和區分性信息，為后續的基于ai的中藥處方篩選打下良好基礎。在得到文本特征后，本專利技術進一步將其輸入到提示編碼器中，通過特征選擇和融合等操作，生成提示特征。提示特征起到了指導基于ai的中藥處方篩選的作用，它從整個文本特征中選擇出與當前識別任務最相關的信息，并將其編碼為一個compact的向量表示。這種提示機制使得模型能夠根據不同的識別需求，自適應地調整對文本特征的關注點，從而提升了識別的準確率和靈活性。最后，本專利技術將文本特征和提示特征一并輸入到預測編碼器中，通過注意力處理和多層感知處理，得到最終的基于ai的中藥處方篩選結果。其中，注意力機制能夠讓模型在識別每個字符時，都能夠綜合考慮文本特征和提示特征，動態調整對不同特征的重視程度。這種自適應的特征融合方式，使得模型能夠充分利用文本的上下文信息和語義信息，進一步提高了識別的準確率。
20、2、本申請通過獲取中藥處方文獻數據，并對中藥處方文獻數據進行知識提取，得到結構化知識數據，進而基于結構化知識數據構建中藥處方知識庫，再獲取患者診斷信息，并對患者診斷信息進行特征詞提取，得到標準診斷特征詞，最后將標準診斷特征詞輸入中藥處方知識庫進行處方篩選，得到多個參考處方。這一系列流程環環相扣、層層遞進，體現了系統思維和工程方法，彰顯了中醫藥傳承創新的時代價值。
21、3、本申請在識別出中藥處方文獻數據中的核心實體后，進一步基于核心實體和中藥處方文獻數據對核心實體的屬性進行抽取，得到實體屬性。這一過程首先根據核心實體和中藥處方文獻數據，確定中藥處方文獻數據中詞匯與核心實體之間的依存關系，然后根據依存關系和預設的屬性詞庫對核心實體的屬性進行抽取，最終得到實體屬性。
本文檔來自技高網...【技術保護點】
1.一種基于AI的中藥處方篩選方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述中藥處方文獻數據進行知識提取，得到結構化知識數據，包括：
3.根據權利要求2所述的方法，其特征在于，所述對所述中藥處方文獻數據進行實體識別處理，得到所述中藥處方文獻中的核心實體，包括：
4.根據權利要求2所述的方法，其特征在于，所述基于所述核心實體和所述中藥處方文獻數據進行關系抽取，得到所述核心實體之間的語義關系，包括：
5.根據權利要求2所述的方法，其特征在于，所述基于所述核心實體和所述中藥處方文獻數據對所述核心實體的屬性進行抽取，得到實體屬性，包括：
6.根據權利要求1所述的方法，其特征在于，所述對所述患者診斷信息進行特征詞提取，得到標準診斷特征詞，包括：
7.根據權利要求1所述的方法，其特征在于，所述將所述標準診斷特征詞輸入所述中藥處方知識庫進行處方篩選，得到多個參考處方，包括：
8.一種基于AI的中藥處方篩選系統，其特征在于，包括：
9.一種計算機可讀存儲介質，其
10.一種電子設備，其特征在于，包括處理器、存儲器和收發器，所述存儲器用于存儲指令，所述收發器用于和其他設備通信，所述處理器用于執行所述存儲器中存儲的指令，以使所述電子設備執行如權利要求1~7任意一項所述的方法。
...【技術特征摘要】
1.一種基于ai的中藥處方篩選方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述對所述中藥處方文獻數據進行知識提取，得到結構化知識數據，包括：
3.根據權利要求2所述的方法，其特征在于，所述對所述中藥處方文獻數據進行實體識別處理，得到所述中藥處方文獻中的核心實體，包括：
4.根據權利要求2所述的方法，其特征在于，所述基于所述核心實體和所述中藥處方文獻數據進行關系抽取，得到所述核心實體之間的語義關系，包括：
5.根據權利要求2所述的方法，其特征在于，所述基于所述核心實體和所述中藥處方文獻數據對所述核心實體的屬性進行抽取，得到實體屬性，包括：
6.根據權利要求1所述的方法，其...
【專利技術屬性】
技術研發人員：周志歡，周志煒，韓妮娜，孫海麗，
申請(專利權)人：北京卓越未來國際醫藥科技發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。