【技术实现步骤摘要】
本专利技术涉及中医药信息化及中医方剂分析，特别是指一种基于富集分析的方剂传统功效预测方法及装置。
技术介绍
1、方剂是中医运用中药防治疾病的主要手段，是辨证论治的主要工具之一，是中医理论和临床研究的中心环节。方剂是在辨证立法的基础上选药配伍组成的，每种中药材都有其独特的功效，方剂功效则是在这些中药功效的集合和协同作用的结果，准确把握遣药组方后的功效对临床疗效起着关键作用。中医药传统医学与现代医学的研究并不相同，有别于消炎、抗血凝等现代药理作用，传统中医对中药的功效认识有独特的角度和术语，如补气、安神等。传统中医诊疗中，方剂的功效是通过不断的诊疗经验中积累出来的，方剂功效预测主要依赖医生个人经验和能力；在现代研究中，一些研究者利用现代信息技术，为方剂的传统功效进行预测，为后续的临床实践提供了一定价值的参考。
2、现有的基于中医药信息技术分析方剂功效方法主要是通过构建信息模型进行方剂预测。目前关于方剂功效预测的信息学现代研究，大多通过扩展更多相关信息及更多算法提高信息预测模型的性能。例如，有一些研究者纳入了大量的现代中药药理学信息（如靶点信息）等，有些研究者则通过不断尝试各种算法预测方剂功效，包括一些复杂算法图卷积网络、半监督学习遗传算法等。尽管研究者们从数据和算法角度都做出了努力，然而这类方法所使用的数据和算法在体现中医辨证论治思想方面仍有不足不处，具有一定的局限性，导致方剂传统功效预测准确率不高。
3、现代利用信息技术针对方剂功效的预测，通常是采用如下三种方法来实现的：
4、方法1：基于主题模
5、方法2：基于深度学习模型的预测方法。它是通过改进的深度学习模型，如双向长短期记忆神经网络和卷积神经网络组成的模型，建立多个二分类器对方剂功效进行预测。这种方法的优点在于它可以自动地学习数据的特征，而无需手动设计和选择特征。此外，深度学习模型对于复杂的非线性关系具有良好的处理能力，能够更准确地预测方剂的功效。缺点在于，虽然深度学习模型在预测方剂功效方面取得了一定的成功，但也存在一些局限性。深度学习模型需要大量的、高质量的数据进行训练，以学习药物方剂与功效之间的复杂关系。如果数据存在噪声、缺失值或异常值、数据分布不均衡，都会影响模型的预测效果。另外，深度学习模型的可解释性较差，在预测方剂功效时，不能提供哪些中药和配伍关系对预测结果有重要影响，使得预测结果难以理解。
6、方法3：基于gcn（graph convolution network，图卷积神经网络）的预测方法。它是一种专门处理图结构数据的神经网络模型，在方剂功效预测中，gcn可以将中药视为图中的节点，将中药之间的配伍关系视为边，从而构建出一个图结构。这种方法的优点在于它能够充分利用中药之间的配伍关系，可以有效地将深度学习的理念应用于非结构化数据上，捕捉方剂中中药的相互作用和协同作用，从而更准确地预测方剂的功效。缺点在于，虽然gcn在处理非结构化数据方面具有很强的能力，但在应用于方剂功效预测时也有一定的缺陷。首先，构建方剂的图结构需要合适的节点和边，构建不了准确的节点之间的关联信息，那么预测效果就会大大下降。此外，gcn与深度学习模型一样也具有较差的可解释性。
技术实现思路
1、为了解决现有技术存在的方剂传统功效预测准确率不高的技术问题，本专利技术实施例提供了一种基于富集分析的方剂传统功效预测方法及装置。所述技术方案如下：
2、一方面，提供了一种基于富集分析的方剂传统功效预测方法，该方法由方剂传统功效预测设备实现，该方法包括：
3、s1、获取待预测方剂的中药组成及剂量信息。
4、s2、将中药组成及剂量信息输入到构建好的基于富集分析的方剂传统功效预测模型。
5、s3、根据中药组成、剂量信息以及基于富集分析的方剂传统功效预测模型，得到方剂的传统功效预测结果。
6、其中，基于富集分析的方剂传统功效预测模型的构建过程，包括：
7、s21、构建中药基础语料库和方剂基础语料库。
8、s22、根据中药基础语料库，对方剂功效富集分析的超几何分布计算公式的变量进行赋值。
9、s23、根据赋值后的超几何分布计算公式，计算方剂基础语料库中每个方剂的多个功效的富集程度，进而得到方剂的传统功效预测结果，将方剂的传统功效预测结果与实际记载的功效进行准确率计算，得出方剂传统功效预测模型的预测符合率。
10、可选地，s21中的构建中药基础语料库和方剂基础语料库，包括：
11、s211、采集中药名称以及中药功效，构建初始的中药基础语料库。
12、s212、采集方剂名称、方剂组成的中药名称、方剂组成的中药剂量以及方剂功效，构建初始的方剂基础语料库。
13、s213、对初始的中药基础语料库以及初始的方剂基础语料库进行结构化和规范化处理，得到中药基础语料库以及方剂基础语料库。
14、可选地，s213中的对初始的中药基础语料库以及初始的方剂基础语料库进行结构化和规范化处理，得到中药基础语料库以及方剂基础语料库，包括：
15、对初始的方剂基础语料库中的中药名称进行同异名替换，替换后的中药名称与中药基础语料库中的中药名称一致。
16、对初始的方剂基础语料库中的方剂功效进行同异名替换以及结构化处理。
17、可选地，s22中的根据中药基础语料库，对方剂功效富集分析的超几何分布计算公式的变量进行赋值，包括：
18、构建病-证-症-功效-中药知识图谱，根据中药基础语料库以及病-证-症-功效-中药知识图谱，对方剂功效富集分析的超几何分布计算公式的变量进行赋值。
19、可选地，s22中的方剂功效富集分析的超几何分布计算的公式，由下式（1）所示：
20、（1）
21、式中，表示富集程度，表示组合函数符号，表示所有中药中属于某一功效的中药个数，表示待预测方剂中属于某一功效的中药个数，表示中医领域所有中药个数，表示待预测方剂包含中药个数。
22、可选地，s23中的根据赋值后的超几何分布计算公式，计算方剂基础语料库中每个方剂的多个功效的富集程度，进而得到方剂的传统功效预测结果，将方剂的传统功效预测结果与实际记载的功效进行准确率计算，得出方剂传统功效预测模型的预测符合率，包括：
23、根据赋值后的超几何分布计算公式，计算方剂基础语料库中每个方剂的多个功效的富集程度，对多个功效的富集程度按从低到高的顺序进行排序，获取富集程度小于或等于0.05本文档来自技高网...
【技术保护点】
1.一种基于富集分析的方剂传统功效预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述S21中的构建中药基础语料库和方剂基础语料库，包括：
3.根据权利要求2所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述S213中的对所述初始的中药基础语料库以及初始的方剂基础语料库进行结构化和规范化处理，得到中药基础语料库以及方剂基础语料库，包括：
4.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述S22中的根据所述中药基础语料库，对方剂功效富集分析的超几何分布计算公式的变量进行赋值，包括：
5.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述S22中的方剂功效富集分析的超几何分布计算的公式，由下式（1）所示：
6.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述S23中的根据赋值后的超几何分布计算公式，计算方剂基础语料库中每个方剂的多个功效的富集程度，进而得到方剂的传统功效预测结果，将所述
7.一种基于富集分析的方剂传统功效预测装置，所述基于富集分析的方剂传统功效预测装置用于实现如权利要求1-6任一项所述基于富集分析的方剂传统功效预测方法，其特征在于，所述装置包括：
8.根据权利要求7所述的基于富集分析的方剂传统功效预测装置，其特征在于，所述构建中药基础语料库和方剂基础语料库，包括：
9.一种方剂传统功效预测设备，其特征在于，所述方剂传统功效预测设备包括：
10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至6任一项所述的方法。
...【技术特征摘要】
1.一种基于富集分析的方剂传统功效预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述s21中的构建中药基础语料库和方剂基础语料库，包括：
3.根据权利要求2所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述s213中的对所述初始的中药基础语料库以及初始的方剂基础语料库进行结构化和规范化处理，得到中药基础语料库以及方剂基础语料库，包括：
4.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述s22中的根据所述中药基础语料库，对方剂功效富集分析的超几何分布计算公式的变量进行赋值，包括：
5.根据权利要求1所述的基于富集分析的方剂传统功效预测方法，其特征在于，所述s22中的方剂功效富集分析的超几何分布计算的公式，由下式（1）所示：
6.根据权利要求1所述的基于富集分析的方剂传统...
【专利技术属性】
技术研发人员：李园白，杨阳，刘方舟，李萌，杜昱，李逸豪，秦琴，
申请(专利权)人：李园白，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。