症状规范化的自动化方法

### 症状规范化的自动化方法 在中医临床诊断中，症状数据的规范化对于提高诊断准确性和综合征分化至关重要。本文将介绍一系列用于症状规范化的自动化方法，包括规范症状系统的构建、检索架构的设计、匹配查询流程、分类模型的建立以及语义相似度的计算等内容。 #### 1. 相关技术基础 - **后缀树**：后缀树在处理文本信息任务中具有重要作用，可用于高效的字符串匹配和查询。 - **AutoML**：近年来，AutoML的提出和应用处于快速发展阶段，在多个成熟工具中已显示出明显效果。不过，TPOT算法灵活性不足，DarwinML算法设计复杂。因此，在规范化当前症状时，我们参考了Autostacker，它是一种使用进化算法（EA）的AutoML建模架构，能快速进化出具有高预测准确性的候选管道。 - **语义相似度模型**：连续词袋模型（CBOW）和Skip - Gram在英文文本中很有效，但在处理中文症状语义相似度任务时存在不足。字符增强词嵌入（CWE）在CBOW基础上改进，添加了汉字信息作为上下文。定向Skip - Gram（DSG）是对Skip - Gram的改进，能在词预测中清晰区分上下文。 #### 2. 规范症状系统 规范症状系统结合了中医和西医的症状词汇。其中，中医规范症状词定义参考了Zhang等人的研究，共21449个，还基于Yu等人的研究扩展了3890个常见症状词。同时，为解决中西医症状混合的问题，建立了西医规范症状系统。最终，中西医规范症状系统中包含25339个中医规范症状词和7704个西医规范症状词。 | 中医 | 西医 | | --- | --- | | 急躁易怒 | 双眼红 | | 少神 | 眼睑红 | | 舌体麻木 | 眼球震颤 | | 舌质红绛 | 双颌下淋巴结 | #### 3. 检索架构 中医规范症状系统中的舌象、舌苔和脉象可总结为“身体部位 + 症状描述”的形式。基于此特征，对后缀树进行改造，将每个症状词添加到后缀树中，并使用额外的字典指示其所属的规范症状词。以下是构建检索架构的步骤： 1. 去除舌象症状词中舌体的位置描述。 2. 按字符数量升序对舌象症状描述的词语进行排序。 3. 从后往前根据词语数量构建后缀树。 4. 将症状描述词对应的规范症状词以字典形式放入后缀树。 例如，对于“Partial Red”，如果“Red”已出现在后缀树的第一层，将“Partial”直接放入下一层，并在后缀树中以字典形式添加对应的规范症状词“Red Crimson Tongue”（舌质红绛）。 #### 4. 匹配查询流程 使用深度优先遍历和回溯算法，可在较低时间复杂度的条件下，将中医病历中不标准和模糊的舌象、舌苔和脉象映射到规范症状系统。以“Tongue Dark Red Dim”（舌深红黯）为例，假设“Dark Red”（深红）不在规范症状词中，其匹配查询步骤如下： 1. 若有部位描述则删除并反转单词。深度优先查询算法的第一个字符是“Dim”（黯），若查询成功则继续查询“Red”。 2. 第二次查询时，若未找到“Red”，则返回上一状态，获取“Dim”（黯）对应的规范症状词，并从请求词中删除“Dim”（黯）。 3. 第三次查询时，单词中只剩“Dark Red”（深红）。成功查询“Red”后，根据“Red”继续查询“Dark”（深）。 4