基于深度学习的智能中医辅助诊疗系统设计--上海都康仪器设备有限公司

行业新闻

基于深度学习的智能中医辅助诊疗系统设计

1. 系统总体架构设计

基于深度学习的智能中医辅助诊疗系统，为缓解中医资源紧张、方便用户自主辩证、购药而研发设计。整个系统包括以中医智能辩证为核心的C端（客户端）微信小程序以及为医生等管理人员设计的医疗信息管理平台。系统总体架构如图1所示。

中医小程序依托庞大的中医资料库，整合中医院近五年的常见病例、近百种常见病的诊疗方案，研究中医辩证诊断流程，整理、分析、存储大量中医数据，应用人工智能算法，构建跨平台、通用性的中医辩证系统。小程序模拟中医的问诊、舌诊两种方式对病症进行诊断。通过给出不同科室常见病症的症状问卷，模拟中医问诊过程，根据用户填写的问卷对应症状，运用“三级证型优先匹配”算法进行证型匹配；用户可选择继续进行智能舌诊，拍摄上传舌像，后端接口应用深度学习算法对舌色、苔色、裂纹等舌象特征进行辨识，结合问诊舌诊结果得出最优诊断。根据病症诊断结果，给出对应的推荐药物、中医外治疗法、食疗方法及病项忌口，小程序实现了三百种病症的诊断方案，给出了近千种药物推荐和外治疗法方案，为用户自助诊疗提供可靠依據。

医疗信息管理系统是为方便专家、医生等管理员来对病症、药物等数据信息进行后台管理和维护设计。指定权限的用户（比如中医专家）可以使用特定的账号登录系统查看、更新问卷、病症、药物、药物成分等信息，实现医疗信息维护。

为了保证整个系统运行稳定，小程序和医疗信息管理系统都是运行在联通沃云服务器上，采用Koa+Node/Go+Nginx+MongoDB的框架结构自建服务，构成一个完整的C/S架构系统。

2. 中医智能辩证系统

中医智能辩证系统（ISRS）是整个诊疗系统的核心，其技术栈涉及粒子群优化（PSO）、深度学习（CenterNet、EfficientNetV2）、信息量化与合参匹配等。ISRS包括智能问诊系统（IDS）、智能舌诊系统（TDS）和智能推荐系统（RS）三个子系统。

问诊是中医临床诊断中最重要的一个诊断方式。在这里我们首创性地提出了“证型优先级”概念，使得系统可以根据用户的症状来反向推测出其病症。同时，在系统中设计并部署了“三级证型优先体系”进行病症诊断，之后引入了粒子群优化算法（PSO）来改善整个系统的时间开销。

舌诊是中医诊断的另一个不可缺少的诊断方式。我们将时下火热且发展迅速的深度学习算法用于智能舌诊。首先，采集大量舌像数据，应用CenterNet目标检测模型和Opencv的图像处理技术进行舌像区域裁剪，然后使用高效的EfficientNetV2目标分类模型进行多种舌像特征的提取和分类，得到舌像辨识的诊断结果。问诊和舌诊结果进行合参后送入智能推荐系统（RS）给出不同的治疗方案。