一种融合症状线索的中医虚实功能态辨识方法、

本发明涉及医疗保健信息，尤其涉及一种融合症状线索的中医虚实功能态辨识方法、装置以及电子设备。背景技术：1、中医虚实辨别是中医诊断和辨证的重要方法之一，它是通过观察病人的症状和体征，分析病理变化，确定疾病的虚实特点，从而作出合理的治疗方案。虚实辨证是中医理论中的核心概念之一，对于正确治疗疾病具有重要意义。2、虚实是中医术语，简单来说，指的是病人功能态的状态。虚是指身体功能的相对不足，器官组织功能减退，病理变化偏向衰弱；实是指身体功能的相对过盛，器官组织功能亢进，病理变化偏向实质。在中医中，任何一种疾病都有其虚实的特点，因此针对不同的虚实情况，治疗方法和药物选择都会有所不同。3、辨证是指根据患者的症状和体征，以及其他辅助检查结果，结合中医理论和经验，判断出疾病的性质和病机，即辨明疾病的根本原因和发展规律中医虚实辨别对于疾病的个体化预防、治疗有重要意义。4、本案提出的中医虚实辨别功能态包括五虚：阴虚、血虚、气郁、火热、气虚，以及五实：伏风、精亏、痰湿、血瘀、阳虚十大功能态辨识类别。目前的中医功能态辨识研究主要以王琦院士团队编写的《中医体制量表》以及《中医功能态分类与判定》为主要参考标准。在临床功能态辨识过程中，辨识结果严重依赖患者的主观感受以及医生的专业知识与经验，缺乏客观分析过程。但随着人工智能技术的发展，深度学习等技术赋能中医研究，使得虚实功能态客观化辨别成为可能。5、现阶段依赖于文本特征提取的中医功能态辨识模型，无法从文本中捕获与症状线索相关的事实知识，未能整合有效的症状与虚实功能态的文本增强知识嵌入，尤其在用户症状信息较少时，其辨识结果的准确率有待提高。技术实现思路1、基于以上现有技术的不足，本发明提供一种融合症状线索的中医虚实功能态辨识方法、装置以及电子设备。2、作为本发明的一方面，本发明提供一种融合症状线索的中医虚实功能态辨识方法，包括，3、获取用户中医病案信息以及四诊症状特征；4、对所述用户中医病案信息和四诊症状特征进行编码处理，得到虚实功能态辨识输入信息；5、将所述虚实功能态辨识输入信息输入虚实功能态辨识模型；得到所述用户的虚实功能态；6、所述虚实功能态辨识模型为基于bert模型经过知识嵌入损失训练、随机掩码损失训练以及辨识任务损失训练得到。7、在其中一个实施例中，所述编码处理具体包括：8、构建囊括用户中医病案信息和四诊症状特征的词表；9、通过检索词表索引构建词表索引向量并代入bert模型获得表示文本信息编码的虚实功能态辨识输入信息。所述虚实功能态辨识输入信息即为动态词嵌入向量，所述用户中医病案信息以及四诊症状特征均为文本信息。10、在其中一个实施例中，所述四诊症状特征包括舌象面象特征、音频特征、问诊症状特征以及脉象特征。11、在其中一个实施例中，所述知识嵌入损失训练，具体包括：12、根据用户中医病案信息和四诊症状特征获取标注功能态；13、基于四诊症状特征和标注功能态建立三元组，将所述三元组输入bert模型进行训练；得到知识嵌入损失lke。14、在其中一个实施例中，知识嵌入损失lke包括实体描述嵌入损失实体与关系描述嵌入损失以及基于关系的实体嵌入损失15、在其中一个实施例中，所述基于四诊症状特征和标注功能态建立三元组，将所述三元组输入bert模型进行训练；具体包括：16、基于四诊症状特征和标注功能态建立实体三元组，特征向量具体表示为17、18、19、20、式中，分别表示h，t，r的语义嵌入向量，texth指四诊症状特征文本信息，textt指标注功能态文本信息；t表示关系嵌入，t∈rd，d表示词嵌入向量；其中，词嵌入向量是一种用于表示词语在向量空间中的数学表达方式，其基于bert模型结构将每个单词映射到一个d维空间中的实数向量，从而捕捉词语之间的语义关系和语法关系；21、表示与之间的距离22、23、式中，归一化参数p值为1；24、将实体三元组输入bert模型进行训练，实体知识嵌入损失函数表示为25、26、式中，为采样的负样本，γ是间隔距离超参数，σ为sigmoid激活函数，为距离评分函数。27、在其中一个实施例中，所述基于四诊症状特征和标注功能态建立三元组，将所述三元组输入bert模型进行训练；具体包括：28、基于四诊症状特征和标注功能态建立实体与关系三元组，特征向量具体表示为29、30、31、32、式中，分别表示h，t，r的语义嵌入向量；texth指四诊症状特征文本信息，textt指标注功能态文本信息；textr指四诊症状特征关联标注功能态的关系描述文本信息，表示r的语义嵌入向量；实体与关系描述联合嵌入距离评分函数表示为33、34、式中，将归一化参数p值为1；35、将实体与关系三元组输入bert模型进行训练，则实体与关系描述嵌入损失函数表示为36、37、为采样的负样本，γ是间隔距离超参数，σ为sigmoid激活函数，为距离评分函数。38、在其中一个实施例中，所述基于四诊症状特征和标注功能态建立三元组，将所述三元组输入bert模型进行训练；具体包括：39、基于四诊症状特征和标注功能态建立基于关系的实体三元组，特征向量具体表示为40、41、42、43、式中，分别表示h，t，r的语义嵌入向量，texth,r指四诊症状特征以及四诊症状特征关联标注功能态的关系描述文本信息，textt指标注功能态文本信息；t表示关系嵌入，t∈rd，d表示嵌入向量维度；基于关系的实体嵌入距离评分函数可表示为44、45、式中，将归一化参数p值为1；46、将基于关系的实体三元组输入bert模型进行训练，基于关系的实体嵌入损失函数可表示为47、48、为采样的负样本，γ是间隔距离超参数，σ为sigmoid激活函数，为距离评分函数。49、在其中一个实施例中，所述随机掩码损失训练，具体包括：50、对所述中医病案信息按照词表进行单热编码，得到病案文本表示向量x；将病案文本表示向量x输入bert模型进行训练，得到随机掩码特征损失lmlm，所述随机掩码特征损失lmlm表示为51、52、式中，mi∈[1,2,…,|v|]。53、在其中一个实施例中，所述辨识任务损失训练，具体包括：54、根据用户中医病案信息和四诊症状特征获取标注功能态；55、基于词嵌入算法将所述中医病案信息转换，得到嵌入表征向量ed，将嵌入表征向量ed以及标注功能态输入bert模型进行训练，得到虚实功能态辨识任务表征向量p，虚实功能态辨识任务表征向量p表示为56、p＝softmax(wtfd)57、其中，wt表示映射到虚实功能态类别的权重矩阵，所述fd为特征表示向量，所述特征表示向量fd由嵌入表征向量ed输入bert模型得到。58、再由p得到辨识任务损失lt，所述辨识任务损失lt表示为59、60、其中，表示第i个样本是否属于第j个类别的真实标签(0或1)，pi,j表示模型预测第i个样本是否属于第j个类别的概率。61、第二方面，本发明还提供了一种融合症状线索的中医虚实功能态辨识装置，具体包括：62、获取模块，用于获取用户中医病案信息以及四诊症状特征；63、编码模块，用于对所述用户中医病案信息和四诊症状特征进行编码处理，得到虚实功能态辨识输入信息；64、辨识模块，将所述虚实功能态辨识输入信息输入虚实功能态辨识模型；得到所述用户的虚实功能态；65、所述虚实功能态辨识模型为基于bert模型经过知识嵌入损失训练、随机掩码损失训练以及辨识任务损失训练得到。66、第三方面，本发明还提供了一种电子设备，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由处理器加载并执行如上述任一项融合症状线索的中医虚实功能态辨识方法步骤。67、本发明提供的融合症状线索的中医虚实功能态辨识方法，获取用户中医病案信息和四诊症状特征后，通过编码处理以及基于四诊症状特征和标注功能态建立三元组，具体示例为“盗汗—症状关联虚实功能态—阴虚”；以三元组建立虚实辩证知识图谱，进行四诊症状特征和虚实功能态关系的知识嵌入表征学习；并且通过用户中医病案信息和随机掩码学习对模型进行语义理解增强训练，增强语义理解；基于词嵌入算法将所述中医病案信息转换，得到嵌入表征向量ed，将嵌入表征向量ed和标注功能态输入bert模型进行虚实辨识任务训练，提高虚实功能态辨识准确率；68、通过获取用户中医病案信息以及四诊症状特征，对所述用户中医病案信息和四诊症状特征进行编码处理，得到虚实功能态辨识输入信息；将所述虚实功能态辨识输入信息输入虚实功能态辨识模型；得到所述用户的虚实功能态；所述虚实功能态辨识模型为基于bert模型依次经过知识嵌入损失训练、随机掩码损失训练以及辨识任务损失训练得到；以用户中医病案信息以及四诊症状特征为基础，通过虚实辩证知识图谱学习挖掘蕴含的虚实功能态信息，并联合用户中医病案信息的上下文语境嵌入特征，设计随机掩码任务、辨识与检测者四诊症状特征、中医病案信息之间的映射关系，基于训练后的虚实功能态辨识模型，计算出用户所属中医病案信息以及四诊症状特征对应的虚实功能态概率并根据概率分类虚实功能态，提高虚实功能态的辨识准确性。69、这种基于多任务联合学习的中医虚实功能态辨识方法能够在症状不充分情况下，综合用户中医病案信息以及四诊症状特征，深挖症状与多种虚实功能态蕴含关系，更全面进行分析；并且通过随机掩码学习对模型进行语义理解增强训练，基于神经网络自动计算出所属对应的中医虚实功能态概率并根据概率分类虚实功能态，让机器自主判断结果，能够剔除人为因素的影响，客观量化了功能态虚实辨识的结果概率，实现了高效、准确的中医虚实功能态辨识。70、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。