双通道知识关注传统中医综合征差异化
Boting Liu1, Hengqiu Huang1, Xiaoman Liu1
1School of Mathematics and Computer Science, Guangxi Minzu Normal University, Chongzuo, 532200, China.
Scientific reports
|April 18, 2025
概括
这项研究引入了一种新的双通道知识注意力模型,用于传统中医 (TCM) 综合征的差异化. 先进的自然语言处理 (NLP) 模型显著提高了识别复杂的TCM综合征的准确性.
科学领域:
- 人工智能的人工智能
- 计算语言学 计算语言学
- 传统中国医药 传统中国医药
背景情况:
- 自然语言处理 (NLP) 越来越多地应用于传统中医 (TCM) 的综合症差异化.
- 现有的NLP方法面临着模糊字符和专门的TCM术语的挑战,限制了准确性.
- 在TCM中区分智能综合征需要强大的方法来处理特定领域的语言.
研究的目的:
- 开发一种先进的NLP模型,以准确区分TCM综合征.
- 克服现有方法从复杂的TCM文本中提取信息的局限性.
- 通过改进自然语言处理来提高自动化TCM诊断的精度.
主要方法:
- 为TCM综合征的差异化提出了一种双通道知识-注意模型.
- 使用ZY-BERT,这是一个为TCM预训练的模型,以提取文本向量表示.
- 采用双通道网络与卷积神经网络 (CNN) 和长短期记忆 (LSTM) 进行本地和全球模式提取.
- 整合了注意力机制与综合症定义知识,以改善复杂综合症的分化.
主要成果:
- 拟议的模型在公开的TCM综合征差异化数据集上实现了84.01%的准确性.
- 与最好的基线模型相比,在准确度上有1.75%的改进.
- 双通道架构和注意力机制有效地捕获了关键的TCM信息.
结论:
- 双通道知识-注意力模型在基于NLP的TCM综合征差异化方面取得了重大进展.
- 该模型能够处理专门的TCM术语和整合知识,从而提高诊断准确度.
- 这种方法对传统中医药的智能医疗应用具有前景.
