中醫(yī)證候研究的人工神經(jīng)網(wǎng)絡(luò)方法探析

中醫(yī)藥學(xué)理論體系的特點是基礎(chǔ)理論和臨床實踐的密切結(jié)合，證候是聯(lián)系兩者的紐帶，是將理論付諸實踐的關(guān)鍵環(huán)節(jié)，證候研究是發(fā)展中醫(yī)理論、提高臨床療效的有效途徑和必由之路，也是制約中醫(yī)發(fā)展的瓶頸。人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是80年代中后期以來迅速發(fā)展起來的一門集計算機科學(xué)、信息科學(xué)、工程科學(xué)以及醫(yī)學(xué)、生物、數(shù)學(xué)、物理等諸多學(xué)科為一體的邊緣交叉學(xué)科，以其強大的非線性映射特性已逐漸成為人們研究非線性世界、探索某些復(fù)雜系統(tǒng)的有力工具，筆者嘗試探討將人工神經(jīng)網(wǎng)絡(luò)方法引入中醫(yī)證候研究的可行性。1人工神經(jīng)網(wǎng)絡(luò)的原理及應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)模擬神經(jīng)系統(tǒng)的生物實際(以解剖、生理、生化的研究成果為基礎(chǔ))，建立近似于生物原型的信息處理數(shù)學(xué)模型，從而構(gòu)成了一種新型的智能信息處理系統(tǒng)。該系統(tǒng)具有大規(guī)模的并行處理方式、良好的魯捧容錯性、獨特的信息存儲方式以及強大的自學(xué)習(xí)、自組織和自適應(yīng)能力，這使得它在模式識別、控制優(yōu)化、信息處理、故障診斷以及預(yù)測等方面應(yīng)用廣泛，其理論與技術(shù)方法在工程、醫(yī)療衛(wèi)生等領(lǐng)域顯示出巨大的吸引力，并具有廣闊的應(yīng)用前景。在醫(yī)學(xué)領(lǐng)域中，已成功地應(yīng)用于疾病預(yù)報、臨床診斷分類、藥物分析、中藥質(zhì)量的評價、醫(yī)學(xué)信號處理、圖像分析等各個方面。人工神經(jīng)網(wǎng)絡(luò)的原理是通過模擬生物的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能，實現(xiàn)對各種信息的有效處理。它通常包含一個輸入層、輸出層以及一個或幾個隱含層，它的基本組成單位為神經(jīng)元，輸入層接受外界信號，不對其進行加工和處理，直接將其引入神經(jīng)網(wǎng)絡(luò)；隱含層位于網(wǎng)絡(luò)的輸入層和輸出層之問，可包括多層，對輸入的信息進行處理并將其處理后的信息傳給輸出層(或下一個隱含層)；輸出層則輸出經(jīng)隱含層處理后的結(jié)果。人工神經(jīng)網(wǎng)絡(luò)的一個顯著特征是它通過自動學(xué)習(xí)來解決問題，對樣本的學(xué)習(xí)過程，即為對網(wǎng)絡(luò)中的神經(jīng)元問的聯(lián)系強度(即權(quán)重系數(shù))逐步確定的過程，通過對樣本的學(xué)習(xí)，可以學(xué)會識別自變量與應(yīng)變量問的復(fù)雜的非線性關(guān)系。經(jīng)過充分學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)獲取了樣本的特征規(guī)則。并將這些規(guī)則以數(shù)字的形式分布存貯在網(wǎng)絡(luò)的連接權(quán)中，從而構(gòu)成了系統(tǒng)的非線性映射模型。這樣的網(wǎng)絡(luò)不僅可以對其學(xué)習(xí)過的樣本能夠準確識別，而且對未經(jīng)學(xué)習(xí)的樣本也可以準確識別，它甚至可以充分逼近任意復(fù)雜的非線性映射關(guān)系?？梢姡斯ど窠?jīng)網(wǎng)絡(luò)不需要精確的數(shù)學(xué)模型，而是通過模擬人的聯(lián)想推理和抽象思維能力，來解決傳統(tǒng)自動化技術(shù)無法解決的許多復(fù)雜的、不確定性的、非線性的自動化問題。2中醫(yī)證候體系的非線性特征“線性”和“非線性”是區(qū)別事物復(fù)雜性程度的標尺，在數(shù)學(xué)中，當兩個變量(自變量和應(yīng)變量)的關(guān)系成正比時就稱為線性關(guān)系，否則就是非線性關(guān)系。在生命科學(xué)中，由上述概念推廣而來的線性和非線性邏輯則更具實用意義，非線性邏輯表征事物各組分之間是相互作用的。而不是相互獨立的、正則的、無限可微的和平滑的，即總體不等于部分之和，它是復(fù)雜系統(tǒng)的典型特征之一。人體是一個復(fù)雜的自適應(yīng)系統(tǒng)，能夠隨內(nèi)外環(huán)境變化而相應(yīng)地調(diào)整內(nèi)部運行機制，這種自適應(yīng)性是生命得以繁衍生存的基本能力。當內(nèi)外環(huán)境的變化超出機體的自適應(yīng)能力時，機體就處于一種過度調(diào)整的病理狀態(tài)，這種狀態(tài)的總體概括就是證候。證候是機體在疾病發(fā)生發(fā)展過程中截取其某一個時間斷面功能狀態(tài)的綜合反映，可分“證”和“候”兩個方面，“證”是指對疾病所處的某一時點的病因、病機、病位、病性、病勢的總體概括，反映該病理狀態(tài)的實質(zhì)；“候”是指這種病理狀態(tài)表現(xiàn)在外的物理征象(癥狀、體征等)。人體是一個復(fù)雜系統(tǒng)，中醫(yī)理論體系中以五臟為中心的功能結(jié)構(gòu)系統(tǒng)也具有復(fù)雜系統(tǒng)的特征，屬于復(fù)雜系統(tǒng)。復(fù)雜系統(tǒng)中一個典型的特性是整體涌現(xiàn)性，涌現(xiàn)性指在具有層級結(jié)構(gòu)的復(fù)雜系統(tǒng)中，高層級系統(tǒng)質(zhì)的某些功能特性是由低層級系統(tǒng)因子的相互作用激發(fā)、提升而“涌現(xiàn)”出來的，這些較高層級的功能特性在還原為低層級時已不復(fù)存在，這種現(xiàn)象稱為“涌現(xiàn)現(xiàn)象”。五臟功能系統(tǒng)中各系統(tǒng)的功能是分子、細胞、器官、組織等各層級結(jié)構(gòu)逐級涌現(xiàn)的結(jié)果，在涌現(xiàn)的過程中，既有各種各樣的空間分布形式，又有瞬息萬變的時間存在方式，當用先進的科學(xué)手段逐級還原直至基因、蛋白質(zhì)水平等較為低級的結(jié)構(gòu)以探索五臟的實質(zhì)時，各層級結(jié)構(gòu)通過復(fù)雜的時空聯(lián)結(jié)方式逐級涌現(xiàn)形成的基本生命機制已蕩然無存。中醫(yī)理論框架中的證候體系也同樣具有涌現(xiàn)特性，那些可觀測的物理表象所表達的就是人體各層級結(jié)構(gòu)的功能失調(diào)逐級涌現(xiàn)的結(jié)果。任何一個低層級的結(jié)構(gòu)或功能失調(diào)，均可通過“涌現(xiàn)”形成高一級的結(jié)構(gòu)或功能失調(diào)，直至上升為整體層次的可被觀測的功能失序狀態(tài)，表現(xiàn)出各種外在的候。在這里，通過涌現(xiàn)形成的證候系統(tǒng)具有典型的時空結(jié)構(gòu)特征，當用各種先進的還原方法探尋其實質(zhì)時，證候的時空結(jié)構(gòu)早已被破壞，本質(zhì)特征當然也隨之消失殆盡，這也許就是目前證候?qū)嵸|(zhì)研究陷入困境的根源所在?？梢?，證候很好地把握了人體復(fù)雜系統(tǒng)在疾病發(fā)展的各個時點的涌現(xiàn)特性，證與候的關(guān)系是“以候為證”．證決定候，候表征證。證是實質(zhì)，候是表象。實質(zhì)與表象之間存在各層級涌現(xiàn)現(xiàn)象，因此，證候是非線性的復(fù)雜系統(tǒng)。同時，由于機體的病理狀態(tài)會隨自身抗病能力的調(diào)整、病程進展和藥物干預(yù)的影響而發(fā)生不斷的變化，所以，同一種疾病在不同時間斷面上會表現(xiàn)出不同的證候，而不同的疾病在某一個時間斷面上有時也可以呈現(xiàn)出相同的證候。另外，醫(yī)者通過不同的角度、方法、環(huán)境進行觀察時，證候也常呈現(xiàn)給觀察者以不同的界面，從而表現(xiàn)出不同的證候。再者，每個個體的體質(zhì)、性情、人格特征、生活習(xí)慣和生存環(huán)境以及醫(yī)生的經(jīng)驗、直覺、感悟等不確定性因素也是導(dǎo)致證候多樣性的重要原因。這表明證候是動態(tài)的、多變的、復(fù)雜的。辨證實際上就是通過觀察外在的候來確定機體內(nèi)在的證(病機狀態(tài))的過程，因此，中醫(yī)證候診斷系統(tǒng)是一個非線性的、多維多階的、可以無限組合的復(fù)雜巨系統(tǒng)。3人工神經(jīng)網(wǎng)絡(luò)用于證候研究的可行性 證候的非線性、復(fù)雜性特征為證候的規(guī)范化研究及證候?qū)嵸|(zhì)的研究增加了相當大的難度，甚至目前還不能利用還原分析的方法揭示證候的本質(zhì)特征，對其進行數(shù)學(xué)建模更是難以實現(xiàn)。那么，是否可以設(shè)想建立一種模型。在不必知道內(nèi)部結(jié)構(gòu)的情況下能夠充分模擬證與候的非線性映射關(guān)系?；诤谙浣Y(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)有可能可以實現(xiàn)這種設(shè)想，利用網(wǎng)絡(luò)的自動學(xué)習(xí)能力，在充分辨識表現(xiàn)于外的“候”的表征信息的基礎(chǔ)上，自動抽提出這些信息蘊含的內(nèi)在規(guī)律，并將其分布在網(wǎng)絡(luò)的聯(lián)接權(quán)中，從而建立“候”與“證”的非線性映射函數(shù)。在這里，樣本(證候)被概括為一對輸入與輸出的抽象的數(shù)學(xué)映射關(guān)系，“候”(各種物理表征信息)為輸入單元，“證”為最終的輸出結(jié)果。醫(yī)學(xué)診斷的過程被看作一個映射問題．通過癥狀找出對應(yīng)的證候診斷，神經(jīng)網(wǎng)絡(luò)把“候”與“證”的對應(yīng)關(guān)系通過輸入與輸出的映射轉(zhuǎn)化成了，一個非線性優(yōu)化問題。雖然不清楚網(wǎng)絡(luò)模型的內(nèi)部結(jié)構(gòu)，但這種模型卻可以充分逼近證與候的非線性映射關(guān)系，近似真實地反映證候的全貌，是在不打開黑箱的前提下，建立證候模型、反映證候的內(nèi)在規(guī)律和特征的有效方法。盡管證候的規(guī)范化研究開展了大量的基本證型規(guī)范、復(fù)合證型規(guī)范和病證結(jié)合的證型規(guī)范等研究．然而，令人困惑的是經(jīng)過定性或定量化規(guī)范后的一系列證候診斷標準在學(xué)術(shù)界并未達成共識，長期以來病證同稱、證癥不分、證型繁雜、標準不一的混亂狀況依然存在。困惑的關(guān)鍵癥結(jié)就在于目前實施規(guī)范的技術(shù)方法很難全面反映證候系統(tǒng)的真實面貌，如此規(guī)范后的標準當然也就難以被廣泛執(zhí)行。一般認為。在科學(xué)領(lǐng)域中存在這樣一個認知規(guī)律：規(guī)則可以通過歸納產(chǎn)生，當用充分的樣本集表達時，可產(chǎn)生充分正確的規(guī)則。中醫(yī)證候的診斷規(guī)律蘊含在足夠多的樣本集合中，利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力從大量的樣本中進行證候特征的規(guī)則提取，則能夠抽提出比較全面的內(nèi)在規(guī)律；同時，網(wǎng)絡(luò)的自組織、自適應(yīng)能力又能加強對邊緣相似病例的辨識能力，這樣的證候診斷模型必將更加逼近證候的真實面貌，對今后證候規(guī)范化的研究不啻為一種可行的方法。當然，用人工神經(jīng)網(wǎng)絡(luò)建立的證候模型是否具有強大的推廣能力，取決于訓(xùn)練樣本的含量以及樣本所含信息的全面程度。因此，必須保證訓(xùn)練樣本的含量足夠大、樣本所蘊含的證候診斷信息足夠全面，這樣才能盡量真實地展示證候全貌。綜上，證候研究可以嘗試用大量的臨床觀察病例作為研究數(shù)據(jù)．采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，通過網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)，從樣本中自動獲取規(guī)則，建立證候的網(wǎng)絡(luò)模型，并將這種模型用于對新病例的判別，成為“辨證智能專家”。4基于神經(jīng)網(wǎng)絡(luò)的證候研究方法 人工神經(jīng)網(wǎng)絡(luò)的類型多種多樣，從功能特性和學(xué)習(xí)能力來分，典型的神經(jīng)網(wǎng)絡(luò)模型主要包括感知器、線性神經(jīng)網(wǎng)絡(luò)、多層前向神經(jīng)網(wǎng)絡(luò)、自組織映射網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)等…。筆者認為，比較適合應(yīng)用于中醫(yī)證候診斷的是BP神經(jīng)網(wǎng)絡(luò)以及在此基礎(chǔ)上發(fā)展起來的模糊神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用 BP神經(jīng)網(wǎng)絡(luò)(Back-Propa-gation Network)是指基于誤差反向傳播算法(BP算法)的多層前向神經(jīng)網(wǎng)絡(luò)。是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。BP網(wǎng)絡(luò)神經(jīng)元采用的傳遞函數(shù)通常是非線性Sigmoid型可微函數(shù)，因此可以實現(xiàn)輸入和輸出間的任意非線性映射，由于誤差反向傳播網(wǎng)絡(luò)及其算法增加了中間隱含層并且有相應(yīng)的學(xué)習(xí)規(guī)則可循，使其對非線性模式具有較強的識別能力。網(wǎng)絡(luò)除輸入輸出節(jié)點外，有一層或多層的隱含層節(jié)點。同層節(jié)點之間無連接，每層節(jié)點的輸出只對下一層節(jié)點的輸出有影響。網(wǎng)絡(luò)的訓(xùn)練過程，就是不斷將計算輸出與期望輸出值的誤差反傳給網(wǎng)絡(luò)，從而調(diào)整輸出層與隱含層及隱含層與輸入層間的權(quán)重大小，直至計算輸出與期望輸出值的誤差最小為止。該算法中的每一個訓(xùn)練樣本在網(wǎng)絡(luò)中都經(jīng)過兩遍傳遞計算：一遍向前傳播計算，從輸入層開始傳遞到各層，經(jīng)過處理后產(chǎn)生一個輸出，并得到一個實際輸出和所需輸出之間的差錯向量：一遍反向傳播計算，從輸出層到輸入層，使用誤差梯度下降法，修改各層神經(jīng)元的聯(lián)接權(quán)值，最終使誤差達到期望目標。但經(jīng)典的BP學(xué)習(xí)算法還存在一些缺點，比如收斂速度比較慢，在有限的時問內(nèi)難以達到預(yù)定的目標，以及完成訓(xùn)練的網(wǎng)絡(luò)的推廣能力不強、局部極小問題等。針對上述缺陷，可以對網(wǎng)絡(luò)進行必要的改進。如通常采用一些全局最優(yōu)化算法與之相結(jié)合的方法，使實際的輸出更加精確。模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用 與神經(jīng)網(wǎng)絡(luò)模擬人腦的結(jié)構(gòu)以及對信息的記憶和處理功能、擅長從輸入輸出數(shù)據(jù)中學(xué)習(xí)有用的知識不同，模糊控制則是模擬人的思維和語言中對模糊信息的表達和處理方式，擅長利用和表達人的經(jīng)驗知識，可以處理帶模糊性的信息。模糊控制技術(shù)以模糊邏輯為基礎(chǔ)，模仿人的模糊綜合判斷推理能力，來處理常規(guī)方法難以解決的模糊信息處理問題。中醫(yī)證候系統(tǒng)具有非線性復(fù)雜性特征，可以利用人工神經(jīng)網(wǎng)絡(luò)，在不了解其黑箱結(jié)構(gòu)的前提下，通過對證候各組成要素內(nèi)在規(guī)律的自動提取，建立輸入與輸出的非線性映射關(guān)系，從而建立證候的神經(jīng)網(wǎng)絡(luò)模型。但中醫(yī)證候?qū)W的物理表征信息(癥狀、體征等)通過醫(yī)生的望、聞、問、切而獲得，屬于經(jīng)驗性知識，具有典型的模糊性、不確定性特征，更適合于利用模糊系統(tǒng)來表達，但是模糊系統(tǒng)的規(guī)則集和隸屬函數(shù)等設(shè)計參數(shù)卻只能靠經(jīng)驗來選擇，很難自動設(shè)計和調(diào)整，這是模糊系統(tǒng)的缺點。若用神經(jīng)網(wǎng)絡(luò)來構(gòu)造模糊系統(tǒng)，就可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，根據(jù)輸入輸出樣本來自動設(shè)計和調(diào)整模糊系統(tǒng)的設(shè)計參數(shù)，實現(xiàn)模糊系統(tǒng)的自學(xué)習(xí)和自適應(yīng)功能。這種模糊神經(jīng)網(wǎng)絡(luò)集中了模糊控制技術(shù)和人工神經(jīng)網(wǎng)絡(luò)的雙重優(yōu)點，擴大了系統(tǒng)處理信息的范圍，是當今智能控制領(lǐng)域的研究熱點，也更適合用于中醫(yī)證候的研究。在這里，模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的連接可以采用串聯(lián)型和網(wǎng)絡(luò)學(xué)習(xí)型兩種結(jié)構(gòu)結(jié)合在一起的形式，先用神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本證候的物理表征信息進行充分學(xué)習(xí)，得到它們對證候診斷的隸屬函數(shù)，構(gòu)造模糊系統(tǒng)，并將這個系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相連，從而建立證候的模糊神經(jīng)網(wǎng)絡(luò)模型。實現(xiàn)證候的智能化診斷。目前，我們正在進行的基于模糊神經(jīng)網(wǎng)絡(luò)的糖尿病腎病中醫(yī)證候規(guī)范研究，其方法就是利用模糊多層感知器網(wǎng)絡(luò)(FMLP)，構(gòu)建糖尿病腎病中醫(yī)證候的模糊神經(jīng)網(wǎng)絡(luò)模型。我們并同時利用基于BP算法的多層前饋神經(jīng)網(wǎng)絡(luò)(BP)，以相同的觀察資料為研究對象，構(gòu)建糖尿病腎病中醫(yī)證候的BP神經(jīng)網(wǎng)絡(luò)模型，從解決實際問題的能力比較兩種模型的性能，以確立較優(yōu)糖尿病腎病中醫(yī)證候神經(jīng)網(wǎng)絡(luò)模型。樣本集采用國家中醫(yī)藥管理局課題“中醫(yī)藥治療糖尿病腎病臨床療效評價信息處理研究”所獲得的一組糖尿病腎病臨床病例資料，先對樣本所涉及的所有癥狀和體征(癥、舌、脈等)進行模糊聚類分析，初步獲得基本證型，從上述證型中取2／3樣本并配以相同樣本數(shù)的正常樣本作為訓(xùn)練樣本集，剩余1／3配以相同樣本數(shù)的正常樣本作為測試樣本集。依據(jù)基本證型所涵蓋的癥狀設(shè)定輸入節(jié)點數(shù)目，依據(jù)基本證型確立輸出節(jié)點數(shù)目，首先根據(jù)各個輸入節(jié)點的模糊隸屬度函數(shù)(通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)而獲得)對輸入信息進行模糊化處理．建立模糊系統(tǒng)。并將這個系統(tǒng)與BP網(wǎng)絡(luò)相連，針對輸入信息所具有的特點，選取相應(yīng)的函數(shù)作為教師，來指導(dǎo)神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本利用梯度下降法進行訓(xùn)練，利用網(wǎng)絡(luò)的自學(xué)習(xí)能力不斷調(diào)整網(wǎng)絡(luò)的聯(lián)接權(quán)值，直至網(wǎng)絡(luò)的模糊隸屬度函數(shù)趨穩(wěn)，結(jié)束訓(xùn)練，即建立了糖尿病腎病證候的模糊神經(jīng)網(wǎng)絡(luò)模型，用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)對測試樣本集進行檢驗，得出輸出向量值，并與期望輸出結(jié)果相比較，以判斷網(wǎng)絡(luò)模型的綜合性能。目前這項工作正在進行中，預(yù)試驗結(jié)果令人滿意。在現(xiàn)階段證候診斷標準沒有規(guī)范化以前，這種集模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)于一身的模糊神經(jīng)網(wǎng)絡(luò)技術(shù)，能更有效地表達和處理中醫(yī)領(lǐng)域?qū)＜业姆谴_定性、模糊性經(jīng)驗知識，很可能將為今后中醫(yī)證候規(guī)范化的研究提供可行性方法。5結(jié)語 一門學(xué)科只有不斷地吸納先進的思想與技術(shù)，在繼承的基礎(chǔ)上發(fā)展創(chuàng)新，才能真正具有生命力，中醫(yī)現(xiàn)代化研究，呼喚多種邊緣學(xué)科、交叉學(xué)科理論和技術(shù)方法的介入，理論上的探討和不斷切實可行的實踐探索并行，才能使中醫(yī)證候研究從量的積累上升到質(zhì)的飛躍。當然，人工神經(jīng)網(wǎng)絡(luò)的知識處理能力還需進一步提高，還需圍繞如何提高學(xué)習(xí)能力、收斂速度、可塑性以及普化能力等方面展開深入研究。但是，目前在中醫(yī)理論指導(dǎo)下，采用神經(jīng)網(wǎng)絡(luò)技術(shù)建立中醫(yī)證候神經(jīng)網(wǎng)絡(luò)模型，對中醫(yī)證候的系統(tǒng)化和規(guī)范化研究不啻是一種可行的方法。隨著研究工作的進一步發(fā)展，我們相信一定會有更多、更好的神經(jīng)網(wǎng)絡(luò)用于證候系統(tǒng)的診斷研究，使中醫(yī)證候的診斷技術(shù)更能提高一步。摘自：《中醫(yī)藥學(xué)刊》文/白云靜 申洪波 之道：孟慶剛