「Python-Django 智慧中医健康数字服务平台」中医问诊学习

<p><strong>机缘巧合浅学中医</strong></p><p>在清华大学天津高端装备研究院就职期间,被领导安排学习朱文峰老师的《证素辨证学》一书,虽然这个书比较老了,但是很多老师都推荐入门先学习这本书,所以就硬着头皮去学习,结果产生了浓厚的兴趣,书皮的样子是这样。</p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-7da6ba33970b35ec.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p><p>如果有兴趣的小伙伴也可以点下面的电子书下载来看看,如果找不到的可以私信我。</p><p>先说说我自己对这本书的理解。这本书主要讲的是中医辨证论治如何进行量化诊断的事情,其中有几个主要的概念: </p><p>1. 证型:通常中医说的病症。比如心神阴虚证、热毒闭神动风证这种,是中医对病人疾病的诊断。书中整理一共532种。 </p><p>2. 证素:就是构建证型的基础,比如心、肝、脾、肺、肾这种,如果把证型看作因变量Y,那么证素就是自变量X。书中整理一共53种。 </p><p>3. 证候:通常是说我们对老板姓对疾病的说法,比如感冒、发烧这种。这个由于数量太多可以参考整理的中医网站系统种抓取的西医疾病数据。
</p><p>通常的中医问诊量化诊断系统处理很多都是基于这个作为核心基础,基本原则就以症为据,从症辨证。</p><p>中医的核心精髓是“辨证论治”,“证”通常对应百姓说的“病”,是对疾阶段性病理概括。中医辨证的是为了明确病位与病性等辨证要素,简称“证素”;各证素组合可以得到完整的证名诊断。辩证的过程就是根据中医学理论,对“征候”的进行分析辨别,“根据征候,辨别证素,组成证名”,即是中医辨证的原则和规律。</p><p>中医证素模式采用体质辨识、气血津液辨识、病因、病性、病位辨识、八纲辨证、脏腑辨证,患者采用自助回答中医证素问题,检测出患者的体质类型,给出治疗、养生治疗建议。</p><p>大概连学习和整理数据一共用了不到1个月时间,需要感谢当时的同事小伙伴崔同学和陶同学。基本做到把整个书通过拆解整理到excel表格之中进行后续的工作。</p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-da77862bfd291f42.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-0b495e95e905dc82.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-e717fbdd0870d5a8.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-40096c2141c439c5.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p><p>数据中整理的数据其中包括数值和权重两个选项,对应的证素然后组合症状进行计算,书中的计量指标是这样。</p><ol><li><p>总计量值<[14]70,该证型的诊断不能成立;</p></li><li><p>总计量值[14]70~[20]100,该证型属Ⅰ(一级,较轻);</p></li><li><p>总计量值[21]101~[30]150,该证型属Ⅱ(二级,明显);</p></li><li><p>总计量值≥[30]150,该证型属Ⅲ(三级,严重)。</p></li></ol><p>举个例子来说参考书中的举例,我觉得说的很明白,也适合各种计算。</p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-6bcba0d8ed11ae68.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p><p>感谢前辈整理的计量基础为后面研究的人铺平了很多道路。</p><p>这个光有理论基础,没有临床数据是没有什么意义的。虽然我不是科班出身的,不过我通过数据思维去做这个事情,把市面上各种的问诊系统能免费的就用爬虫的功能去模拟一个人得到结果进行数据的模拟,将一些我这个不懂中医的人都能看出来离谱的数据删除掉就这样。大概模拟了15个产品200万份数据。反正都是脚本控制,由于我笔记本配置一般GTX1060显卡,所以没有敢弄太多的数据要不容易烧主板了。</p><p>具体操作方法这里先暂时预留位置,未来方便的时候共享出来,不过话说回来现在市面上这种基于问诊的诊断系统APP或者网页应用安全性太低,很容易搞一搞。</p><p>姑且认为这些能遍历出来的数据属于真实数据吧,作为后续的研究用。</p><p>模拟的数据存储成这样进行建模。</p><p class="image-package"><img class="uploaded-img" src="https://upload-images.jianshu.io/upload_images/24367109-1ee1b14cb6caa964.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240" width="auto" height="auto"/></p>

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容