「Python-Django 智慧中医健康数字服务平台」中医问诊学习,开发原理理论基础

本文主要是介绍「Python-Django 智慧中医健康数字服务平台」中医问诊学习,开发原理理论基础,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

试读内容

「基于Python技术的智慧中医商业项目」项目文章目录
「基于Python技术的智慧中医商业项目」中医问诊学习,开发原理理论基础
「基于Django的家庭健康数字服务平台」产品设计&技术应用 V2.0

全部文章内容都在项目文章目录里可以找到,全部项目集网站开发、中医诊疗系统、数据采集、数据分析、人工智能应用、数据化运营等综合性的内容于一体,有兴趣的朋友请在此关注,如果觉得内容对你有帮助请转发给更多的朋友。

文章目录

  • 机缘巧合浅学中医
  • 初识中医
  • 数据整理
  • 模型构建
  • 临床数据

机缘巧合浅学中医

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《证素辩证学》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。

初识中医

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:

  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。
  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。
  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。

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。

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。

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。

数据整理

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雪和陶冠林。
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。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

模型构建

在这里插入图片描述

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。

  1. 总计量值<[14]70,该证型的诊断不能成立;
  2. 总计量值[14]70~[20]100,该证型属Ⅰ(一级,较轻);
  3. 总计量值[21]101~[30]150,该证型属Ⅱ(二级,明显);
  4. 总计量值≥[30]150,该证型属Ⅲ(三级,严重)。

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。
在这里插入图片描述
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。

临床数据

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。

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。

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。

模拟的数据存储成这样进行建模。
在这里插入图片描述

这篇关于「Python-Django 智慧中医健康数字服务平台」中医问诊学习,开发原理理论基础的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/754194

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于