中医证型的辅助辨识方法、装置、电子设备及可读介质

技术领域

本发明涉及健康技术领域，特别是涉及一种中医证型的辅助辩症方法、一种中医证型的辅助辨识装置、一种电子设备以及一种计算机可读介质。

背景技术

现有技术中，中医在分析患者当前的情况表现时，通常可以为患者基于一种证型，用于表达患者当前的身体状况。中医证型分类主要包括外感病证、内伤病证、情志病证、寒热病证、气血病证、津液病证、痰湿病证、瘀血病证等。其分类方式通常依靠医师的主观判断，导致不同的医师对同一患者的证型划分可能存在较大的差异。由此，需要更加客观的证型划分信息供医师参考，提高证型划分的准确性。

发明内容

本发明实施例是提供一种中医证型的辅助辨识方法、装置、电子设备以及计算机可读存储介质，以解决证型划分的准确性低的问题。

本发明实施例公开了一种中医证型的辅助辨识方法，包括：

获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；

将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；

基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；

将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。

可选地，所述将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息的步骤，包括：

将所述至少一种数据类型的检查数据输入与所述数据类型对应的症状提取器中，得到所述症状提取器输出的至少一种候选症状信息。

可选地，所述基于所述症状信息之间的症状关联度，在所述症状信息中提取目标症状信息的步骤，包括：

在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息；

在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息。

可选地，所述在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息的步骤，包括：

将同一所述症状提取器输出的所述候选症状信息作为候选症状集合；

在所述候选症状集合中选取任一候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息；

分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；

若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记；

重复将所述第一待定症状信息从所述候选症状集合中删除，并在所述候选症状集合中选取任一所述候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息，分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记的步骤，直至所述候选症状集合中不存在未作为第一待定症状信息的候选症状信息；

基于每一所述候选症状信息的被标记次数，确定单模症状信息。

可选地，所述在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息的步骤，包括：

将所有所述症状提取器对应的所述单模症状信息作为单模症状信息集合；

在所述单模症状信息集合中选取任一单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息；

分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；

若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记；

重复将所述第二待定症状信息从所述单模症状集合中删除，并在所述单模症状集合中选取任一所述单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息，分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记的步骤，直至所述单模症状集合中不存在未作为第二待定症状信息的单模症状信息；

基于每一所述单模症状信息的被标记次数，确定目标症状信息。

可选地，所述将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果的步骤，包括：

将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度；

将与所述目标症状信息证型关联度高的待定证型作为目标证型。

可选地，所述将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度的步骤，包括：

获取预设的证型预测顺序，所述证型预测顺序包含至少两个按序排列的待定证型；依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型

将所述目标症状信息输入所述辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果；

重复所述依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型的步骤，并重复将所述目标症状信息以及所有已输出的所述分析结果输入辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果，直至所述证型预测顺序中所有待定证型分析完成。

本发明实施例还提供一种中医证型的辅助辨识装置，包括：

检查数据获取模块，用于获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；

候选症状确定模块，用于将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；

目标症状确定模块，用于基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；

预测模块，用于将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。

可选地，所述候选症状确定模块包括：

候选症状提取子模块，用于将所述至少一种数据类型的检查数据输入与所述数据类型对应的症状提取器中，得到所述症状提取器输出的至少一种候选症状信息。

可选地，所述目标症状确定模块包括：

单模症状信息提取子模块，用于在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息；

目标症状信息提取子模块，用于在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息。

可选地，所述单模症状信息提取子模块包括：

候选集合确定单元，用于将同一所述症状提取器输出的所述候选症状信息作为候选症状集合；

第一待选症状选取单元，用于在所述候选症状集合中选取任一候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息；

第一症状关联度对比单元，用于分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；

第一标记单元，用于若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记；

第一重复对比单元，用于重复将所述第一待定症状信息从所述候选症状集合中删除，并在所述候选症状集合中选取任一所述候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息，分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记的步骤，直至所述候选症状集合中不存在未作为第一待定症状信息的候选症状信息；

单模症状确定单元，用于基于每一所述候选症状信息的被标记次数，确定单模症状信息。

可选地，所述目标症状信息提取子模块包括：

单模集合确定单元，用于将所有所述症状提取器对应的所述单模症状信息作为单模症状信息集合；

第二待选症状选取单元，用于在所述单模症状信息集合中选取任一单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息；

第二症状关联度对比单元，用于分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；

第二标记单元，用于若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记；

第二重复对比单元，用于重复将所述第二待定症状信息从所述单模症状集合中删除，并在所述单模症状集合中选取任一所述单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息，分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记的步骤，直至所述单模症状集合中不存在未作为第二待定症状信息的单模症状信息；

目标症状确定单元，用于基于每一所述单模症状信息的被标记次数，确定目标症状信息。

可选地，所述预测模块包括：

证型关联度分析子模块，用于将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度；

预测子模块，用于将与所述目标症状信息证型关联度高的待定证型作为目标证型。

可选地，所述证型关联度分析子模块包括：

顺序获取单元，用于获取预设的证型预测顺序，所述证型预测顺序包含至少两个按序排列的待定证型；

当前分析证型确定单元，用于依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型

证型关联度分析单元，用于将所述目标症状信息输入所述辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果；

重复分析单元，用于重复所述依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型的步骤，并重复将所述目标症状信息以及所有已输出的所述分析结果输入辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果，直至所述证型预测顺序中所有待定证型分析完成。

本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。

本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。

本发明实施例包括以下优点：

通过本发明实施例提供的中医证型的辅助辨识方法，通过获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。从而可以通过基于患者不同类型的检查数据，分析得到患者可能涉及的症状，并进一步分析筛选其中症状关联度高的目标症状信息，基于目标症状信息确定患者可能涉及的证型，为医师提供辅助证型预测，提高证型确定的准确度。同时，在分析过程中，通过中间输出症状信息的方式，可以便于医师排查模型的中间输出，提高了模型输出的可解释性，便于问题追溯以及模型修正，进一步提高了模型的易用性和准确度。

附图说明

图1是本发明实施例中提供的一种中医证型的辅助辨识方法的步骤流程图；

图2是本发明实施例中提供的一种中医证型的辅助辨识方法的步骤流程图；

图3是本发明实施例中提供的一种确定单模症状信息的流程示意图；

图4是本发明实施例中提供的一种证型辅助辨识的示意图；

图5是本发明实施例中提供的一种中医证型的辅助辨识方法的的示意图；

图6是本发明实施例中提供的一种中医证型的辅助辨识装置的结构框图；

图7是本发明实施例中提供的一种电子设备的框图；

图8是本发明实施例中提供的一种计算机可读介质的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，示出了本发明实施例中提供的一种中医证型的辅助辨识方法的步骤流程图，具体可以包括如下步骤：

步骤101，获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；

在本发明实施例中，中医在与患者沟通过程中，通常需要通过望、闻、问、切的方式获取了解患者的身体情况。由此，在对中医证型进行预测的情况下，可以首先获取患者的检查数据。其中，检查数据对应于中医沟通过程中涉及的望闻问切，包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种。

具体而言，望诊数据可以包括患者的面部图像数据以及舌象图像数据。闻诊数据可以包括患者的声音数据。问诊数据可以包括患者与医师沟通、或者从患者病历得到的患者当前状况以及患者历史病历信息。脉诊数据可以包括通过传感器采集得到的患者脉搏数据。

步骤102，将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；

在本发明实施例中，可以首先基于检查数据，分析患者可能涉及的症状。由此，可以将检查数据输入症状提取器中，症状提取器可以用于基于输入的检查数据，确定检查数据可能涉及的症状，输出候选症状信息。

在具体实现中，症状提取器可以深度学习模型如CNN模型(Convolutional NeuralNetworks，卷积神经网络)，也可以是常规的机器学习模型如xgboost，lightGBM等，本发明对此不做限制。

作为本发明的一种具体示例，在症状提取器采用CNN模型的情况下，可以采用以检查数据作为输入，以症状信息作为输出的训练样本对CNN模型进行训练，在训练完成后，症状提取器可以基于输入的检查数据，分析其可能涉及的症状信息的概率，并将概率高于阈值的症状信息，作为候选症状信息输出。例如，可以对患者的面部图像进行分析，输出如面色淡黄、面色晦暗、浮肿、肌肤甲错等症状信息。也可以对患者的舌象图像进行分析，输入如舌色淡白、舌色红绛、舌色紫暗、胖舌、腐腻苔、厚苔、滑苔等症状信息。也可以对患者的声音进行分析，输出如咳喘、咳嗽、呼吸急促等症状信息。也可以对患者的脉象进行分析，输出如脉数有力、脉滑数、脉弦数等症状信息。

步骤103，基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；

在获取得到候选症状信息之后，一些候选症状信息相互之间可以具有较高的关联性且具有一定症状关联度，也可以存在一些候选症状信息与其他候选症状具有明显差别。例如，一般来说，阳虚证相关症状信息可以有舌色淡白、夜尿频多、腰膝酸软等，阳虚证相关的症状信息通常会同时出现，在此情况下，可以认为症状之间具有较高的关联性且具有一定的症状关联度。而阴虚证相关的症状信息可以有目涩、肌肤干燥、口咽干燥等。这些症状通常较少与阳虚证相关的症状信息同时出现，可以认为其与阳虚证相关的症状信息具有明显差别。

在此情况下，可以将明显与其他候选症状信息不相似的症状信息排除，而只保留相互之间具有较高症状关联度的候选症状信息，作为目标症状信息。例如，若候选症状信息中有舌色淡白、夜尿频多、腰膝酸软、以及肌肤干燥，其中，可以认为舌色淡白、夜尿频多、腰膝酸软之间具有较高的关联性，而肌肤干燥与其他候选症状信息关联性相对较低，则可以排除候选症状信息肌肤干燥，而只保留关联性较高的舌色淡白、夜尿频多、腰膝酸软作为目标症状信息。

由此，通过中间处理过程排除可能影响证型预测的错误症状，可以进一步提高后续证型预测的准确性。同时也便于提高模型的可解释性，便于在模型训练过程中更好地排查模型出现的问题，进行问题追溯以及模型修正，进一步提高了模型的易用性和准确度、

步骤104，将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。

在确定目标症状信息之后，可以采用目标症状信息对患者可能的证型进行预测。可以设置一辩证分类器，将目标症状信息输入辩证分类器中，并获取辩证分类器输出的证型预测结果。作为本发明的一种具体示例，在采用CNN模型的情况下，模型可以基于目标症状信息，分析患者属于不同证型的概率，并将概率大于阈值的至少一种证型作为证型预测结果。例如，在输入的目标症状信息为咽干，口燥，鼻燥，喉痒，舌质红的情况下，辩证分类器可以基于目标症状信息，分析患者有较高概率属于属于肺燥津亏证、肺燥伤阴证、肺燥化热证中的一种，并输出该结果。医师可以参考辩证分类器输出的证型预测结果，确定患者所属证型，从而可以辅助医师更准确地判断患者所属的证型。

通过本发明实施例提供的中医证型的辅助辨识方法，通过获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。从而可以通过基于患者不同类型的检查数据，分析得到患者可能涉及的症状，并进一步分析筛选其中症状关联度高的目标症状信息，基于目标症状信息确定患者可能涉及的证型，为医师提供辅助证型辨识，提高证型确定的准确度。同时，在分析过程中，通过中间输出症状信息的方式，可以便于医师排查模型的中间输出，提高了模型输出的可解释性，便于问题追溯以及模型修正，进一步提高了模型的易用性和准确度。

参照图2，示出了本发明实施例中提供的一种中医证型的辅助辨识方法的步骤流程图，具体可以包括如下步骤：

步骤201，获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；

在本发明实施例中，中医在与患者沟通过程中，通常需要通过望、闻、问、切的方式获取了解患者的身体情况。由此，在对中医证型进行预测的情况下，可以首先获取患者的检查数据。其中，检查数据对应于中医沟通过程中涉及的望闻问切，包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种。

在具体实现中，为了进一步提高数据处理的准确性，再采集得到患者数据之后，可以首先对患者数据进行数据清洗以及数据融合。

其中，数据清洗可以是将来自不同数据源的检查数据进行整理，使来自不同数据源的检查数据格式统一，同时过滤检查数据中的重复数据以及无意义的噪声数据。具体地，统一不同数据源的检查数据格式统一可以是：将不同尺寸、不同分辨率的图像统一为相同尺寸和分辨率，将声音的采样频率统一，将数据的文件格式统一等，本发明对此不做限制。

数据融合可以是对经过数据清洗后的检查数据进行进一步融合，使检查数据可以满足模型输入的需求，同时避免数据冗余。具体地，可以将不同数据源的检查数据合并为一条检查数据。例如，将不同机构分别采集的身高数据以及体重数据并未一身体基本数据。也可以对检查数据进行一致性校验，在相同类目的检查数据存在多个数据源，且不同数据源的数值不同的情况下，可以选择其中一个数据源的数值作为后续输入模型的数值，或者综合多个数据源的数值去中值或者平均值等，本发明对此不做限制。

步骤202，将所述至少一种数据类型的检查数据输入与所述数据类型对应的症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；

在本发明实施例中，可以首先基于检查数据，分析患者可能涉及的症状。由此，可以将检查数据输入症状提取器中，症状提取器可以用于基于输入的检查数据，确定检查数据可能涉及的症状，输出候选症状信息。

在具体实现中，症状提取器可以是深度学习模型如CNN模型(ConvolutionalNeural Networks，卷积神经网络)，也可以是常规的机器学习模型如xgboost，lightGBM等，本发明对此不做限制。

在具体实现，针对不同数据类型的检查数据，可以分别设置对应的症状提取器对检查数据进行处理，由此，可以更加准确地处理不同类型的数据。

具体地，可以针对望诊数据设置一望诊症状提取器，针对闻诊数据可以设置一闻诊症状提取器，针对问诊数据可以设置一问诊症状提取器，针对切诊数据可以设置一切诊症状提取器。不同类型的检查数据，可以采用其对应的症状提取器获取得到候选症状信息。由此，不同数据类型的检查数据可以对应有不同的症状信息，从而可以便于医师更加清楚地了解不同类型检查数据对应的症状信息，同时进一步提高模型的可解释性，便于模型的训练优化。

可选地，对于望诊症状提取器、闻诊症状提取器、以及切诊症状提取器来说，在输入检查数据时，除了输出不同数据类型的症状提取器对应的检查数据同时，还可以将问诊检查数据一并输入症状提取器中。例如，对于望诊症状提取器来说，在输入望诊数据的同时，还可以输入问诊数据。对于闻诊症状提取器来说，在输入闻诊数据的同时，还可以输入问诊数据。对于切诊症状提取器来说，在输入切诊数据的同时，还可以输入问诊数据。由此，可以通过问诊数据中记载的患者历史病历以及医师问诊过程中采集的与其他数据类型关联的信息，辅助其他数据类型的症状提取器可以更加准确地获取得到候选症状信息。

步骤203，基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；

在获取得到候选症状信息之后，一些候选症状信息相互之间可以具有较高的关联性且具有一定症状关联度，也可以存在一些候选症状信息与其他候选症状具有明显差别。在此情况下，可以将明显与其他候选症状信息不相似的症状信息排除，而只保留相互之间具有较高症状关联度的候选症状信息，作为目标症状信息。

在本发明一种实施例中，所述基于所述症状信息之间的症状关联度，在所述症状信息中提取目标症状信息的步骤，包括：

S11，在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息；

在本发明实施例中，在症状提取器对应不同数据类型的检查数据具有多种的情况下，若需要进一步提取目标症状信息，可以首先在同一症状提取器输出的候选症状信息中，基于候选症状信息之间的症状关联度，在其中提取单模症状信息，从而可以优先在同一症状提取器输出的候选症状信息中确定相对正确的症状信息，减少错误或异常的症状信息影响其他数据类型输出的候选症状信息筛选的可能性。

一般来说，中医的证型划分通常可以具有对立二分特性。例如，阳对应阴、寒对应热、虚对应实，不同证型关联的症状通常可以存在区别。从而部分症状可以经常同时出现，而部分症状可以难以同时出现。例如，面色淡黄通常可以与舌色淡白、泄泻、乏力同时出现，但较少与胃脘胀满、腹胀同时出现。由此，可以基于不同证型涉及的症状，记录不同症状之间关联信息，并基于不同症状之间关联信息，确定候选症状之间是否存在较高的关联性。

作为本发明的一种具体示例，在望诊症状提取器基于患者的面部图像以及舌象图像输出候选症状信息面色暗淡、舌质暗淡、舌质红、舌苔黄燥的情况下，可以针对望诊症状提取器输出的候选症状信息之间的症状关联度进行分析，并排除其中与其他候选症状关联性较低的舌质暗淡，得到单模症状信息面色暗淡、舌质红、以及舌苔黄燥。

可选地，由于问诊采集得到的症状信息可以与望诊、闻诊、或者切诊采集得到的症状信息存在关联。例如，医师通过询问的方式询问了患者的舌象相关信息，并得到了候选症状信息腐苔，该候选症状信息可以与望诊得到的候选症状信息实际上是关联的。由此，在提取单模症状信息的过程中，可以将问诊得到的候选症状信息中与其他数据类型关联的候选症状信息，与对应数据类型的候选症状信息合并，在提取单模症状信息的过程中一并进行分析，从而可以辅助提高其他数据类型筛选单模症状信息的准确性。例如，在舌象图像拍摄效果不佳，导致分析得到的舌象相关的候选症状信息相对错误率可能偏高的时，医师可以通过问询的方式，同时采集舌象相关的数据，并将通过问诊得到的与舌象相关的候选症状信息与望诊得到的舌象相关的候选症状信息合并，一并进行单模症状信息的提取，由此，可以通过问诊辅助提高望诊提取得到的单模症状信息的正确性。

S12，在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息。

其后，在确定单模症状信息之后，可以集合所有数据类型对应的症状提取器所输出的单模症状信息，综合不同数据类型的单模症状信息，提取其中相互关联性高的单模症状信息，作为目标症状信息，从而可以得到综合症状关联度较高的目标症状信息，且具有较高的准确性。

作为本发明的一种具体示例，在不同数据类型的症状提取器输出所有单模症状信息为尿色淡黄、滑脉、口苦、口黏腻、便秘、发热、舌色红绛的情况下，可以分析单模症状信息之间症状关联度，并将与其他单模症状信息关联度较低的口黏腻排除，而保留症状关联度高的尿色淡黄、滑脉、口苦、便秘、发热、舌色红绛作为目标症状信息。

在本发明一种实施例中，所述在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息的步骤，包括：

S21，将同一所述症状提取器输出的所述候选症状信息作为候选症状集合；

为了便于后续的候选症状信息筛选，可以首先将同一症状提取器输出的候选症状信息作为一候选症状集合，该候选症状集合中可以包含同一症状提取器输出的所有候选症状信息。

S22，在所述候选症状集合中选取任一候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息；

其后，可以依次分析候选症状集合中每一候选症状信息与候选症状集合中其他候选症状信息的症状关联度。可以在候选症状集合中选取任一候选症状信息作为当前需要分析的第一待定症状信息。该候选症状集合中除第一待定症状信息之外剩余的候选症状信息都作为准备与第一待定症状信息的第一对比症状信息。

S23，分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；

在确定第一待定症状信息之后，分别比较第一待定症状信息与每一第一对比症状信息两者之间的症状关联度，以确定两者是否有较高概率同时出现。在两者有较高概率同时出现的情况下，其可以具有较高的症状关联度。而在两者同时出现的概率较低的情况下，其可以具有较低的症状关联度。

在具体实现中，可以基于不同证型涉及的症状信息，建立症状信息之间的关联信息。若两个症状信息在同一证型中出现，则可以认为症状信息之间具有一定的关联度。而若两个症状信息在完全对立的证型中出现，则可以认为症状信息之间具有较低的关联度。在比较第一待定症状信息与每一第一对比症状信息时，可以基于在先建立的症状信息之间的关联信息，确定两者之间的症状关联度。

同时，也可以基于第一待定症状信息与每一第一对比症状信息之间的文本相似度或语义相似度，确定两者之间的症状关联度。其中，文本相似度可以采用如余弦相似度、欧式距离、皮尔逊相关系数等进行分析。语义相似度可以采用如向量空间模型分析、主题模型分析、基于知识库的分析等，本发明对此不做限制。例如，对于第一待定症状信息口渴与第一对比症状信息口咽干燥来说，由于两者的语义相似度较高，即可以认为两者具有较高的症状关联度。

S24，若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记；

具体而言，第一待定症状信息与第一对比症状信息之间症状相似度，可以采用数值来表示。在该数值低于预设关联阈值的情况下，可以认为第一待定症状信息与该第一对比症状信息之间具有较低的关联度，在此情况下，为了便于后续排除与其他候选症状信息关联度低的候选症状信息，可以对第一待定症状信息与第一对比症状信息都进行标记，此时第一待定症状信息与第一对比症状信息的被标记次数都可以增加1。

S25，重复将所述第一待定症状信息从所述候选症状集合中删除，并在所述候选症状集合中选取任一所述候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息，分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记的步骤，直至所述候选症状集合中不存在未作为第一待定症状信息的候选症状信息；

其后，针对当前第一待定症状信息的分析已经完成，则可以将该第一待定症状信息从候选症状集合中删除，并继续对候选症状集合中未作为第一待定症状信息的的候选症状信息进行关联度分析。由此，可以在候选症状集合中选取任一候选症状信息作为新的第一待定症状信息，并再次将候选症状集合中剩余非第一待定症状信息的候选症状信息都作为新的第一对比症状信息，其后继续比较第一待定症状信息与第一对比症状信息之间的症状关联度，并在第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值的情况下，对第一待定症状信息与第一对比症状信息皆进行标记。重复上述过程，直至候选症状集合中不存在候选症状信息，则完成所有候选症状信息的关联度分析。

S26，基于每一所述候选症状信息的被标记次数，确定单模症状信息。

在完成对候选症状信息的关联度分析之后，可以存在候选症状信息未被标记，也可以存在候选症状信息被标记一次或者多次。可以对每一候选症状信息的被标记次数进行统计，若候选症状信息被标记的次数越多，则可以认为其与其他候选症状信息的关联度越低。由此，可以根据实际需要，分析每一候选症状信息的被标记次数，若存在候选症状信息的被标记次数明显高于其他候选症状信息，则可以认为该候选症状信息与其他候选症状信息的症状关联度较低，并过滤该候选症状信息。将其余被标记次数较少的候选症状信息作为单模症状信息。

作为本发明的一种具体示例，图3为本发明实施例的一种确定单模症状信息的流程示意图。

步骤301，将同一所述症状提取器输出的候选症状信息作为候选症状集合之后，可以初始化候选症状集合中每个候选症状信息的被标记次数为0。

步骤302，遍历候选症状集合中每个候选症状信息。在将任一候选症状信息作为第一待定症状信息i，将候选症状集合中剩余的候选症状信息作为第一对比症状信息j。

步骤303，分析第一待定症状信息i与第一对比症状信息j之间的症状关联度，并采用0～1之间的数值表示。

步骤304，确定症状关联度是否小于0.7。若症状关联度小于0.7，可以认为第一待定症状信息i与该第一对比症状信息j之间症状关联度较低，执行步骤305。若症状关联度不小于0.7，则可以认为第一待定症状信息i与该第一对比症状信息j之间症状关联度较高，执行步骤306；

步骤305，当前第一待定症状信息i的被标记次数+1，同时该第一对比症状信息j的被标记次数+1；

步骤306，确认第一待定症状信息i是否完成与所有第一对比症状信息j之间症状关联度分析；若否，则继续执行步骤303，若是，执行步骤307；

步骤307，将当前第一待定症状信息i从候选症状集合中删除；

步骤308，确认当前候选症状集合是否为空。其中，若当前候选症状集合中只剩一个候选症状信息，由于此时不存在可以与该候选症状信息进行比对的其他候选症状信息，此时也可以认为候选症状集合为空；若否，则继续执行步骤302，若是，则执行步骤309；

步骤309，过滤被标记次数大于预设标记阈值的候选症状信息，将剩余的候选症状信息作为单模症状信息。

作为本发明的一种具体示例，若望诊症状提取器提取得到的候选症状信息为面色萎黄、面色无华、面色潮红。则可以将候选症状信息作为候选症状集合。其后，选取面色萎黄作为第一待定症状信息i，面色无华、面色潮红作为第一对比症状信息j。

分析第一待定症状信息i面色萎黄与第一对比症状信息j面色无华之间的症状关联度，确定两者症状关联度大于0.7。则继续分析第一待定症状信息i面色萎黄与第一对比症状信息j面色潮红之间的症状关联度，确定两者症状关联度小于0.7。则第一待定症状信息i面色萎黄的被标记次数+1，第一对比症状信息j面色潮红的被标记次数+1。

第一待定症状信息i面色萎黄完成与所有第一对比症状信息j之间的比对，从候选症状集合中删除面色萎黄，并继续将面色无华作为第一待定症状信息i，面色潮红作为第一对比症状信息j。

分析第一待定症状信息i面色无华与第一对比症状信息j面色无华之间的症状关联度，确定两者症状关联度小于0.7，则第一待定症状信息面色无华的被标记次数+1，第一对比症状信息j面色潮红的被标记次数+1。

第一待定症状信息i面色无华完成与所有第一对比症状信息j之间的比对，从候选症状集合中删除面色无华，此时候选症状集合中剩余的候选症状信息不大于1，停止症状关联度分析。最终面色萎黄被标记次数为1、面色无华被标记次数为1，面色潮红被标记次数为2，则可以认为候选症状的信息面色潮红与其他候选症状信息明显无关，并排出该候选症状信息，剩余的候选症状信息面色萎黄、面色无华作为望诊症状提取器提取得到的单模症状信息。

在本发明一种实施例中，所述在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息的步骤，包括：

S31，将所有所述症状提取器对应的所述单模症状信息作为单模症状信息集合；

在完成针对同一数据类型对应的症状提取器所输出的候选症状信息的筛选之后，可以进一步将不同数据类型对应的症状提取器所输出的候选症状信息进一步进行比对，筛选得到最终用于确定证型的目标症状信息。此时，可以采用类似于提取单模症状信息的方式，提取目标症状信息。

具体地，可以首先将同一症状提取器输出的单模症状信息作为一单模症状集合，该单模症状集合中可以包含同一症状提取器输出的所有单模症状信息。

S32，在所述单模症状信息集合中选取任一单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息；

其后，可以依次分析单模症状集合中每一单模症状信息与单模症状集合中其他单模症状信息的症状关联度。可以在单模症状集合中选取任一单模症状信息作为当前需要分析的第二待定症状信息。该单模症状集合中除第二待定症状信息之外剩余的单模症状信息都作为准备与第二待定症状信息的第二对比症状信息。

S33，分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；

在确定第二待定症状信息之后，分别比较第二待定症状信息与每一第二对比症状信息两者之间的症状关联度，以确定两者是否有较高概率同时出现。在两者有较高概率同时出现的情况下，其可以具有较高的症状关联度。而在两者同时出现的概率较低的情况下，其可以具有较低的症状关联度。

在具体实现中，在比较第二待定症状信息与每一第二对比症状信息时，可以基于在先建立的症状信息之间的关联信息，确定两者之间的症状关联度。同时，也可以基于第二待定症状信息与每一第二对比症状信息之间的文本相似度或语义相似度，确定两者之间的症状关联度。

S34，若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记；

具体而言，第二待定症状信息与第二对比症状信息之间症状相似度，可以采用数值来表示。在该数值低于预设关联阈值的情况下，可以认为第二待定症状信息与该第二对比症状信息之间具有较低的关联度，在此情况下，为了便于后续排除与其他候选症状信息关联度低的候选症状信息，可以对第二待定症状信息与第二对比症状信息都进行标记，此时第二待定症状信息与第二对比症状信息的被标记次数都可以增加1。

S35，重复将所述第二待定症状信息从所述单模症状集合中删除，并在所述单模症状集合中选取任一所述单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息，分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记的步骤，直至所述单模症状集合中不存在未作为第二待定症状信息的单模症状信息；

其后，针对当前第二待定症状信息的分析已经完成，则可以将该第二待定症状信息从单模症状集合中删除，并继续对单模症状集合中未作为第二待定症状信息的的单模症状信息进行关联度分析。由此，可以在单模症状集合中选取任一单模症状信息作为新的第二待定症状信息，并再次将单模症状集合中剩余非第二待定症状信息的单模症状信息都作为新的第二对比症状信息，其后继续比较第二待定症状信息与第二对比症状信息之间的症状关联度，并在第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值的情况下，对第二待定症状信息与第二对比症状信息皆进行标记。重复上述过程，直至单模症状集合中不存在单模症状信息，则完成所有单模症状信息的关联度分析。

S36，基于每一所述单模症状信息的被标记次数，确定目标症状信息。

在完成对单模症状信息的关联度分析之后，可以存在单模症状信息未被标记，也可以存在单模症状信息被标记一次或者多次。可以对每一单模症状信息的被标记次数进行统计，若单模症状信息被标记的次数越多，则可以认为其与其他单模症状信息的关联度越低。由此，可以根据实际需要，分析每一单模症状信息的被标记次数，若存在单模症状信息的被标记次数明显高于其他单模症状信息，则可以认为该单模症状信息与其他单模症状信息的症状关联度较低，并过滤该单模症状信息。将其余被标记次数较少的单模症状信息作为目标症状信息。

由此，通过中间处理过程排除可能影响证型预测的错误症状，可以进一步提高后续证型预测的准确性。同时也便于提高模型的可解释性，便于在模型训练过程中更好地排查模型出现的问题，进行问题追溯以及模型修正，进一步提高了模型的易用性和准确度、

步骤204，将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。

在确定目标症状信息之后，可以采用目标症状信息对患者可能的证型进行预测。可以设置一辩证分类器，将目标症状信息输入辩证分类器中，并获取辩证分类器输出的证型预测结果。医师可以参考辩证分类器输出的证型预测结果，确定患者所属证型，从而可以辅助医师更准确地判断患者所属的证型。

在本发明一种实施例中，所述将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果的步骤，包括：

S41，将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度；

在本发明实施例中，可以将目标症状信息输入辩证分类器，该辩证分类器可以分析目标症状信息与至少一种待定证型是否存在关联，并输出目标症状信息与待定证型之间的证型关联度。

在一种实现方式中，辩证分类器可以是深度学习模型如CNN模型，也可以是常规的机器学习模型如xgboost，lightGBM等，本发明对此不做限制。作为本发明的一种具体示例，在辩证分类器为CNN模型的情况下，可以采用以症状信息作为输入，以证型信息作为输出的训练样本对CNN模型进行训练，在训练完成后，辩证分类器可以基于输入的目标症状信息，输出其属于不同待定证型的概率，该概率作为证型关联度。

S42，将与所述目标症状信息证型关联度高的待定证型作为目标证型。

其后，可以基于不同待定证型的概率，分析目标症状信息与待定证型之间的证型关联度是否较高，并将与目标症状信息证型关联度高的待定证型作为目标证型向医师提供。

在本发明一种实施例中，所述将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度的步骤，包括：

S51，获取预设的证型预测顺序，所述证型预测顺序包含至少两个按序排列的待定证型；

具体而言，由于个人的目标症状信息之间具有共生性和相关性，且证型之间也可以存在一定的相关性。由此，可以采用链式预测的方式，对患者可能属于的证型进行分析。由此，可以首先获取证型预测顺序，其包含至少两个按序排列的待定证型，便于后续按照该顺序进行链式预测。

S52，依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型；

其后，可以按照证型预测顺序依次对待定证型进行分析。可以将当前仍未分析且位于证型预测顺序最前的待定证型作为当前分析证型，分析目标症状信息与待定证型之间的证型关联度。

S53，将所述目标症状信息输入所述辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果；

具体地，可以将目标症状信息输入辩证分类器，辩证分类器可以分别分析不同目标症状信息与所述当前分析证型的证型关联度。对于一目标症状信息来说，若其与当前分析证型之间的证型关联度高，则可以认为该目标症状信息高度指向当前分析证型，并标记该目标症状信息与当前分析证型高度关联。若存在多个目标症状信息都与当前分析证型高度关联，则可以认为患者具有较高概率属于当前分析证型。若只存在少量或者不存在目标症状信息与当前分析证型高度关联，则可以认为患者具有较低概率属于当前分析证型。将每一目标症状信息是否与当前分析证型高度关联作为针对所述当前分析证型的分析结果输出。

S54，重复所述依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型的步骤，并重复将所述目标症状信息以及所有已输出的所述分析结果输入辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果，直至所述证型预测顺序中所有待定证型分析完成。

对当前分析证型的分析完成之后，可以继续在证型预测顺序中选取当前首位待分析的待定证型，作为新的当前分析证型。在当前分析证型在证型预测顺序包含的所有待定证型中排序第二或以后的情况下，此时在先完成分析的待定证型已经具有对应的分析结果。此时，可以采用链式预测的方式，分析目标症状信息与当前分析证型之间的证型关联度时，同时考虑在先所有已输出的分析结果，将目标症状信息与所有已输出的所述分析结果都输入辩证分类器，此时辩证分类器除了考虑每一目标症状信息自身与当前分析证型之间的证型关联度，还进一步综合考虑目标症状信息与其他待定证型之间的证型关联度，并最终给出每一目标症状信息是否与当前分析证型高度关联的分析结果。由此，通过链式预测，可以综合考虑目标症状信息之间的共生性和相关性，以及证型之间的相关性，使得最终的证型预测结果可以具有更高的准确度。

在证型预测顺序中所有待定证型分析完成之后，可以存在多个目标症状信息都与待定证型高度关联的至少一个待定证型作为目标证型，输出证型预测结果。

作为本发明的一种具体示例，图4是本发明实施例的一种证型预测的示意图。其中，X(1)、X(2)、X(3)、X(4)、X(5)代表了患者的5个目标症状信息。Y1、Y2、Y3、Y4代表了按序排列的4个待定证型。首先将Y1作为当前分析证型，并分别分析X(1)、X(2)、X(3)、X(4)、X(5)是否与Y1高度关联，若存在高度关联性，则标记为1，否则标记为0。在完成对Y1的分析之后，可以将Y2作为当前分析证型，此时在分析X(1)、X(2)、X(3)、X(4)、X(5)是否与Y2高度关联的过程中，还可以进一步考虑在先Y1的分析结果进行分析。将Y3作为当前分析证型的情况下，则在分析X(1)、X(2)、X(3)、X(4)、X(5)是否与Y3高度关联的过程中，还可以进一步考虑在先Y1、Y2的分析结果进行分析。将Y4作为当前分析证型的情况下，则在分析X(1)、X(2)、X(3)、X(4)、X(5)是否与Y4高度关联的过程中，还可以进一步考虑在先Y1、Y2、Y3的分析结果进行分析。最终分析结果显示Y1、Y3、Y4都有较多的目标症状信息与其存在关联。则可以将证型Y1、Y3、Y4作为目标证型，输出证型预测结果。

通过本发明实施例提供的中医证型的辅助辨识方法，通过获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；将所述至少一种数据类型的检查数据输入与所述数据类型对应的症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。从而可以通过基于患者不同类型的检查数据，分析得到患者可能涉及的症状，并进一步分析筛选其中症状关联度高的目标症状信息，基于目标症状信息确定患者可能涉及的证型，为医师提供辅助证型辨识，提高证型确定的准确度。同时，在分析过程中，通过中间输出症状信息的方式，可以便于医师排查模型的中间输出，提高了模型输出的可解释性，便于问题追溯以及模型修正，进一步提高了模型的易用性和准确度。

作为本发明的一种具体示例，图5是本发明实施例中提供的一种中医证型的辅助辨识方法的的示意图。所述方法包括：

通过望诊传感器采集患者面部图像以及舌象图像作为望诊检查数据，通过闻诊传感器采集患者声音作为闻诊检查数据，通过切诊传感器采集患者脉搏数据作为切诊检查数据，并通过问诊采集器采集患者的个人基本状况、历史病历记录、以及医师问询记录作为问诊检查数据。

将望诊检查数据输入望诊症状提取器，获取望诊症状提取器输出的候选症状信息A、B。将闻诊检查数据输入闻诊症状提取器，获取闻诊症状提取器输出的候选症状信息D、E。将问诊检查数据输入问诊症状提取器，获取问诊症状提取器输出的候选症状信息C、F、G。将切诊检查数据输入切诊症状提取器，获取切诊症状提取器输出的候选症状信息H、I、J。其中，问诊症状提取器输出的候选症状信息C为舌象相关症状信息，实际属于望诊类型的候选症状信息，将其与候选症状信息A、B合并。问诊症状提取器输出的候选症状信息F为声音相关症状信息，实际属于闻诊类型的候选症状信息，将其与候选症状信息D、E合并。

通过单模症状信息筛选器，分析候选症状信息A、B、C之间症状关联度，筛选得到候选症状信息A、B作为单模症状信息。通过单模症状信息筛选器，分析候选症状信息D、E、F之间症状关联度，筛选得到候选症状信息D、F作为单模症状信息。通过单模症状信息筛选器，分析候选症状信息H、I、J之间症状关联度，筛选得到候选症状信息H、J作为单模症状信息。

其后，进一步通过多模症状信息筛选器进一步分析所有单模症状信息，即候选症状信息A、B、D、F、G、H、J之间的症状关联度，确定候选症状信息A、D、G、H、J作为目标症状信息。

将目标症状信息输入辩证分类器中，通过链式预测的方式，最终得到证型预测结果。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图6，示出了本发明实施例中提供的一种中医证型的辅助辨识装置的结构框图，具体可以包括如下模块：

检查数据获取模块601，用于获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；

候选症状确定模块602，用于将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；

目标症状确定模块603，用于基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；

预测模块604，用于将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。

可选地，所述候选症状确定模块包括：

候选症状提取子模块，用于将所述至少一种数据类型的检查数据输入与所述数据类型对应的症状提取器中，得到所述症状提取器输出的至少一种候选症状信息。

可选地，所述目标症状确定模块包括：

单模症状信息提取子模块，用于在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息；

目标症状信息提取子模块，用于在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息。

可选地，所述单模症状信息提取子模块包括：

候选集合确定单元，用于将同一所述症状提取器输出的所述候选症状信息作为候选症状集合；

第一待选症状选取单元，用于在所述候选症状集合中选取任一候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息；

第一症状关联度对比单元，用于分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；

第一标记单元，用于若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记；

第一重复对比单元，用于重复将所述第一待定症状信息从所述候选症状集合中删除，并在所述候选症状集合中选取任一所述候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息，分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记的步骤，直至所述候选症状集合中不存在未作为第一待定症状信息的候选症状信息；

单模症状确定单元，用于基于每一所述候选症状信息的被标记次数，确定单模症状信息。

可选地，所述目标症状信息提取子模块包括：

单模集合确定单元，用于将所有所述症状提取器对应的所述单模症状信息作为单模症状信息集合；

第二待选症状选取单元，用于在所述单模症状信息集合中选取任一单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息；

第二症状关联度对比单元，用于分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；

第二标记单元，用于若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记；

第二重复对比单元，用于重复将所述第二待定症状信息从所述单模症状集合中删除，并在所述单模症状集合中选取任一所述单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息，分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记的步骤，直至所述单模症状集合中不存在未作为第二待定症状信息的单模症状信息；

目标症状确定单元，用于基于每一所述单模症状信息的被标记次数，确定目标症状信息。

可选地，所述预测模块包括：

证型关联度分析子模块，用于将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度；

预测子模块，用于将与所述目标症状信息证型关联度高的待定证型作为目标证型。

可选地，所述证型关联度分析子模块包括：

顺序获取单元，用于获取预设的证型预测顺序，所述证型预测顺序包含至少两个按序排列的待定证型；

当前分析证型确定单元，用于依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型

证型关联度分析单元，用于将所述目标症状信息输入所述辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果；

重复分析单元，用于重复所述依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型的步骤，并重复将所述目标症状信息以及所有已输出的所述分析结果输入辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果，直至所述证型预测顺序中所有待定证型分析完成。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

另外，本发明实施例还提供一种电子设备，如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，

存储器703，用于存放计算机程序；

处理器701，用于执行存储器703上所存放的程序时，实现如下步骤：

获取患者至少一种数据类型的检查数据，所述数据类型包括望诊数据、问诊数据、闻诊数据、脉诊数据中的至少一种；

将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息；

基于所述候选症状信息之间的症状关联度，在所述候选症状信息中提取目标症状信息；

将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果。

可选地，所述将所述检查数据输入症状提取器中，得到所述症状提取器输出的至少一种候选症状信息的步骤，包括：

将所述至少一种数据类型的检查数据输入与所述数据类型对应的症状提取器中，得到所述症状提取器输出的至少一种候选症状信息。

可选地，所述基于所述症状信息之间的症状关联度，在所述症状信息中提取目标症状信息的步骤，包括：

在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息；

在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息。

可选地，所述在同一所述症状提取器输出的所述候选症状信息中，基于所述候选症状信息之间的症状关联度，提取单模症状信息的步骤，包括：

将同一所述症状提取器输出的所述候选症状信息作为候选症状集合；

在所述候选症状集合中选取任一候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息；

分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；

若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记；

重复将所述第一待定症状信息从所述候选症状集合中删除，并在所述候选症状集合中选取任一所述候选症状信息作为第一待定症状信息，将所述候选症状集合中剩余的候选症状信息作为第一对比症状信息，分别比较所述第一待定症状信息与所述第一对比症状信息之间的症状关联度；若所述第一待定症状信息与一第一对比症状信息之间的症状关联度低于预设关联阈值，对所述第一待定症状信息与所述第一对比症状信息进行标记的步骤，直至所述候选症状集合中不存在未作为第一待定症状信息的候选症状信息；

基于每一所述候选症状信息的被标记次数，确定单模症状信息。

可选地，所述在所有所述症状提取器对应的所述单模症状信息中，基于所述单模症状信息之间的症状关联度，提取目标症状信息的步骤，包括：

将所有所述症状提取器对应的所述单模症状信息作为单模症状信息集合；

在所述单模症状信息集合中选取任一单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息；

分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；

若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记；

重复将所述第二待定症状信息从所述单模症状集合中删除，并在所述单模症状集合中选取任一所述单模症状信息作为第二待定症状信息，将所述单模症状集合中剩余的单模症状信息作为第二对比症状信息，分别比较所述第二待定症状信息与所述第二对比症状信息之间的症状关联度；若所述第二待定症状信息与一第二对比症状信息之间的症状关联度低于预设关联阈值，对所述第二待定症状信息与所述第二对比症状信息进行标记的步骤，直至所述单模症状集合中不存在未作为第二待定症状信息的单模症状信息；

基于每一所述单模症状信息的被标记次数，确定目标症状信息。

可选地，所述将所述目标症状信息输入辩证分类器中，得到所述辩证分类器输出的证型预测结果的步骤，包括：

将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度；

将与所述目标症状信息证型关联度高的待定证型作为目标证型。

可选地，所述将所述目标症状信息输入辩证分类器，分析所述目标症状信息与至少一种待定证型的证型关联度的步骤，包括：

获取预设的证型预测顺序，所述证型预测顺序包含至少两个按序排列的待定证型；依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型

将所述目标症状信息输入所述辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果；

重复所述依序将所述证型预测顺序中当前首位待分析的待定证型作为当前分析证型的步骤，并重复将所述目标症状信息以及所有已输出的所述分析结果输入辩证分类器，分析所述目标症状信息与所述当前分析证型的证型关联度，输出针对所述当前分析证型的分析结果，直至所述证型预测顺序中所有待定证型分析完成。

上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述终端与其他设备之间的通信。

存储器可以包括随机存取存储器(RandomAccess Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－Programmable GateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

如图8所示，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质801，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中所述的中医证型的辅助辨识方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的中医证型的辅助辨识方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。