Page 142 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

体制分型、风险预测与评估反馈的中医健康智能化管理方案，提升智慧中医的服
务水平与能力。李海鲲等以中医理论知识为基础，结合数据库和专家系统，运用
模糊节约覆盖集理论的推理方法，构造并设计了中医诊断专家系统的整体框架，
实现计算机中医辅助诊断。这种以“诊断—辨证—治疗”为核心的智能诊疗体系，

集大量经验数据为一体，利用现代化智能信息技术解决中医诊疗过程中的数据化，
标准化问题。
3. 智能设备
随着人工智能时代的来临，以中医药诊疗体系为主体，以信息技术为支撑，

深度挖掘 AI 的技术价值及应用潜力，推动智能化设备不断创新。主要从智能化
设备的研究设计，服务人群的需求，使用者的临床体验，以及临床效果评估等方
面入手，运用中医学治未病的理论思想，结合 AI 技术对个体健康状态进行干预
与评价，构建中医辨识的标准以及算法模型，对于测试结果以及临床疗效测量并

评价，并自动匹配合理的干预方案。中医药诊疗过程是一个典型的智能处理过程，
其包括信息获取—分析—处理—反馈—评价—综合的思维全过程。北京工业大学
信号与信息研究室开发的中医舌象分析仪，厦门大学与上海中医药大学联合研制
的 WZX 舌色分析系统等，在中医智能诊断方面，目前四诊客观化的研究已经取

得阶段性成果，将 AI 技术运用于中医诊疗可以促进中医诊疗技术的跨越发展，
解决中医诊疗现代发展的主要问题。
（二）中医药人工智能的现存问题
1. 理论研究亟待突破

AI 技术在中医药领域的应用仍处于早期的探索阶段，AI 技术在医疗领域中
的小样本学习、认知智能、无监督学习等方面还存在着一系列的问题以及较大的
提升空间，人们对于 AI 应用的需求与高质量标注数字匮乏之间的矛盾愈发突出，
AI 在医疗领域的应用难以应对复杂的医疗问题以及相应维度。在医学研究中，

AI 在沟通、推理、学习、决策等高级模块功能中还缺乏一定的理论指导与应用
研究，能够完成人类需求的复杂任务能力的医学 AI 系统亟待研究与探索。
2. 数据基础有待加强
医学领域的 AI 研究对于数据的质量有着重要的要求，高质量的数据是决定

机器准确学习、高效运行的主要依据。中医药行业的数据规模效应尚未形成，中
医药标准化，客观化程度仍需加强，对于信息结构的完整性，还需要可测量的评

134