《感症精义约编》是安徽中医药大学图书馆馆藏书，未载于《中国中医古籍总目》。经与现行的《医宗己任编·西塘感症》比较研究发现，《感症精义约编》继承了《西塘感症》尤重阳明中土、顾护胃中津液、详脉症参舌象的学术思想，临证结合体质强弱、遵循因时制宜，又在重视传经理论应用、强调正气主导思想方面进行了丰富拓展。在编写体例和内容上，《感症精义约编》在精简《西塘感症》中部分正文论述和补注的基础上，增加了感症类病、遗病等分类及15种病证、14个论述、备忘、心法、冯师农的验证反思等内容，使类目更加清晰，内容更加翔实。

目的/意义 应用深度学习技术达到舌象分析自动化的目的,为中医舌象标准化提供参考依据,进一步推进中医诊疗技术现代化进程.方法/过程 构建以区域关联性为基础、引入标签松弛技术的语义分割损失函数,显式约束舌象分割模型学习局部区域各像素关联性的同时,对错误标签具有一定的容错能力;从舌象特征中内含的颜色相关性潜在先验出发,在模型构建阶段将舌象特征仅解耦为两类下游多标签分类任务,在加速模型拟合的同时有效降低模型复杂度.结果/结论 在自建数据集上验证算法有效性,舌象分割MIoU指标为96.57％,舌象分析宏F1值、平均准确率分别为88.58％、82.59％.

目的 基于中医状态学宏、中、微观健康状态表征参数体系探讨冠心病血瘀证前证发展过程中的相关保护/危险因素.方法 收集湖南中医药大学各附属医院就诊于心内科门诊及住院部冠心病待查对象253例,按照宏观、中观、微观3个维度制定调查问卷,对采集的参数用Python软件进行分类整理,将患者诊断为冠心病血瘀证前证(150例)和冠心病血瘀证(100例),用频次分析、χ2检验及Logistic回归等方法进行统计分析.结果 ①单因素分析结果显示:年龄、BMI、吸烟史、饮酒史、高血压史、糖尿病史、月平均高温、空气质量、季节、职业类型、社会环境、冠脉造影狭窄、舒张压、收缩压、肌酐、尿酸、总胆固醇等指标在冠心病血瘀证前证和冠心病血瘀证之间存在差异,差异均有统计学意义(P<0.05).②二元Logistic回归分析显示:年龄、BMI、饮酒史、职业类型、冠脉造影狭窄、舒张压、肌酐、暗红舌是其独立危险因素.建立预测模型:P=1/[1+exp(16.522-1.427×年龄-0.975×BMI-3.55×饮酒史+1.982×月平均高温+0.709×季节-1.827×职业类型-1.1×冠脉造影狭窄-0.072×舒张压-0.076×肌酐+2.398×头晕-4.108×暗红舌+4.169×脉涩)],模型预测率为90.5%.结论 冠心病血瘀证logistic回归模型与临床诊断良好,为冠心病已病与未病之间的状态探索奠定基础,为亚健康理论提供重要的基础数据.

目的 尝试通过自动化分析舌象图像,填补传统中医体质辨识方法的不足之处,推动体质辨识的现代化和智能化.方法 通过使用体质调查问卷和DS01-A型舌诊仪采集受试者体质信息和舌象信息,最终纳入阳虚质舌象260张,阴虚质舌象114张.在训练阳虚质与阴虚质舌象分类模型之前,进行了数据增强和舌体分割.采用了 U-net网络来分割舌象图像.分类模型是基于ResNet-34网络结构进行训练,并使用了交叉熵损失和Dice损失进行优化.结果 在模型评价方面,研究使用精度、损失函数、召回率、F1分数等指标进行性能评估.实验结果显示,ResNet-34模型在验证集中达到了 88％的精度,并且在训练数据上表现良好.与其他模型(ResNet-18、ResNet-50和RegNet)相比,ResNet-34模型表现最佳.结论 使用深度学习方法可以有效地识别阳虚质和阴虚质的舌象特征,为中医体质现代化和智能化分类提供了新的可能性.

目的:利用量效关系探讨陈友芝运用"二参一仙汤"辨治癌症方证用药及其方药衍化规律,为临证辨治癌症提供借鉴.方法:筛选陈友芝治癌医案中含"二参一仙汤"的中药复方,应用SPSS Statistics 26.0软件、Aprior算法及多尺度backbone网络算法,对所选治癌医案中的主治疾病、证型、治法、用药剂量、药物分类、性味归经等进行统计分析,并通过关联规则、聚类分析、复杂网络分析筛选出高频药物组合、核心组方及药物聚类.结果:选取含"二参一仙汤"的治癌方剂172首,并总结出以本虚标实、癌毒内蕴,扶正祛邪、攻补兼施为主的22种证型治法.运用"二参一仙汤"辨治肿瘤从15～60 g分为9个剂量等次,而30 g剂量使用频次最多,主治胃癌12.21%(21/172)、肺癌9.88%(17/172)、卵巢癌4.65%(8/172)等10种癌症,医案中使用频次前8位的药物有半枝莲、薏苡仁、茯苓等.使用频次≥18次的药物在四气五味及归经上分别以寒、温、平,甘、苦、辛;胃、脾、肝为主.其功效可分为9类,使用频次最高者为清热药.药物关联分析组合为"白花蛇舌草→半枝莲"等43.60%(75/172).复杂网络分析筛选出以白花蛇舌草、半枝莲、薏苡仁、茯苓、绞股蓝、苦参、瓜蒌、白芍、藤梨根、象贝为核心组方;衍化出7首"一参一仙汤""二参一仙汤"和"三参一仙汤",功效主治各有侧重.结论:对"二参一仙汤"治癌主证、治法及药物进行量效分析表明,陈友芝临证时常灵活运用半枝莲、薏苡仁、白花蛇舌草、茯苓、白芍及象贝等药,配合衍化方"一参一仙汤""二参一仙汤"和"三参一仙汤"治疗胃癌、肺癌、卵巢癌等癌症.

目的 通过卷积神经网络对冠心病痰湿证的舌象进行分类识别,提高冠心病痰湿证舌象识别准确率.方法 选取2020年10月至2022年8月在内蒙古自治区乌兰浩特市妇幼保健院、陕西中医药大学第二附属医院等地采集到的200例冠心病患者,其中痰湿证组、非痰湿证组各100例,运用ConvNeXt模型、朴素贝叶斯网络、K近邻模型、决策树算法、支持向量机模型进行舌象分类辨识.结果 不同模型的舌象分类平均准确度均在50％以上,ConvNeXt模型的平均准确度最高为89.44％;ConvNeXt模型验证集中痰湿证和非痰湿证2个类别的平均准确度、精确率、F1值和召回率均接近90％.结论 使用ConvNeXt模型进行舌象分类识别,能够较为准确地从舌诊上区分冠心病痰湿证与非痰湿证,客观化的人工智能识别技术,可以辅助冠心病痰湿证的临床诊断,有助于中医舌诊客观化研究的发展.

中医舌诊现代化研究是通过机器视觉与图像处理技术获取病证舌诊图像,进行智能诊断与分析的复杂过程.人工智能技术的发展为中医舌诊图像智能化研究带来新机遇.本文梳理近10年中医舌诊仪器研发与标准应用现状,探讨深度学习方法在舌象质量评估、舌象分割、舌色分类、舌象形质识别、三维舌象重建及临床应用研究进展,剖析人工智能舌诊技术目前存在的瓶颈问题,提出面向临床病证结合应用,多层次拓展、跨模态融合提升舌诊特征的深度与广度,运用通用人工智能方法提升舌象智能诊断技术内涵,创新构建智能舌诊全域信息感知与健康评估、病证诊断的新模式,推进智慧中医诊疗技术实现跨越式发展.

为深入了解土壤真菌群落沿小尺度海拔梯度的分布特征,以青藏高原宁金岗桑峰高寒草地为研究对象,采用高通量测序技术研究了3个海拔(4902、4944、4989 m)不同土层(上表层为0～5 cm,下表层为5～20 cm)真菌群落的多样性和群落组成,并探讨了其影响因素.结果表明:上、下表层土壤真菌的多样性沿海拔梯度无显著差异,但群落组成差异显著(P＜0.05);其中,上表层土壤真菌群落组成的差异主要受土壤含水量(SWC)、碳氮比(C/N)、氮磷比(N/P)、碳磷比(C/P)和植物多样性的影响;随海拔增加,SWC、N/P、C/P和植物多样性增加,C/N降低,导致子囊菌门未分类纲(Ascomycota_unclassified)在低海拔(4902 m)的相对多度显著高于中海拔(4944 m)和高海拔(4989 m);下表层土壤真菌群落组成的差异主要受地下生物量和植物多样性影响;地下生物量和植物多样性均随海拔升高而增加,导致锤舌菌纲(Leotiomycetes)在低海拔的相对多度显著高于中海拔和高海拔.子囊菌门未分类纲和锈革孔菌目(Hymenochaetales)分别是上表层土壤在纲水平和目水平的指示类群,微球黑粉菌纲未分类目(Microbotryomycetes_unclassified)和柔膜菌目(Helotia-les)是下表层土壤在目水平的指示类群.本研究探讨了土壤真菌群落在高寒草地小尺度海拔梯度的分布格局及其影响因子,对于了解土壤真菌群落变化的驱动机制具有重要意义.

目的 观察隔姜灸疗法对大学生阳虚体质的改善效果.方法 60例阳虚体质受试者随机分为观察组和对照组,每组30例.观察组采用隔姜灸治疗,每穴灸3壮;对照组采用艾灸盒温灸,每次施灸时长20 min.选取足三里(双)、神阙、关元、气海及命门、肾俞(双)、脾俞(双)2组穴位交替施灸,2组均以20 d为1个疗程,共治疗2个疗程.比较2组受试者治疗前后《中医体质分类与判定自测表》评分及舌象、脉象信息,并评定临床疗效.结果 2组受试者治疗后阳虚体质量表评分均较治疗前降低(P＜0.05),对照组阳虚质转化分明显低于观察组(P＜0.05);观察组治疗前后舌象及脉象信息均较治疗前有改善;观察组治疗总有效率为66.7％,高于对照组的30.0％,差异有统计学意义(P＜0.05).结论 隔姜灸疗法可有效改善阳虚体质大学生的临床症状,疗效优于艾灸盒温灸治疗.

目的 以周仲瑛教授治疗甲状腺功能亢进(甲亢)的临床病案为研究对象,探索运用基于神经网络的TabNet模型发现甲亢的诊疗规律,为传承名老中医学术思想、辅助临床诊疗提供方法参考.方法 基于周仲瑛教授及其团队的临床甲亢诊疗医案,构建标准化、结构化训练数据,研究基于注意力机制和稀疏特征选择机制的算法,通过输入标准化临床表现,标准化舌象、脉象构建病机预测模型,分析核心症状、病机和药物以及三者之间的联系.结果 通过训练好的预测模型对肝郁、肝火、痰饮、肾虚、阴虚、瘀血 6 个病机进行预测,与决策树、随机森林等经典算法构建的多标签分类模型相比,本模型分类和预测指标均较好.通过决策树算法进行挖掘,总结 6 个核心病机对应中药社团:醋柴胡、夏枯草、牡蛎、炙鳖甲、玄参、天冬、麦冬等.结论 在临床医案数据上运用TabNet算法,构建基于临床表现、舌象和脉象的病机预测模型,可有效地预测核心病机,进而发现"症-机-药"之间的联系,为名老中医学术思想的传承和临床辅助诊疗决策提供方法学参考.