劉震　趙壯　林祺

摘要隨著醫(yī)療機(jī)器人技術(shù)及通用人工智能技術(shù)的迅猛發(fā)展，標(biāo)準(zhǔn)化、智能化已經(jīng)成為了現(xiàn)代醫(yī)學(xué)發(fā)展的主流趨勢(shì)。我團(tuán)隊(duì)自主開發(fā)了基于數(shù)字經(jīng)絡(luò)理論的智能針灸機(jī)器人，具備基于經(jīng)穴主治與癥狀聯(lián)系的小世界網(wǎng)絡(luò)自動(dòng)配穴這一核心功能，我們運(yùn)用基于模塊度優(yōu)化的啟發(fā)式社區(qū)發(fā)現(xiàn)算法，對(duì)腧穴主治網(wǎng)絡(luò)進(jìn)行了較為系統(tǒng)的研究，并通過進(jìn)一步的開發(fā)，初步實(shí)現(xiàn)了基于圖論的針灸智能取穴功能。

關(guān)鍵詞腧穴；復(fù)雜網(wǎng)絡(luò)；社團(tuán)劃分；圖論；針灸治療；醫(yī)療機(jī)器人；人工智能；算法

Research on Acupoint Selection Theory of Intelligent Acupuncture Robot Based on Graph Theory

Liu Zhen1， Zhao Zhuang1， Lin Qi2， Xu Tiancheng3

（1 Institute of Information Technology， Nanjing University of Chinese Medicine， Nanjing 210023， China； 2 Second School of Clinical Medicine， Nanjing University of Chinese Medicine， 210023， China； 3 Affiliated Hospital of Nanjing University of Chinese Medicine， Nanjing 210029， China）

AbstractWith the rapid development of medical robot technology and general artificial intelligence technology， standardization and intelligence have become the mainstream trend of modern medical development.Our team independently developed a smart acupuncture robot based on the digital meridian theory.It has the core function of the automatic worldbased acupoints based on the acupointindication and symptom connection.We use the heuristic community discovery algorithm based on modularity optimization to carry out systematic study on acupointsindication network， and through further development， initially realized the intelligent acupoint selection function based on graph theory.

Key WordsAcupoints； Complex networks； Community divisions； Graph theory； Acupoint treatment； Medical robot； Artificial intelligence； Algorithm

中圖分類號(hào)：R245文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.3969/j.issn.1673-7202.2018.08.043

Alpha Go人機(jī)圍棋大戰(zhàn)的成功給中醫(yī)學(xué)提供了極大的啟發(fā)，中醫(yī)學(xué)將可能借助基于大數(shù)據(jù)的新人工智能走上以智能化、機(jī)器化、自動(dòng)化為標(biāo)志的現(xiàn)代化之路。將中醫(yī)藥典籍和中醫(yī)診療過程等中醫(yī)知識(shí)、經(jīng)驗(yàn)轉(zhuǎn)化為數(shù)據(jù)，所形成的中醫(yī)大數(shù)據(jù)將為中醫(yī)智能化提供豐富的經(jīng)驗(yàn)基礎(chǔ)[1]。而隨著通用人工智能技術(shù)的進(jìn)一步成熟，用于診斷的醫(yī)療人工智能正逐步從實(shí)驗(yàn)室走近臨床，2018年2月23日，頂級(jí)期刊Cell以封面文章的形式發(fā)表了一篇人工智能（AI）在醫(yī)療領(lǐng)域應(yīng)用的重磅研究成果，指出基于深度學(xué)習(xí)技術(shù)已研發(fā)出一款能診斷眼病和肺炎兩大類疾病的AI系統(tǒng)[2]，跨病種、跨影像學(xué)數(shù)據(jù)類型并具有一定可解釋性的新一代人工智能平臺(tái)是人工智能圖像技術(shù)在醫(yī)學(xué)影像領(lǐng)域的首個(gè)應(yīng)用成果，可促進(jìn)疾病的早期治療和精準(zhǔn)治療，改善患者的臨床預(yù)后。而在中醫(yī)針灸的相關(guān)研究中，引入循證醫(yī)學(xué)理念和方法促進(jìn)針灸經(jīng)驗(yàn)決策模式向循證決策模式轉(zhuǎn)變，對(duì)提高針灸臨床療效具有非常重要的意義[2]。而早年的研究較為分散和模糊[4]，且技術(shù)尚未成熟，諸多研究圍繞的是基于深度學(xué)習(xí)或數(shù)據(jù)挖掘等得出腧穴的配伍規(guī)律[56]，而未能實(shí)現(xiàn)將得出的規(guī)律反向運(yùn)用于指導(dǎo)臨床，我團(tuán)隊(duì)嘗試使用圖論在挖掘腧穴主治網(wǎng)絡(luò)拓?fù)鋵W(xué)規(guī)律的基礎(chǔ)上，形成基于該結(jié)果的智能針灸選穴軟件。

1圖論及其主要研究參數(shù)

11圖論簡(jiǎn)介

圖論起源于著名的Konigsberg七橋問題[7]。位于前蘇聯(lián)的這座古老的城堡中，有一條Pregel河，河水把城市分成4個(gè)小島般的區(qū)域，人們?cè)诤由辖ㄔ炝?座橋，把城市連成一體。由此引發(fā)了一個(gè)問題：是否存在一種路徑，從4個(gè)河岸中的任1個(gè)開始，通過每座橋且只能通過1次，并最后回到起點(diǎn)。數(shù)學(xué)家Leonhard Euler解決了這一難題，他認(rèn)為，該問題與河岸和島的大小、形狀以及橋的長(zhǎng)度曲直無(wú)關(guān)，關(guān)鍵取決于河岸、島、橋的數(shù)目并證明了這個(gè)問題沒有解。之后他又對(duì)這一類問題進(jìn)行總結(jié)推廣，給出了關(guān)于一個(gè)圖以某種方式走遍的判定法則，標(biāo)志著圖論的誕生。許多的自然系統(tǒng)和社會(huì)系統(tǒng)以網(wǎng)絡(luò)的式存在，如因特網(wǎng)，代謝網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、食物鏈網(wǎng)絡(luò)、知識(shí)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、業(yè)務(wù)關(guān)系網(wǎng)絡(luò)、血管網(wǎng)絡(luò)等[8]。網(wǎng)絡(luò)在數(shù)學(xué)上又稱為“圖”，圖論作為離散數(shù)學(xué)的重要組成之一，通常也是研究網(wǎng)絡(luò)的主要且有效的方法。這種生物、社會(huì)、交通、能源等存在于真實(shí)世界中的很多系統(tǒng)，都可表示成若干節(jié)點(diǎn)和邊構(gòu)成的網(wǎng)絡(luò)。其表示的系統(tǒng)，其基本單位可簡(jiǎn)化成這些節(jié)點(diǎn)，邊則表示這些基本單元間的相互作用或關(guān)系[9]。這樣的系統(tǒng)數(shù)學(xué)網(wǎng)絡(luò)化的過程以系統(tǒng)的基本單位及其間的結(jié)構(gòu)聯(lián)系為重點(diǎn)，忽略了這些系統(tǒng)本身的理化等特性，抽象出“圖”的數(shù)學(xué)模式。

現(xiàn)實(shí)世界中，不同類的系統(tǒng)間差異鮮明，但通過圖論的數(shù)學(xué)建模過程發(fā)現(xiàn)，這些抽象而來的網(wǎng)絡(luò)中很多具有共同的結(jié)構(gòu)或性質(zhì)，且通過研究這些網(wǎng)絡(luò)的特性可進(jìn)一步揭示系統(tǒng)原型的形成原理、結(jié)構(gòu)功能和演化規(guī)律等。隨著信息技術(shù)的迅猛發(fā)展，現(xiàn)在我們能夠收集和分析的數(shù)據(jù)規(guī)模遠(yuǎn)大于先前，復(fù)雜網(wǎng)絡(luò)可達(dá)數(shù)百萬(wàn)節(jié)點(diǎn)以及數(shù)十億連邊的級(jí)別[10]。網(wǎng)絡(luò)規(guī)模的變化勢(shì)必引起分析方法的改變，原本小型網(wǎng)絡(luò)中不存在的問題可能在大型網(wǎng)絡(luò)中出現(xiàn)，并且無(wú)法被原先僅適用于小型網(wǎng)絡(luò)的方法所解決。在大規(guī)模如上萬(wàn)節(jié)點(diǎn)的一個(gè)網(wǎng)絡(luò)中，隨意移除一兩個(gè)節(jié)點(diǎn)網(wǎng)絡(luò)整體可能并沒有什么變化，但究竟移除多少個(gè)頂點(diǎn)才會(huì)對(duì)網(wǎng)絡(luò)的連通性產(chǎn)生極大的影響呢？這樣的問題就具有非?，F(xiàn)實(shí)的意義[11]。近年來對(duì)大規(guī)模復(fù)雜網(wǎng)絡(luò)的定量與定性研究，尤其是幾個(gè)重要的特性。吸引子、小世界、無(wú)標(biāo)度等的研究，已成為當(dāng)代科學(xué)研究中極其重要的挑戰(zhàn)性問題之一[12]。

12圖論在中醫(yī)藥研究中的應(yīng)用

作為一項(xiàng)通用性的分析技術(shù)，使用圖論研究的中醫(yī)問題也十分豐富，例如佟旭[13]提出的基于復(fù)雜網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)算法的特征選擇，能有效提取出對(duì)證型代表性強(qiáng)且區(qū)分度高的典型特征組合，所得出的多種建模策略可勝任糖尿病腎病多證型分類任務(wù)，類似模型也適用于中醫(yī)藥領(lǐng)域具有高維度、稀疏性和非線性特點(diǎn)的其他數(shù)據(jù)和類似問題的建模研究。而在針灸領(lǐng)域，圖論更廣泛地應(yīng)用于觀測(cè)針刺特定穴位后腦功能的改變數(shù)據(jù)分析，如付彩紅[14]應(yīng)用獨(dú)立成分分析提取靜息態(tài)多個(gè)腦功能網(wǎng)絡(luò)，并通過比較分析中風(fēng)偏癱患者和健康受試者腦網(wǎng)絡(luò)內(nèi)的功能連接的特點(diǎn)，探討中風(fēng)偏癱患者腦功能網(wǎng)絡(luò)變化的異常特征。在此基礎(chǔ)上，采用格蘭杰因果分析進(jìn)一步探討針刺對(duì)中風(fēng)偏癱多個(gè)腦網(wǎng)絡(luò)間的調(diào)節(jié)效應(yīng)。

13圖論研究的主要參數(shù)介紹

在圖論研究過程中，對(duì)于某一網(wǎng)絡(luò)的拓?fù)涮卣鞣治?，主要從最短路徑、平均路徑、網(wǎng)絡(luò)直徑、節(jié)點(diǎn)度、度分布、度中心性、介數(shù)中心性、聚集系數(shù)和特征向量等參數(shù)展開，下面本文就這些參數(shù)作簡(jiǎn)要介紹。

131最短路徑、平均路徑和網(wǎng)絡(luò)直徑

最短路徑是連接兩個(gè)節(jié)點(diǎn)的所有路徑中最小的路徑，在無(wú)權(quán)圖中就是最短路徑經(jīng)歷的邊數(shù)，表示為dij。網(wǎng)絡(luò)平均路徑為所有節(jié)點(diǎn)對(duì)之間距離的平均值，記為L(zhǎng)=avgij（dij）。網(wǎng)絡(luò)直徑為任意兩個(gè)節(jié)點(diǎn)距離的最大值，記為D=maxij（dij）?，F(xiàn)實(shí)世界中復(fù)雜網(wǎng)絡(luò)所涌現(xiàn)出來的重要特性，比如小世界現(xiàn)象和無(wú)標(biāo)度特性，都影響著病毒的傳播行為。探索復(fù)雜網(wǎng)絡(luò)上病毒的傳播行為，揭示蘊(yùn)藏其中的傳播規(guī)律，進(jìn)而發(fā)現(xiàn)影響病毒傳播的重要因素，對(duì)于提出相應(yīng)的預(yù)防，免疫和控制策略有著非常重要的現(xiàn)實(shí)意義[15]。

132節(jié)點(diǎn)度和度分布

網(wǎng)絡(luò)中節(jié)點(diǎn)i的度ki為節(jié)點(diǎn)i連接的邊的總數(shù)目，記為d（v）。所有節(jié)點(diǎn)i的度ki的平均值稱為網(wǎng)絡(luò)的平均度k，記為。網(wǎng)絡(luò)中節(jié)點(diǎn)的度分布用分布函數(shù)p（k）來表示，其含義為任意選擇的某一節(jié)點(diǎn)恰好有k條邊的概率，也等于網(wǎng)絡(luò)中度數(shù)為k的節(jié)點(diǎn)的個(gè)數(shù)占網(wǎng)絡(luò)中節(jié)點(diǎn)總個(gè)數(shù)的比值。

133度中心性和介數(shù)中心性

中心性反映了成員在網(wǎng)絡(luò)中所處的地位和權(quán)利影響，分為度中心性和介數(shù)中心性。前者反映了節(jié)點(diǎn)與其他節(jié)點(diǎn)存在直接聯(lián)系，以節(jié)點(diǎn)度大小作為衡量標(biāo)準(zhǔn)；而介數(shù)中心性則反映節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)之間聯(lián)系的控制作用，用經(jīng)過節(jié)點(diǎn)的最短路徑來衡量[16]。呂永強(qiáng)等[15]用介數(shù)中心性刻畫北京交通流量，值越高，說明該交通節(jié)點(diǎn)的流量越高，對(duì)其他節(jié)點(diǎn)的影響越大，最終指出北京交通網(wǎng)絡(luò)的介數(shù)中心性高值區(qū)沿京港澳高速、京藏高速、機(jī)場(chǎng)高速等和二環(huán)、三環(huán)、四環(huán)分布，得出這些道路內(nèi)部的交通流量大、通勤度較高，能夠吸引人口、產(chǎn)業(yè)集聚的結(jié)論[17]。這就是圖論在真實(shí)世界中的實(shí)際運(yùn)用。

134聚集系數(shù)

聚集系數(shù)表示一個(gè)圖中節(jié)點(diǎn)聚集的程度，在現(xiàn)實(shí)網(wǎng)絡(luò)中，尤其是在特定的網(wǎng)絡(luò)中，由于相對(duì)高密度連接點(diǎn)的關(guān)系，節(jié)點(diǎn)總是趨向于建立一組嚴(yán)密的組織關(guān)系。在現(xiàn)實(shí)世界的網(wǎng)絡(luò)，這種可能性往往比兩個(gè)節(jié)點(diǎn)之間隨機(jī)設(shè)立了一個(gè)連接的平均概率更大。節(jié)點(diǎn)i的聚集系數(shù)定義為Ci=2Mid（vi）（d（vi）-1），其中d（vi）為節(jié)點(diǎn)i的度，Mi為與節(jié)點(diǎn)i實(shí)際相連的邊數(shù)。

135特征向量

節(jié)點(diǎn)的重要性除了與連接的邊數(shù)有關(guān)，還與連接節(jié)點(diǎn)本身的重要性有關(guān)，一個(gè)節(jié)點(diǎn)可通過連接重要的節(jié)點(diǎn)從而提高本身在網(wǎng)絡(luò)中的重要性，特征向量就是刻畫與節(jié)點(diǎn)相連接的節(jié)點(diǎn)與邊的影響。λ1，λ2，λ3…，λN表示網(wǎng)絡(luò)的鄰接矩陣A的N個(gè)特征值，設(shè)λ是鄰接矩陣A的主特征值，特征向量為e=[e1，e2，e3…，eN]T，λei=Nj-1aijej，i=1，…，n，那么節(jié)點(diǎn)vi的特征向量指標(biāo)可定義為：Ce（vi）=λ-1Nj-1aijej[19]。

2針灸腧穴主治網(wǎng)絡(luò)的小世界特征

我們團(tuán)隊(duì)提取《經(jīng)絡(luò)腧穴學(xué)》及《針灸甲乙經(jīng)》書中的“穴名”和“主治”2個(gè)元素進(jìn)行的經(jīng)脈系統(tǒng)的數(shù)學(xué)建模。其基本原理為：穴位間根據(jù)相同主治進(jìn)行連邊，如勞宮穴與涌泉穴的共同主治證候之一為中暑，則形成一條連邊。根據(jù)這一原則構(gòu)建的腧穴主治網(wǎng)絡(luò)，在未標(biāo)定網(wǎng)絡(luò)經(jīng)穴連線方向（即構(gòu)建無(wú)向網(wǎng)絡(luò)）的情況下，計(jì)算出《經(jīng)絡(luò)腧穴學(xué)》中穴癥網(wǎng)絡(luò)平均聚類系數(shù)為0643，而相同條件下，節(jié)點(diǎn)數(shù)362個(gè)，連線率5%的隨機(jī)網(wǎng)絡(luò)的平均聚類系數(shù)為0026[19]。經(jīng)穴主治復(fù)雜網(wǎng)絡(luò)的高聚類系數(shù)是同規(guī)模隨機(jī)網(wǎng)絡(luò)的24倍，體現(xiàn)了高度的聚類特性。同理所得，《針灸甲乙經(jīng)》穴癥網(wǎng)絡(luò)平均聚類系數(shù)為0709，同樣條件下，節(jié)點(diǎn)數(shù)306個(gè)，連線率5%的隨機(jī)網(wǎng)絡(luò)的平均聚類系數(shù)為0022。這一組研究成果的具體分析已經(jīng)發(fā)表[2021]，后續(xù)的分析和編程均基于以上研究成果。

3編程思路

31模塊度的意義

典型的大型網(wǎng)絡(luò)如社交網(wǎng)絡(luò)、移動(dòng)電話網(wǎng)絡(luò)等，規(guī)?？蛇_(dá)數(shù)百萬(wàn)甚至數(shù)十億。傳統(tǒng)算法難以勝任對(duì)整個(gè)網(wǎng)絡(luò)的分析挖掘，學(xué)者提出的一個(gè)可能的方法是將網(wǎng)絡(luò)提取出由一些高度連接的節(jié)點(diǎn)構(gòu)成的子網(wǎng)絡(luò)（或社區(qū)）[22]。識(shí)別這些社區(qū)的意義重大，有利于發(fā)現(xiàn)未知的功能模塊。

社區(qū)劃分的目標(biāo)是使得劃分后的社區(qū)內(nèi)部節(jié)點(diǎn)間聯(lián)系較為緊密，而隸屬于不同社區(qū)的節(jié)點(diǎn)之間的聯(lián)系則較為稀疏。近年來，幾種不同的社區(qū)發(fā)現(xiàn)算法被提出，如分裂算法，掃描網(wǎng)絡(luò)試圖檢測(cè)并刪除不重要的連接邊，凝聚算法等分裂算法也在腧穴社區(qū)發(fā)現(xiàn)中得到了應(yīng)用[23]。

為了評(píng)價(jià)社區(qū)劃分的優(yōu)劣，Newman等提出了模塊度的概念[24]，用社區(qū)內(nèi)的連接數(shù)量與社區(qū)間的連接數(shù)量比較以衡量社區(qū)內(nèi)部的連接密度。帶權(quán)網(wǎng)絡(luò)中的模塊度定義如下：

Q=12 mi，j[Ai，j-kikj2 m]δ（ci，cj）（1）

其中，m=12i，jAi，j表示的是網(wǎng)絡(luò)中的所有的權(quán)重，Ai，j表示的是節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的權(quán)重，ki=jAi，j表示的是與頂點(diǎn)連接的邊的權(quán)重，ci表示的是頂點(diǎn)被分配到的社區(qū)，當(dāng)ci=cj時(shí)δ（ci，cj）函數(shù)為1，否則為0。

本文采用基于模塊度衡量社區(qū)優(yōu)劣的fast_unfolding算法對(duì)病癥腧穴網(wǎng)絡(luò)進(jìn)行社團(tuán)劃分。算法分為以下步驟：

1）網(wǎng)絡(luò)初始化：先將網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)劃分到一個(gè)單獨(dú)的社區(qū)中；

2）迭代計(jì)算：對(duì)于每個(gè)節(jié)點(diǎn)，嘗試將其劃分到與其相鄰的節(jié)點(diǎn)所屬的社區(qū)中，計(jì)算此時(shí)的模塊度Qnew并與此次劃分前的模塊度Q比較得到△Q，若△Q為正，則接受本次劃分，否則，拒絕本次劃分；

重復(fù)以上過程，直到模塊度Q值不能再增大為止；

3）重新構(gòu)造改圖：根據(jù)當(dāng)前社團(tuán)劃分情況，將同一社團(tuán)中的節(jié)點(diǎn)凝聚為一個(gè)節(jié)點(diǎn)并計(jì)算相應(yīng)邊的權(quán)重；

4）依次重復(fù)過程2）和3），直到該圖不再變化為止。

32Q峰值的計(jì)算

Q函數(shù)可真實(shí)反映網(wǎng)絡(luò)社團(tuán)化的程度，其計(jì)算公式如式（1）。在fast_unfolding算法迭代過程中，根據(jù)公式計(jì)算每次劃分后網(wǎng)絡(luò)的Q值整體呈上升趨勢(shì)，在前4 000次迭代過程中Q值迅速上升，在4 000到12 000次迭代過程中Q值上升速度略有減緩，在12 000次到20 000次迭代過程中，Q值上升速度進(jìn)一步減慢，20 000次迭代之后Q值逐漸趨于穩(wěn)定，并局部有振蕩。說明劃分結(jié)果趨于穩(wěn)定，Q值逐漸收斂，值得強(qiáng)調(diào)的是，fast_unfolding算法對(duì)不合理的劃分更加敏感，即在找到最理想的社團(tuán)劃分結(jié)果之前，算法嘗試不合理的社團(tuán)劃分會(huì)在Q值上體現(xiàn)地更加明顯，直觀的變化趨勢(shì)如圖1所示：

算法輸入為由腧穴癥狀組成的網(wǎng)絡(luò)，其中腧穴和癥狀作為節(jié)點(diǎn)，腧穴與癥狀的連接作為邊，部分迭代結(jié)果如圖2。

最終社團(tuán)劃分結(jié)果，由于節(jié)點(diǎn)較多，此處選擇度數(shù)大于7的節(jié)點(diǎn)給予顯示。見圖3。

4對(duì)針灸發(fā)展的意義

41對(duì)針灸臨床取穴具有指導(dǎo)意義

如今針灸臨床治療疾病，多有循經(jīng)取穴，通過“經(jīng)絡(luò)理論”進(jìn)行歸經(jīng)和主治整理，弱化了對(duì)穴位本身治療作用的考慮，也是由于“經(jīng)絡(luò)理論”，可能放大了不同經(jīng)穴位的差異，例如便秘，多考慮從手陽(yáng)明大腸經(jīng)，足陽(yáng)明胃經(jīng)等進(jìn)行取穴，而臨床多使用手少陽(yáng)三焦經(jīng)上支溝穴。通過穴癥的小世界網(wǎng)絡(luò)，可使臨床取穴更加簡(jiǎn)潔高效，使用最少的穴位，達(dá)到最高的療效，組成“性價(jià)比高”的針灸處方。

42發(fā)展現(xiàn)代針灸

基于圖論的智能針灸配穴系統(tǒng)順應(yīng)了數(shù)字經(jīng)絡(luò)智能針灸機(jī)器人的思維方式，從而使機(jī)器人理解經(jīng)絡(luò)，能夠使其在得到癥狀后快速取穴，以發(fā)展現(xiàn)代針灸事業(yè)。根據(jù)“小世界效應(yīng)”與“涌現(xiàn)計(jì)算”構(gòu)建經(jīng)穴主治定量分析模型，經(jīng)由一系列數(shù)據(jù)挖掘的算法分析，穴癥網(wǎng)絡(luò)具備高效的信息傳遞性，經(jīng)脈不是穴位間關(guān)系的唯一表達(dá)。為將此理論實(shí)體化，我們建立穴位主治網(wǎng)絡(luò)，并以此為基礎(chǔ)開發(fā)輔助選穴系統(tǒng)。軟件系統(tǒng)最主要的功能為識(shí)別用戶輸入癥狀組，經(jīng)由算法處理反饋給用戶一組治療對(duì)應(yīng)癥狀的有效穴位。見圖4、圖5。

5結(jié)語(yǔ)

隨著當(dāng)代醫(yī)學(xué)科學(xué)的迅猛發(fā)展，中醫(yī)學(xué)面臨著日趨嚴(yán)峻的挑戰(zhàn)和競(jìng)爭(zhēng)，中醫(yī)學(xué)要保持自身的魅力必須適應(yīng)時(shí)代的需要進(jìn)行發(fā)展與創(chuàng)新。創(chuàng)新是人類發(fā)展的不竭動(dòng)力，是民族凝聚力和創(chuàng)造力的具體表現(xiàn)，同時(shí)也是對(duì)傳統(tǒng)的繼承與發(fā)揚(yáng)。在國(guó)家創(chuàng)新體系中，高校學(xué)生處于創(chuàng)新鏈條的前端，是知識(shí)創(chuàng)新和技術(shù)創(chuàng)新的引領(lǐng)者和開拓者。

使用針灸機(jī)器人進(jìn)行針灸科學(xué)研究是一個(gè)全新的設(shè)想，存在以下問題：1）初創(chuàng)成本較高：初級(jí)版機(jī)器人治療范圍局限，但功能有限，實(shí)現(xiàn)全身穴位自動(dòng)化定位和針刺的升級(jí)產(chǎn)品成本會(huì)進(jìn)一步增加；2）行業(yè)標(biāo)準(zhǔn)空白：針刺治療屬于介入性手段，國(guó)內(nèi)尚無(wú)配套醫(yī)療行業(yè)標(biāo)準(zhǔn)；3）安全措施有限：需按受體皮脂厚度等因素制定更詳細(xì)的個(gè)體化針刺程序，增加超聲傳感器、力學(xué)傳感器等提高自動(dòng)針刺的安全性。因此，短期內(nèi)其主要應(yīng)用方向是針刺研究中的實(shí)驗(yàn)動(dòng)物。此外，值得思考的是，針刺的刺激是否能夠簡(jiǎn)化為單純的物理刺激？機(jī)器人針刺和人工針刺在“治神”等方面的區(qū)別是否能夠證明針刺的非物理作用？這些都是今后研究中需要進(jìn)一步探討的問題。而使用圖論進(jìn)行智能選穴的設(shè)想正式針灸機(jī)器人的核心組件之一，我們希望類似的研究能對(duì)中醫(yī)現(xiàn)代化的事業(yè)盡一份綿薄之力。

參考文獻(xiàn)

[1]黃欣榮，鐘平玉，馬綱.人工智能與中醫(yī)智能化[J].中醫(yī)雜志，2017，58（24）：20762079，2106.

[2]Kermany DS，Goldbaum M，Cai W，et al.Identifying Medical Diagnoses and Treatable Diseases by ImageBased Deep Learning[J].Cell，2018，172（5）：11221131.e9.

[3]任玉蘭，梁繁榮，吳曦，等.基于數(shù)據(jù)挖掘的針灸臨床循證決策支持系統(tǒng)研究[J].中華中醫(yī)藥雜志，2011，26（4）：795797.

[4]蔣培.基于超文本知識(shí)庫(kù)的模糊針灸專家系統(tǒng)[D].合肥：合肥工業(yè)大學(xué)，1997.

[5]劉精精.基于人工智能算法的腧穴配伍規(guī)律的研究[D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2016.

[6]趙凌，任玉蘭，余毓如，等.基于數(shù)據(jù)挖掘技術(shù)分析古代針灸治療偏頭痛的經(jīng)穴特點(diǎn)[J].中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2008，14（10）：774776.

[7]張欣.公交網(wǎng)絡(luò)的復(fù)雜性研究[D].大連：大連理工大學(xué)，2006.

[8]喬赫元.基于復(fù)雜網(wǎng)絡(luò)的腦功能研究與分析[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2011.

[9]梁夏，王金輝，賀永等.人腦連接組研究：腦結(jié)構(gòu)網(wǎng)絡(luò)和腦功能網(wǎng)絡(luò)[J].科學(xué)通報(bào)，2010，55（16）：15651583.

[10]張文波.Internet宏觀拓?fù)浣Y(jié)構(gòu)的生命特征研究[D].沈陽(yáng)：東北大學(xué)，2006.

[11]錢學(xué)森，于景元，戴汝為.一個(gè)科學(xué)新領(lǐng)域——開放的復(fù)雜巨系統(tǒng)及其方法論[J].自然雜志，1990，13（1）：3.

[12]方錦清，汪小帆，劉曾榮.略論復(fù)雜性問題和非線性復(fù)雜網(wǎng)絡(luò)系統(tǒng)的研究[J].科技導(dǎo)報(bào)，2004，6（2）：1517.

[13]佟旭.基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D].北京：北京中醫(yī)藥大學(xué)，2016.

[14]付彩紅.針刺陽(yáng)陵泉對(duì)中風(fēng)偏癱靜息腦網(wǎng)絡(luò)響應(yīng)特征的多元Granger因果分析研究[D].北京：北京中醫(yī)藥大學(xué)，2016.

[15]呂永強(qiáng)，鄭新奇，周麟.路網(wǎng)中心性與城市功能用地空間分布相關(guān)性研究——以北京城市中心區(qū)為例[J].地理研究，2017，36（7）：13531363.

[16]熊云艷.復(fù)雜網(wǎng)絡(luò)的某些性質(zhì)研究及其應(yīng)用[D].廣州：華南理工大學(xué)，2016.

[17]Fortunato S，Castellano C.Community structure in graphs[J].Encyclopedia of Complexity & Systems Science，2007：490512.

[18]孫天曉.基于復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)劃分的面癱腧穴配伍規(guī)律研究[D].成都：成都中醫(yī)藥大學(xué)，2016.

[19]Newman ME，Park J.Why social networks are different from other types of networks[J].Phys Rev E Stat Nonlin Soft Matter Phys，2003，68（3 Pt 2）：036122.Epub 2003 Sep 22.

[20]劉濤，陳忠，陳曉榮.復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用研究概述[J].系統(tǒng)工程，2005，23（6）：17.

[21]鐘琦，汪克夷.基于社會(huì)網(wǎng)絡(luò)分析法的組織知識(shí)網(wǎng)絡(luò)及實(shí)例研究[J].科技管理研究，2009，29（4）：211214.

[22]黃鑫.復(fù)雜網(wǎng)絡(luò)上計(jì)算機(jī)病毒傳播研究[D].沈陽(yáng)：遼寧工程技術(shù)大學(xué)，2011.

[23]Latapy M.Mainmemory triangle computations for very large（sparse（powerlaw））graphs[J].Theor Comput Sci，2008，407（13）：458473.

[24]徐天成，李詩(shī)園，徐先紅，等.基于穴癥關(guān)系的經(jīng)脈拓?fù)淠Ｐ投垦芯縖J].中國(guó)針灸，2017，37（11）：12291232.

（2018-03-28收稿責(zé)任編輯：楊覺雄）