中医因其具有的独特优势在当代疾病医疗体系中发挥着不可替代的重要作用。传统中医的发展与人工智能技术的结合是时代所趋,是传统中医保持活力、可持续发展的新方式。然而,当前中医发展缺乏统一、规范、客观的标准,其防治疾病的临床疗效并不令人信服,智能中医发展的道路仍充满曲折。本文重点从中医望诊和中医辨证出发研究数字化中医发展的方式。（1）基于序列图像多特征融合的图像检测算法急性缺血性卒中是最普遍的脑卒中种类,有着发生率高、死亡率高和致残率高的特征。患者发病前症状不明显、发病急骤、溶栓治疗时间窗窄等问题导致其成为临床上的高危疾病。通过中医望诊中的脸部和手部图像,充分利用两种图像的颜色、纹理等特征以及二者之间的关系特征,提出一种基于序列自注意力网络的急性缺血性卒中辅助诊断方法。首先,通过对脸部和手部图片中山根和大鱼际处的感兴趣区域标注,抽取图像的颜色和纹理特征,将颜色特征与纹理特征进行特征融合使之和原始图像特性相结合,将所得的特征图序列化地输入到Transformer模块中,进一步地学习高层次的空间特征和注意力特征。在收集的急性缺血性卒中患者数据集上进行实验结果表明,提出的基于序列自注意力网络的方法取得了83.57%的准确率,取得了较好的性能。该方法采用端到端的学习方式,能够有效解决目前临床诊断因医疗资源的差异而受到影响的问题,对于初步判断患者疾病具有指导作用,为诊断急性缺血性卒中提供了一种新思路和新方法。（2）基于中医文本数据的智能辨证分类模型辨证论治是中医学中识别病情和诊断病症的根本原则,中医病历的电子化和人工智能技术的应用也促使了中医数字辨证研究成为一个新的趋势,目标是在中医学辨证原理的基础上,通过构建中医辩证过程的数字模型,并利用深度学习模型对患者的病情信息进行分类,最后获得辨证结论。本文提出一种以非结构化数据为主,利用预训练模型来进行六经辨证分类的方法。此外,采用中文预训练模型,使模型可以利用现有的大体量数据,首先,针对中文预训练模型泛化性不足,结合领域知识采用大量的无标签数据对预训练模型的矩阵向量进行优化,让模型对于六经辨证文本内容的理解更精准,减少通用模型带来的影响。其次,在不损失模型性能的前提下对Transformer模块提取公共特征,采用协作注意力机制进行压缩。最后,再通过校正优化器加快收敛速率,进而改善了模型性能。实验证明了该方案的有效性,在验证前三个步骤的有效性后进行消融试验,以证实该方法的性能。提出的基于协作多头注意力机制的进一步预训练BERT-wwm模型可以在一定程度上促进中医智能辨证的发展,更好地建立数字辨证模型,减少传统中医辨证中的主观性,提高诊疗的准确性并且促进中医智能辨证的发展。