中医证候分类是对不同个体生病期间整体功能状态分类的方法,是中医临床诊断疾病的主要辨证基础,也是中医辨证论治的主要依据。然而,中医证候分类的科学性一直没有得到足够的发展,甚至受到些许质疑,究其原因主要是没有找到合适的途径和方法,得到合适的公众认可的科学数据来支持中医证候分类。中医证候分类是通过分析各种临床症状得出中医证候的过程,可以将此过程看作是一个非线性映射过程,人工智能的发展为中医证候分类提供了一种新的可能。人工神经网络(artificial neutral network,ANN)是一种人工模拟生物神经系统构建的新型智能信息处理系统,能实现非线性映射功能,所以可以应用于对临床症状进行中医证候分类。本文以《中医诊断学》的中篇辨证为基础,以其中的125种证候及1084种临床症状为数据依据,并将125种中医证候根据中医辨证原理分为六类:八纲辨证、脏腑辨证、病性辨证、六经辨证、卫气营血辨证以及三焦辨证。每种中医证候的临床症状分为主症与辅症,然后将辅症按1-7种进行组合,每种组合与主症构成中医证候的所有症状,共有960,590行数据。将所得数据进行归一量化,然后通过人工神经网络算法训练数据,输入为1至1084,代表1084种临床症状,输出为1至125,代表125种中医证候。训练结果,在CPU环境下训练临床症状数据的正确率为1.1%,时间为10天以上,其中设置隐层为1层,隐层节点为200-300不等,激活函数为Sigmoid函数。在GPU环境下分别训练六类辨证临床症状数据的正确率均在98%以上,时间缩短至10分钟以内,比在CPU环境下速度快千倍以上,其中设置隐层为2层,每层100个节点,激活函数为ReLU函数。将训练好的网络,运用C#设计界面并调用,输入临床症状,便会预测不同辨证下的中医证候。