本技术涉及中医药领域，尤其涉及中药安慰剂配色方案的确定以及安慰剂的制备。
背景技术：
1、本部分的陈述仅仅是为了提供与本技术的技术方案有关的背景信息，以帮助理解，其对于本技术的技术方案而言并不一定构成现有技术。
2、安慰剂是指表观和口感与真实药物相似，但不含药效活性成分且无毒副作用的受试药模拟制剂，通常被用作对照组或对照条件，在医学研究中用于比较受试制剂的疗效。在双盲临床试验实施过程中，安慰剂的模拟效果决定了临床试验实施过程是否存在破盲的可能性,从而影响整个临床试验的质量和药效评价的客观性与准确性。
3、随着中药新药的快速发展和临床中药新药的巨大增量需求，对中药有效性的评估越来越需要进行标准化临床试验。在中药新药临床试验中，使用安慰剂与中药新药进行对照试验，来反映药物的独立真实药效，且有助于评估其安全性，因此中药安慰剂在中药新药临床试验中有着至关重要的作用，其相似度直接影响着临床试验方案的有效性和可靠性，是确保临床试验顺利进行的关键环节。
4、视觉是受试者评价药物和安慰剂的首要感官依据。中药制剂可以是固体或液体形态，但通常都是以中药粉末为基础制成的，其颜色主要来源于中药本身的天然色素。为方便描述，下文的中药制剂均以中药粉末形式来进行说明，但应理解这仅是出于举例说明的目的，而非进行任何限制。在临床试验中，中药制剂和安慰剂的颜色模拟相似度是评判破盲的首要特征。受试者对药物和安慰剂的视觉感知可以直接影响他们对治疗效果的主观评价。提高中药安慰剂与其对应的药物在颜色上的近似程度，有助于保持试验的盲法状态，从而减少主观因素对试验结果的影响。这需要为将要进行临床试验的目标中药制剂准确地确定其对应的中药安慰剂的配色方案，才能在制备过程中确保二者在颜色上的相似度。
5、在目前中药安慰剂的制备过程中，通常需要依靠有经验的人员进行粗略的颜色估算，然后通过多次试色、比对和修正，逐渐接近预期的标准颜色，从而最终确定安慰剂的配色方案。然而，由于每个人的感知和判断存在差异，不同人员之间的主观评判差异度大，且存在偏差和误差的风险。在制备过程中，制造商可能需要多次尝试不同的配方和比例，然后将制备好的样品与预期的标准颜色进行比对，再根据比对结果进行调整和修正。这种反复试错的过程耗费了大量的时间和资源，并且仍可能存在着无法完全避免的误差和偏差。对此，已经有研究者尝试利用计算机配色技术实现对中药安慰剂颜色的模拟，尽量避免人为主观因素的干扰，在一定程度上缩短了配色周期，改善了配色效率，但是配色准确度还有待提高。
技术实现思路
1、随着大数据、人工智能技术的快速发展，发明人在研究中还尝试利用在大规模训练数据集上训练的配色预测模型来改善配色准确度。该配色预测模型的输入为目标中药制剂的颜色信息，输出为与目标中药制剂对应的安慰剂的配色方案。该配色方案例如可包括构成安慰剂的颜色成分及其占比。这样的配色预测模型可以是在大量安慰剂样本的基础上训练而得到的。每个安慰剂样本可包括安慰剂的颜色信息和安慰剂的颜色成分及其占比。在训练过程中，每个样本中安慰剂的颜色信息作为输入提供给配色预测模型，而每个样本中安慰剂的各颜色成分及其占比作为样本标签，用于与配色预测模型的输出结果进行对比，计算相应损失函数，以调整该配色预测模型的相关参数。
2、然而，发明人在经过多次实验和测试后发现，这种直接利用机器学习模型对中药安慰剂配色方案进行预测的方式与上文提到的利用计算机配色技术对中药安慰剂颜色进行模拟的方案的效果是类似的，虽然在一定程度上缩短了配色周期，改善了配色效率，但是配色准确度并没有得到真正的改善，因此利用这样预测的配色方案所制备的安慰剂与其对应药物之间的色差还是难以达到临床试验的要求，由此尚缺乏实用性和推广价值。
3、本技术的目的是提供新的解决方案来为目标中药制剂快速、准确地确定其安慰剂的配色方案，不仅能提高配色效率，还可以提高配色准确度。
4、发明人在研究和实践中发现现有的计算机配色方案往往只用红黄蓝三原色，通过这三种原色按照一定比例进行混合可以调配出所有其他颜色。然而中药配色有其特殊性，中药制剂的颜色绝大部分是棕褐色系，不同中药制剂在视觉上的差异更多是棕色色系深浅上的微小变化，而现有这种三原色方案很难满足中药配色精细化调节的需求。因此，在本技术的实施例中采用了四色体系来构建配色方案，在红黄蓝三原色的基础了添加了用于调整明暗度的底色，以实现对颜色深浅的精准调节，从而能更精确地实现所需的色调和颜色效果。该底色可以是选自棕色或褐色色系的其中一种具体颜色。
5、根据本技术实施例的第一方面，提供了一种用于确定中药安慰剂配色方案的方法，其包括：从目标中药制剂的图像中提取颜色信息；将所提取的颜色信息提供至预先训练的中药颜色聚类模型，以确定所述目标中药制剂对应的聚类簇；根据所确定的聚类簇从预先训练的多个配色预测模型中选择与该聚类簇对应的配色预测模型；以及将所提取的颜色信息提供至所选择的配色预测模型，以确定与所述目标中药制剂相对应的安慰剂的配色方案。
6、可以看出，与先前提到的利用单一机器学习模型进行预测的方式不同，本技术的方案先利用聚类模型将现有中药制剂的各种颜色由浅至深切分成多个颜色的聚类簇，并基于该聚类模型将安慰剂样本集也划分成多个子训练集，从而对于各个聚类簇分别训练相应配色预测，由此不仅能提高配色效率，还有效改善了配色准确度。
7、在一些实施例中，该方法还可包括：针对预先训练的中药颜色聚类模型的各个聚类簇，基于包含多个中药安慰剂样本的训练集分别训练与各个聚类簇对应的配色预测模型。
8、在一些实施例中，每个中药安慰剂样本可以包括中药安慰剂的颜色信息和配色方案，以及其中所述多个配色预测模型可以是通过下列步骤来训练的：根据训练集中每个中药安慰剂样本的颜色信息，利用预先训练的中药颜色聚类模型来确定每个中药安慰剂样本对应的聚类簇；利用对应同一聚类簇的所有中药安慰剂样本构建该聚类簇的子训练集；以及基于所构建的各个聚类簇的子训练集分别训练与各聚类簇对应的配色预测模型，每个配色预测模型以中药安慰剂样本的颜色信息为输入，输出的是针对输入的中药安慰剂样本的配色方案预测。
9、在一些实施例中，每个聚类簇对应的配色预测模型可以是通过下面的步骤训练的：将该聚类簇对应的子训练集划分为训练数据集和测试集；利用同一训练数据集分别训练采用不同模型结构的多种配色预测模型；基于测试集评估所训练的多种配色预测模型的性能，并选择其中性能最佳的配色预测模型作为与该聚类簇对应的配色预测模型。
10、在一些实施例中，安慰剂的配色方案至少可包括构成安慰剂的颜色成分及其占比。
11、在一些实施例中，所述配色方案至少可包括四种颜色成分，即三原色和底色，其中所述底色用于调整明暗度。
12、在一些实施例中，所述中药颜色聚类模型可以为k-均值聚类模型，其可以是通过下面的步骤训练的：采集现有各种中药制剂的图像并提取颜色信息；以所提取的中药制剂的颜色信息构建聚类样本集；对于预设的多个聚类数量中的每个聚类数量，采用k-均值算法对所述聚类样本集进行聚类；以及计算各聚类数量对应的各个聚类结果的轮廓系数，以具有最大轮廓系数的聚类结果对应的k-均值模型作为中药颜色聚类模型。
13、在一些实施例中，训练中药颜色聚类模型的步骤还可包括：采集新出品的各种中药制剂的图像并提取颜色信息；利用所提取的各种新出品的中药制剂的颜色信息来更新聚类样本集；以及响应于聚类样本集的更新，重新训练所述中药颜色聚类模型。这样，随着中药制剂样本集的不断更新，所训练的中药颜色聚类模型也可以不断扩充，涵盖更广泛的颜色数据，使得本技术的方案更具可扩展性和适应性。
14、根据本技术实施例的第二方面，提供了一种用于制备中药安慰剂的方法，包括：采集目标中药制剂的图像；基于所采集的图像，使用根据本技术实施例的第一方面所述的方法确定与所述目标中药制剂相对应的安慰剂的配色方案；根据所确定的配色方案来制备与所述目标中药制剂相对应的安慰剂。
15、根据本技术实施例的第三方面，提供了一种用于确定中药安慰剂配色方案的设备，其包括色值提取模块、模型选择模块和配色模块。其中，色值提取模块用于从目标中药制剂的图像中提取颜色信息。模型选择模块用于将所提取的颜色信息提供至预先训练的中药颜色聚类模型，以确定所述目标中药制剂对应的聚类簇，以及根据所确定的聚类簇从预先训练的多个配色预测模型中选择与该聚类簇对应的配色预测模型。配色模块用于将所提取的颜色信息提供至所选择的配色预测模型，以确定与所述目标中药制剂相对应的安慰剂的配色方案。
16、根据本技术实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机指令，所述计算机指令被处理器执行时实现根据本技术实施例的第一方面所述的方法的步骤。
17、根据本技术实施例的第五方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现根据本技术实施例的第一方面所述的方法的步骤。
18、根据本技术实施例的第六方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现根据本技术实施例的第一方面所述的方法的步骤。
19、本技术实施例的技术方案可以包括以下有益效果：
20、先利用中药制剂样本集训练得到中药颜色聚类模型，然后利用安慰剂样本集为该中药颜色聚类模型的各个聚类簇分别训练配色预测模型，最终通过这两种不同类型的模型共同配合来实现安慰剂配色方案的预测，由此不仅能提高配色效率，还提高了配色准确度，能满足中药配色精细化调节的需求。按照所预测的配色方案制备的安慰剂与其对应药物的颜色相似度完全能够满足中药临床试验的要求，具有很高的实用性和推广价值。并且，本技术的方案并不局限于具体中药类别，不仅对现有各种中药制剂有全面和广泛的适应性，而且还具有良好的可扩展性，可以兼容新出品的中药。
21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
1.一种用于确定中药安慰剂配色方案的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，还包括：针对预先训练的中药颜色聚类模型的各个聚类簇，基于包含多个中药安慰剂样本的训练集分别训练与各个聚类簇对应的配色预测模型。
3.根据权利要求2所述的方法，其特征在于，每个中药安慰剂样本包括中药安慰剂的颜色信息和配色方案，以及其中所述多个配色预测模型是通过下列步骤来训练的：
4.根据权利要求3所述的方法，其特征在于，每个聚类簇对应的配色预测模型是通过下面的步骤训练的：
5.根据权利要求1-4中任一项所述的方法，其特征在于，安慰剂的配色方案至少包括构成安慰剂的颜色成分及其占比。
6.根据权利要求5所述的方法，其特征在于，所述配色方案至少包括四种颜色成分，即三原色和底色，其中所述底色用于调整明暗度。
7.根据权利要求1-4中任一项所述的方法，其特征在于，所述中药颜色聚类模型为k-均值聚类模型，其是通过下面的步骤训练的：
8.根据权利要求7所述的方法，其特征在于，训练中药颜色聚类模型的步骤还包括：
9.一种用于制备中药安慰剂的方法，其特征在于，包括：
10.一种用于确定中药安慰剂配色方案的设备，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8中任一项所述的方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-8中任一项所述的方法的步骤。
12.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-8中任一项所述的方法的步骤。
