Design and implementation of an AI‑empowered informationized storage and retrieval system for traditional Chinese medicine standards

Xing Ke; Chen Liming; Wu Mengjie; He Xinru; Wu Yang; Gao Qihua; Li Jing; Sang Zhen

doi:10.16305/j.1007-1334.2026.z20251126007

您当前的位置：

首页 >

文章列表页 >

Design and implementation of an AI‑empowered informationized storage and retrieval system for traditional Chinese medicine standards

更新时间：2026-08-03

- Design and implementation of an AI‑empowered informationized storage and retrieval system for traditional Chinese medicine standards
- Shanghai Journal of Traditional Chinese Medicine Vol. 60, Issue 8, Pages: 1-9(2026)
- 作者机构：
  
  1.上海超级计算中心（上海 201203）
  2.上海中医药大学（上海 201203）
  3.上海市中医药国际标准化研究院（上海 201203）
  4.上海复楚智能科技有限公司（上海 201203）
  5.上海中医药大学附属曙光医院（上海 200021）
- 作者简介：
- 基金信息：
- DOI：10.16305/j.1007-1334.2026.z20251126007
  CLC：
- Received：26 November 2025，
  
  Online First：03 August 2026，
  
  Published：10 August 2026
- 稿件说明：
移动端阅览
邢可,陈立铭,吴蒙捷,等.人工智能赋能的中医药标准信息化存储与检索系统设计与实现[J].上海中医药杂志,2026,60(8):1-9.

Xing Ke,Chen Liming,Wu Mengjie,et al.Design and implementation of an AI‑empowered informationized storage and retrieval system for traditional Chinese medicine standards[J].Shanghai Journal of Traditional Chinese Medicine,2026,60(8):1-9.
邢可,陈立铭,吴蒙捷,等.人工智能赋能的中医药标准信息化存储与检索系统设计与实现[J].上海中医药杂志,2026,60(8):1-9. DOI： 10.16305/j.1007-1334.2026.z20251126007.

Xing Ke,Chen Liming,Wu Mengjie,et al.Design and implementation of an AI‑empowered informationized storage and retrieval system for traditional Chinese medicine standards[J].Shanghai Journal of Traditional Chinese Medicine,2026,60(8):1-9. DOI： 10.16305/j.1007-1334.2026.z20251126007.

摘要

目的

构建一个基于人工智能的中医药标准信息处理管线，即中医药标准信息化存储与检索系统，实现中医药领域内标准文件的结构化读取、入库、检索，推动中医药标准体系化建设的智能化发展。

方法

从中医药标准文件的结构特征出发，采用MinerU等格式转换工具进行信息提取，创新性地建立包含印章去除、文件类型判别和并行解析的处理流程，采用基于有限状态机的标准主干提取方法，采用分层策略处理高度非结构化的领域专业内容。依托大语言模型（LLM），结合检索增强生成（RAG）技术及特定提示词实现标准数据的精准检索，并进行验证。

结果

研究构建的中医药标准信息化存储与检索系统可支持主流LLM对其进行RAG语义检索，利用包含中医药领域内的国家标准、地方标准、行业标准等400余条标准数据对系统进行验证，提出的文件格式转换算法、标准主干提取算法准确率均在95%以上。

结论

研究设计的中医药标准信息化存储与检索系统能够满足标准信息提取、入库、检索等全流程的信息化需求。

Abstract

Objective

To develop an artificial intelligence-based processing pipeline for traditional Chinese medicine （TCM） standard information， specifically， an informationized storage and retrieval system for TCM standards. This system aims to achieve structured extraction， database integration， and retrieval of TCM standard documents， thereby advancing the intelligent development of the TCM standardization system.

Methods

Based on the structural characteristics of TCM standard documents， information extraction was performed using format conversion tools such as MinerU. The research group innovatively established a processing flow that included seal removal， file type discrimination， and parallel parsing. It adopted a standard backbone extraction method based on finite state machines and a hierarchical strategy to handle highly unstructured domain-specific content. Leveraging large language model （LLM） combined with retrieval-augmented generation （RAG） and domain-specific prompt engineering， the system achieved precise retrieval of standard data， followed by rigorous validation.

Results

The developed system for TCM standards supports semantic retrieval via mainstream LLM using RAG. Validation was conducted using over 400 standards， including national， local， and industry standards within the TCM field. The proposed document format conversion and backbone extraction algorithms both achieved accuracy rates exceeding 95%.

Conclusion

The AI-driven storage and retrieval system designed in this study effectively meets full-process informatization requirements， ranging from information extraction and database entry to retrieval of TCM standards.

关键词

Keywords

references

李振吉，贺兴东，姜再增，等 . 对中医药国际标准化建设的战略思考［J］. 世界中医药， 2009 ， 4 （ 3 ）： 167 - 171 .

张盼，邓文萍，沈绍武，等 . 中医临床大数据知识工程标准体系构建研究［J］. 时珍国医国药， 2022 ， 33 （ 8 ）： 2048 - 2050 .

许吉，施毅，袁敏，等 . 中医药信息基础标准框架构建探索［J］. 中国中医药信息杂志， 2016 ， 23 （ 2 ）： 8 - 10 .

常凯，邓文萍 . 中医药信息化标准体系框架研究［J］. 医学信息学杂志， 2011 ， 32 （ 1 ）： 14 - 18 .

常凯 . 中医药信息化标准体系构建研究［D］. 武汉：湖北中医药大学， 2012 ： 2 - 8 .

李海燕 . 中医临床信息标准体系框架与体系表的构建研究［D］. 北京：中国中医科学院， 2012 ： 5 - 8 .

肖勇，田双桂，常凯，等 . 中医药信息标准体系建设的思考［C］//中国中医药信息学会. 第四届中国中医药信息大会论文集 . 北京：中国中医药信息学会， 2017 ： 205 - 208 .

王松，朱佳卿 . 中医药信息标准体系建设现状、问题与对策［C］//中国中医药信息学会. 第五届中国中医药信息大会——大数据标准化与智慧中医药论文集 . 成都：中国中医药信息学会， 2018 ： 201 - 208 .

张柯欣，石岩，曲超 . 中医临床术语标准数据库的设计研究［J］. 大众标准化， 2019 （ 8 ）： 27 - 29 .

李楠 . 中医儿科标准数据库建设研究［D］. 南京：南京中医药大学， 2011 ： 21 - 23 .

崔健骅，黎耕，赵永恒 . 中国古代天象记录数据库的设计与实现［J］. 天文研究与技术， 2023 ， 20 （ 2 ）： 179 - 188 .

田翠华，张一平，胡志钢，等 . PDF文档表格信息的识别与提取［J］. 厦门理工学院学报， 2020 ， 28 （ 3 ）： 70 - 76 .

唐锐，邓建新，叶志兴，等 . PDF文件的表格抽取研究综述［J］. 计算机应用与软件， 2021 ， 38 （ 7 ）： 1 - 7 .

于丰畅，陆伟 . 基于机器视觉的PDF学术文献结构识别［J］. 情报学报， 2019 ， 38 （ 4 ）： 384 - 390 .

常凯，肖勇，邓文萍，等 . “互联网+中医药”标准体系研究与思考［C］//中国中医药信息学会. 第五届中国中医药信息大会——大数据标准化与智慧中医药论文集 . 成都：中国中医药信息学会， 2018 ： 193 - 198 .

崔骥，许家佗 . 人工智能信息技术在中医四诊现代化研究中的应用现状与展望［J］. 上海中医药杂志， 2025 ， 59 （ 1 ）： 7 - 12 .

龚凡，刘波，沙航宇，等 . 基于大语言模型检索增强的中医“药食同源”饮食建议生成方法［J］. 上海中医药杂志， 2025 ， 59 （ 6 ）： 1 - 8 .

Nguyen T T H ， Jatowt A ， Coustaty M ， et al . Survey of post-OCR processing approaches ［J］. ACM Comput Surv ， 2021 ， 54 （ 6 ）： 124 .

Chauhan A . A review on various aspects of MongoDB databases ［J］. Int J Eng Res ， 2019 ， 8 （ 5 ）： 580 - 583 .

Shi W ， Tan H ， Kuang C ， et al . Pangu DeepDiver：adaptive search intensity scaling via Open-Web reinforcement learning ［PP/OL］. arXiv （ 2025-05-30 ）［ 2025-11-01 ］. https：//arxiv.org/abs/2505.24332 https://arxiv.org/abs/2505.24332 .

Wang B ， Xu C ， Zhao X ， et al . MinerU： An Open-Source Solution for Precise Document Content Extraction ［PP/OL］. arXiv （ 2024-09-27 ）［ 2025-11-01 ］. https：//arxiv.org/abs/2409.18839 https://arxiv.org/abs/2409.18839 .

Opendatalab . MinerU at release-2 . 1 . 7 ［EB/OL］.［ 2025-10-16 ］. https：//github.com/opendatalab/MinerU/tree/release-2.1.7 https://github.com/opendatalab/MinerU/tree/release-2.1.7 .

OpenCV . Release OpenCV 4.10.0·opencv/opencv ［EB/OL］. ［ 2025-10-16 ］. https：//github.com/opencv/opencv/releases/tag/4.10.0 https://github.com/opencv/opencv/releases/tag/4.10.0 .

OpenCV . cv：：Mat Class Reference ［EB/OL］. ［ 2025-10-16 ］. https：//docs.opencv.org/4.x/d3/d63/classcv_1_1Mat.html https://docs.opencv.org/4.x/d3/d63/classcv_1_1Mat.html .

OpenCV . Operations on arrays ［EB/OL］. ［ 2025-10-16 ］. https：//docs.opencv.org/4.x/d2/de8/group__core__array.html https://docs.opencv.org/4.x/d2/de8/group__core__array.html .

OpenCV . Image Thresholding ［EB/OL］. ［ 2025-10-16 ］. https：//docs.opencv.org/4.x/d7/d4d/tutorial_py_thresholding.html https://docs.opencv.org/4.x/d7/d4d/tutorial_py_thresholding.html .

Vaswani A ， Shazeer N ， Parmar N ， et al . Attention is all you need ［C］//Curran Associates. Advances in Neural Information Processing Systems . NY ： Curran Associates ， 2017 ： 1 - 11 .

曹启航，郑欣 . 面向RAG的文本分块语义连贯性检测方法研究［J］. 自动化应用， 2025 ， 66 （ 8 ）： 124 - 128 .

Salemi A ， Zamani H . Evaluating retrieval quality in retrieval-augmented generation ［C］//Association for Computing Machinery. Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval . NY ： Association for Computing Machinery ， 2024 ： 2395 - 2400 .

王菂，郑凯，王烽杰 . RAG技术在大语言模型时代的应用——以RAGFlow与水利行业应用为例［J］. 科技视界， 2025 ， 15 （ 23 ）： 72 - 75 .

Klesel M ， Wittmann H F . Retrieval-Augmented Generation （RAG）［J］. Bus Inf Syst Eng ， 2025 ， 67 （ 4 ）： 551 - 561 .

高雅奇 . 基于大语言模型和RAG技术的高校知识库智能问答系统构建与评价［J］. 电脑知识与技术， 2024 ， 20 （ 29 ）： 18 - 20 .

Lewis P ， Perez E ， Piktus A ， et al . Retrieval-augmented generation for knowledge-intensive NLP tasks ［C］//Neural Information Processing Systems Foundation. Advances in Neural Information Processing Systems . NY ： Curran Associates ， 2020 ： 9459 - 9474 .

MongoDB . 如何为向量搜索创建索引字段［EB/OL］. ［ 2025-10-17 ］. https：//www.mongodb.com/zh-cn/docs/atlas/atlas-vector-search/vector-search-type/#std-label-avs-types-vector-search https://www.mongodb.com/zh-cn/docs/atlas/atlas-vector-search/vector-search-type/#std-label-avs-types-vector-search .

Aumüller M ， Bernhardsson E ， Faithfull A . ANN-Benchmarks： A benchmarking tool for approximate nearest neighbor algorithms ［J］. Inf Syst ， 2020 ， 87 ： 101374 .

DeepSeek-AI ， Liu A ， Feng B ， et al . DeepSeek-V3 technical report ［PP/OL］. arXiv （ 2024-12-27 ）［ 2025-11-01 ］. https：//arxiv.org/abs/2412. 19437 https://arxiv.org/abs/2412.19437 .

Yang A ， Li A ， Yang B ， et al . Qwen3 technical report ［PP/OL］. arXiv （ 2025-05-14 ）［ 2025-11-01 ］. https：//arxiv.org/abs/2505.09388 https://arxiv.org/abs/2505.09388 .

肖勇，李智一，沈绍武，等 . 中医药信息标准数字化发展路径与策略思考［J］. 医学信息学杂志， 2025 ， 46 （ 4 ）： 40 - 44 .

刘嘉艺，赖鸿皓，潘蓓，等 . 生成式人工智能在中医药标准化研究中的应用前景与挑战［J］. 上海中医药杂志， 2025 ， 59 （ 4 ）： 1 - 7 .

Views

下载量

CSCD

CNKI被引量

Alert me when the article has been cited

提交

Tools

Publicity Resources

Systematic construction strategy for preclinical efficacy evaluation platform of Chinese materia medica compounds

Quantitative study on core pathogenesis of chronic heart failure in traditional Chinese medicine based on fuzzy cognitive maps

Development of diagnostic model for liver depression and spleen deficiency syndrome in colorectal cancer patients during chemotherapy based on machine learning

Construction of a predictive model for type 2 diabetes remission based on artificial intelligence integration of traditional Chinese medicine tongue manifestations， syndrome elements and Western medical indicators

Application of machine learning algorithms in screening of active components in Chinese materia medica

Related Author

Yao Yuqin

Wang Yu

Yang Yang

Ji Xinke

Zhao Yun

Zhang Xueqin

Li Ping

Wen Tiancai

Related Institution

Science and Technology Experimental Center， Shanghai University of Traditional Chinese Medicine

National Data Center of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences

Department of Cardiology， Beijing University of Chinese Medicine Third Affiliated Hospital

Department of Oncology， Cangzhou Hospital of Integrated Traditional Chinese and Western Medicine

Department of Oncology， Shuguang Hospital Affiliated to Shanghai University of Traditional Chinese Medicine

⁰