，

大肠癌是常见的消化道恶性肿瘤，包括结肠癌和直肠癌。近年来，随着人们生活方式和生活环境的改变，大肠癌在我国的发病率和死亡率呈现快速上升的趋势[1]。大肠癌属本虚标实之证，既有脏腑气血亏虚，又有气滞、血瘀、痰凝、湿毒等标实的情况[2]。目前中医证候诊断标准存在证名不统一、证型的诊断标准没有考虑到疾病的影响，构成证的基本元素模糊不清，标准制定主要依据中医理论、文献及专家咨询带有很大主观成分等诸多问题，而临床上病例往往诸证夹杂，临床医师治疗经验不同，很难统一“标准”，“标准”在临床实践上也难以应用实施[3]。因此，利用计算机技术对中医药信息进行规范化的研究十分必要。

随着人工智能的发展，神经网络技术也不断成熟。由于其分类能力强且具有智能性，人工神经网络在医学诊断、预后、生存分析、临床决策支持、模式识别等领域得到广泛应用[4]。而BP(Back Propagation)算法是基于梯度下降的，自身的缺陷也不可避免。如网络权值和阈值随机设定，当解空间多个局部极小时容易陷入局部极小而无法跳出[5]。此外，网络输出自变量之间多数情况下并非独立而存在冗余信息，会导致网络训练陷入过拟合状态且延长建模时间。本文针对传统BP算法用于分类建模时的缺陷，拟采用遗传算法(Genetic Algorithm，GA)优化后的GABP(Genetic Algorithm Back Propagation)模型构建大肠癌的虚实证型分类器，以期促进对大肠癌虚实证型分类的统一标准研究。通过对优化后的神经网络进行前后对比分析，提升大肠癌分类器的有效识别能力，对制定大肠癌中医临床诊断标准具有指导意义。……