医学诊断，我目前的理解是根据大脑记忆的序列匹配，再根据现实的经验不断调整各种可能诊断的优先度。当然由于现实都是多病征病症的耦合，可能有一定的博弈达成的均衡，即不典型症状，此时我们就要将网络做一定的分解，在逐级治疗了。这个有对症治疗和对因治疗，都是网络的路径选择。
诊断其实是根据有限的信息来推导整体网络的状态，如同欧几里得几何体系的构建。但现实总是有种种原因使得有效的本征信息被掩盖或者没有被重视。因此我们只能选择保守的广谱疗法，视病情的不断发展最终确定真正的本征。
免疫系统的感染可能在层次的耦合中不断扩散其影响。
医学诊断就是要挑战不可能。因为可能的逻辑是高维的，可能会把看似不关联的独立事件联系起来，这是还原论思维对网络分解之后的重新组合
由于相似性的存在，逻辑推导的方向可能出现错误，最后是差之毫厘，谬之千里。这往往也是如今的误诊的一个重要的原因。需要建立更加高维的结构才能避免，如层次的相对比例。因为对于独特的病人来说，一切低概率的事件都可能是已经发生的。如炎症导致的症状与癌症的症状有一定的相似性。
次级的效应可能都是真正的本征，对最终疾病的诊断即层次的博弈结果有很大的影响
心电图就是一个网络式的机体网络的投影，其余机体的不同部位的导联所测量出的波就是一种量化，我们可以重新组合形成真实的网络。如传导系统。
本质上是对机体网络的周期的一个模拟，即记录心动周期的伴随的电活动。
心脏的特异性结构：窦房结，房室结，浦肯野纤维等等是本征。P波，QRS波群，T波是一种周期性的描绘，即心动周期的信号的分别激活（心脏除极，复极）
对细胞电位变化的测量，多层次的耦合（细胞组织器官）的信息提取，是对离子流的变化的整体描述（也是网络式的运动：0位相去极化，Na+内流，-90~+30mv1位相快速复极，K+外流，Cl-内流，30~0mv2位相缓慢复极，Ca+缓慢内流，K+外流，0mv左右3位相快速复极末期，K+快速外流4位相静止期，钠泵Na+、Ca+、Cl-外运、K+内运，恢复细胞内外的离子浓度。是动态的竞争）
心肌细胞电位图与体表心电图的关系图是细胞的微观层次和组织的宏观层次的关系，如同粒子的运动是无限的，但在整体可以体现出宏观的性质，即分布函数
电偶学说：将测量理想化到点电荷的相互作用F=KQ1Q2/R^2.（与心肌细胞的数量（心肌厚度）；探查电极的位置和心肌细胞距离的平方成反比。与探查电极方向和心脏去极的方向所构成的角度有关，角度越大电位越小。）
心电向量环：由一个心动周期中循序出现的瞬间综合心电向量的顶端连线所构成的环状轨迹，是网络的不同维度的投影，心电图是立体心向量环经过两次投影而形成的。
我们将简单的疾病的表现记录下来作为一种经典的特征：心绞痛，左右心室肥大，供血不足等等。等到具体到临床的复杂情境可以视为网络的组合表达
心律失常是网络的特定组合不符合特定模式：1.停博arrest2.逸博escape3.逸博心律和加速性逸博心律4.正常normal5.心动过速tachycardia6.扑动flutter7.颤动fibrilation。需要特定的稳态。
舌诊就是机体网络的特征体现，特定的网络变化可能把本征体现于特定的部位。如胆结石可能导致舌体的水肿。值得注意的是我们的两侧身体可以看作比较独立的模块。这与胚胎的发育过程相关。
这与中医的宏观唯象医学相关，都是网络的选择性表达“有诸内，必行诸外”
五脏是相对独立的层次，其组合可以形成网络。如同五行是宏观的象
拿计算机的各种优化算法来管理疾病（视为数据搭配出现问题）
可以拿数据库来模拟机体网络，其中数据就是现实世界的关系，预示我们采取一定的数据结构来减少整体的数据冗余，即相对独立的层次。其中数据库最重要的关系。接下来就是关系的运算。
数据结构以类的形式表示
集合论就是数据库的数学基础；谓语逻辑体系是一种模仿现实的运算体系。
数据的存储和调用（人的记忆和经验积累），模式的形成和我们可以理解的逻辑结构相关。
层次和层次之间的映射；分布式的结构使得网络具有相对稳定的状态。
关系的提取就是集合之间的笛卡尔积的选择性表达，即子集。即集合之间的乘积形成一定的矩阵，不同维度的投影是垂直的，选择性表达是不同比例的表达。
集合论的交集，并集，补集等等是简单的加减乘除；然后如何引入微积分，即对矩阵元（矩阵的子矩阵），需要建立高维的函数结构（高维的加减等于低维的积分）
泰勒级数分解，傅里叶级数，用于层次
关系有一定的方向性
数据的学习的基本原理是通过概率的处理和排序，这是大规模的数据运算。网络的聚类是概率的。函数的拟合；不断分类，这是网络的路径寻找；神经网络的多层次，交替的特征映射，子抽样和局部平均运算。
诊断就是精准的信息寻找和匹配，诊断的有效性与匹配度正相关。
知识表示，即数据结构是运算的基础
测量是对网络的本征信息的提取，我们通过定义一些标准来限定边界，使得对网络的测量得以进行，这些标准是相对独立的层次，其选择性表达（如加减乘除的相对比例m/s）就是我们可以理解的各种数据。在不同的层次可以使用不同的理论。本质上是对信号的波的各种数学处理和理解（傅里叶级数，时域，频域）。
标准化，规范化，使用一套通用的语言。对机体网络的量化，建立一定的对应关系。其数学形式我倾向于概率网络的表示。从经验出发，构建层次的耦合结构，对应于辨证论治，通过足够的数据不断修正。信号的耦合就是其卷积。
对网络的大规模的数据的处理，通过复杂的比例运算构建量化的数据。可视化是一种高维的结构运算，通过提取本征信息，构建高维结构。（先降维再升维）。统计的层次可以使得本征得以涌现。这是统计里的回归运算
各层次的构建：分子，细胞，组织，器官，系统，整体，不同层次都是多层次的选择性表达。这是序列的模式形成。
仪器的使用有助于本征信息的提取。如器质性病变。而功能性疾病是网络的选择性表达，尚未超过阈值
司外揣内，见微知著，以常达变都是网络的特征。整体审察，四诊合参，病证结合都是对应网络的低维序列匹配和升维
病—证—症是机体网络的不同层次，是序列的不同层次的模式，都是多变量的选择性表达。我们只能处理高维数据，可能有一定的疏漏，但这是古代的资源配置的结构，因为他们的计算能力有限，数据的升维会带来一定的信息损耗。现在我们能够在低维的运算的基础再选择数据，提高信息匹配的精确度。这就需要一定的算法来处理，我们通过分解为多层次的数据进行处理，再综合考虑，即提取信息的本征。低维的数据的采集可以通过相对比例来确定各种指数
各种概念的规范化，然后是模糊逻辑处理。将网络分解为微观层次可以使得数据的运算有更大的准确性。
复杂系统就如同黑箱，输入和输出的关系是选择性表达，需要各个系统的综合作用。系统生物学必须由多层次的数据综合起来，从而以数学的语言描述整体的框架，并不断积累经验以便做出定量描述和预测。
利用层次的相似性，感觉可以提供有意义的数据，如寒热。然后就是人体的一般情况：流汗（多层次的耦合），排泄功能，饮食，睡眠等等；确定变化的部位。这是多层次的信息提取。然后是模型的构建，根据特定的标准的不同测量数值构建一定的模式。
中医的症候是一个理解疾病的新角度新层次，是比较宏观的唯象的，符合人的理解模式。其组合就是高维的结构。药物的配伍也是。亚层的理解，可以建立如同牛顿力学的体系？因为这是一种新的分类方法，可能能够使用数学语言描述。西医的疾病分类是比较宏观的，可以继续细化为不同症候类型，这也是存在一定的分布。
大数据，多层次的数据以矩阵的形式表示，如同屏幕的像素表示。然后是与提前录入的经典数据进行匹配运算，根据其相似度来确定程度。以本征来运算是最有效率的，即携带更多信息，有更大特异性的。聚类分析，利用统计建立不同症状的相关性联系
疾病是整体网络的变化超过一定的阈值，导致网络的爆发，即性质的涌现
以多层次复杂概念网络表示原理，群结构知识发现，有意义的信息是网络的本征路径，这是一个分布。多层次依赖于不同维度的数据理解
数字化，通过多手段的测量，为决策模型提供运算的数据。
量化，相对比例，程度。手纹与染色体病的相关性就是一个例子
经络为网络本征？是一种统计的结果，没有对应的生物结构，可以通过多层次的电生理测量来建立回归模型。那么首先是电信号的测量，需要极为精细的传感器收集微小的波在进行数据处理，因为生命的周期性可以预见会对测量的波动有所影响，当然病理情况也是，但这恰恰是应用的方向。
