近年来,哮喘病因具有发病率高、治疗周期漫长等特点,已经成为全球人类健康的头号杀手。在中医哮喘病领域中,要通过论证对其进行治疗,通常中医医生需要根据哮喘患者的患病症状以及相关体征,将其所患哮喘病分为五种证型,并根据不同证型对症下药。随着智慧医疗的发展,大量医疗诊断工作离不开机器学习、数据挖掘等前沿技术,由于国家政策支持,中医诊疗智能化进程也在不断被推进。本文针对中医哮喘辨证分型主观性过强的现状,利用机器学习方法建立中医哮喘医案数据标准化处理流程,并建立深度学习模型实现对中医哮喘五种证型的辨型预测,通过信息化实现客观的中医哮喘辨型辅助诊断及应用。本文具体研究工作如下:（1）利用机器学习算法建立青岛市某医院中医呼吸科哮喘病医案数据标准化处理流程。针对哮喘医案所存在的非标准化、存在缺失及离群值等情况,为了能更好地训练模型以实现哮喘辨证分型任务,本文通过删除病人特征信息的冗余值,依据特征重要性及缺失程度2个维度对医案信息进行缺失值补全,对医案特征文本信息进行数据量化并通过Min-Max算法实现数据归一化。将预处理好的数据进行特征选择,分别通过m RMR算法和依据皮尔逊相关系数阈值确定医案候选特征集,进一步根据XGBoost算法计算特征贡献度,以此锁定精简特征集,作为辨型网络模型训练时的输入数据。（2）建立中医哮喘辨证分型深度学习模型。针对哮喘医案结构化表格型数据,为避免小样本数据集易导致辨型模型拟合能力差,难以被实际利用的问题,本文提出了基于定向正则化的TabNet网络模型——TD-TabNet。将Targeted Dropout定向正则化机制应用于传统TabNet模型上,提高模型对哮喘病的辨证分型预测性能,同时避免小数量级哮喘医案背景下易产生的模型过拟合问题。为了验证优化后的哮喘辨型模型的有效性,将其与传统TabNet以及其他多种算法进行多方位对比,实验结果表明TD-TabNet辨型模型在准确率、精确率、召回率、F1值等多个方面占优。（3）建立中医哮喘辅助诊断平台。为了能更好地实现对中医哮喘辨型模型的应用,本文搭建了中医哮喘辅助诊断平台,其主要功能是对哮喘病辨证分型的可视化预测和结果分析,同时能够直观地对辨型模型进行状态监测并对其优化调参,重新对数据进行训练,进一步服务中医医生实现哮喘病辨证分型辅助诊断任务。