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。