專利名稱：一種基于案例推理的心臟病智能診斷方法
技術領域：
本發明涉及一種疾病智能診斷方法，特別涉及針對心臟病的基于案例推理的智能診斷方法。
背景技術：
在醫療領域中，疾病如心臟病等高危疾病時刻威脅著人們的健康，這類疾病的診斷過程具有特殊性和復雜性，病種復雜多樣，加之患者個體間的差異性給診斷帶來了困難，且我國高水平醫學專家有限，這就使得心臟病患者無法得到高水平的診斷及其救治。作為世界三大尖端技術之一的人工智能的崛起及迅猛發展，其各項智能技術已滲入到各個研究領域。這也使得醫療決策支持，包括醫療診斷領域得到充分的關注與發展，醫學工程和人工智能研究融合診斷方法，模擬了醫學診斷，預測的思維過程，能夠為醫生提供診斷，治療以及評估的輔助結果。目前，智能的疾病診斷方法得到了國內外醫學領域的重視。評價醫療診斷方法好壞的重要指標主要有診斷的精確性以及診斷的快速性兩個，如何快速準確的對疾病做出診斷是研究的重點。國內外對在醫療診斷系統的研究主要集中在對診斷模型的建立方法研究上，目前常用的診斷模型主要有:1、人工神經網絡:由神經生物學模型演變而來形成了一個高度互連與交互的處理單元系統，與人類大腦相似人工神經網絡可以通過訓練學習動態的調整來適應新的輸入數據，目前人工神經網絡已經成功應用于癌癥、心肌梗塞、甲狀腺等疾病的診斷中。2、分類回歸樹:一種樹結構的分析方法，它是一種強大的診斷模型工具，尤其對于分類問題的處理，分類回歸樹模型在發掘變量之間隱含的相互作用方面十分顯著，并且可以同時處理分類數據與連續性的數據。這也使得分類回歸樹模型在醫療診斷領域得到了廣泛的應用。3、差別分析和邏輯回歸:差別分析方法是最早應用于醫療診斷的方法之一，它是通過獨立分析每個基本屬性的關聯度來確定分類的一種方法，邏輯回歸算法是從大樣本集中確定最佳預測子集的一種方法，同時也可以與前向后向逐步選取方法結合來確定患者是否患有疾病，其優點在于它并不需要數據是正態性的這一假設，因此使得此方法應用廣泛。4、基于規則的推理:通過模擬醫學專家診斷疾病治療的思維活動，進行推理判斷從而實現疾病的診斷和輔助治療，目前成為生物醫學工程的研究重點。上述方法在一定程度上實現了輔助醫療決策的功能，目前得到了長足的發展以及應用，然而各自都有一些弊端如神經網絡需要大量的訓練數據且數學模型不易建立，容易陷入局部最優；而基于規則的推理目前規則的制定依賴于專家，不同的專家給出的規則不同，則存在規則知識獲取不易的瓶頸問題。針對上述方法模型的弊端，近年來案例推理成為研究熱點，案例推理是人工智能領域中新興的一種新的推理技術，適用于未完全形式化、信息不完全及經驗知識占主導地位的領域，案例推理的出現克服了專家知識獲取困難的問題，其主要的思想是在過往處理的案例庫中檢索出與當前案例最為相近的案例將其處理結果應用于當前案例，其推理過程主要包括:案例檢索，案例修正，案例重用，案例存儲四個過程，而在四個過程中案例檢索的是影響案例推理質量的關鍵環節，也是案例推理應用在醫療診斷中的關鍵步驟，為保證疾病診斷的精確性和可靠性，提高案例檢索的精度與速度是核心環節。首先為提高檢索的精度，首要任務是對案例特征屬性的權重進行合理確定。其次在提高檢索速度的問題上，由于特征屬性往往有著主次之分，有些特征屬性對疾病的診斷并無十分重要的意義此時就可以將這樣的屬性刪除掉以提高檢索速度，特征屬性的約簡主要有提取特征子集以及利用屬性重要度來選取的方法，由上所述對案例特征屬性權重的合理分配是提高診斷效率的關鍵所在。確定權重的方法主要有主觀法和客觀法，主觀分析常用的定權方法有:專家咨詢法、調查統計法、無差異折衷法、相關分析法等。主觀法依賴于某領域專家的先驗知識和主觀判斷，具有隨意性，無疑會給相似案例檢索的準確性造成影響。目前，客觀法優化權重的方法有:遺傳算法、粗糙集、神經網絡等，但這些方法都存在著自身固有的一些缺陷，比如神經網絡結構不易確定且需要大量的訓練樣本；遺傳算法容易陷入局部極小；粗糙集中對屬性的離散化較為困難。綜上所述，應用案例推理方法時，首先要解決案例屬性權重的分配問題；并且根據得到的權重分配結果指導案例屬性的約簡問題以此保證醫療診斷系統的穩定高效的運行。
發明內容
本發明的目的在于，提供一種基于案例推理的心臟病智能診斷方法，將病人的各項檢查指標作為一個案例在案例庫中進行搜索，找出與其最為相近的記錄作為診斷結果，與此同時利用注水原理得到案例的各個特征屬性權重的分配方案，并根據屬性的權重來剔除冗余的屬性。從而提高心臟病診斷結果的精度和速度。本發明是通過以下步驟完成的:步驟1:定義案例表示形式；將待診斷的數據指標表示為案例推理系統所能處理的形式，具體將待診斷案例用下面的屬性加診斷結果的屬性對來進行描述:C= (x1； X2,..., xn;D) ⑴其中,X1, X2, , Xn表示病例中所診斷得到的η個指標,D表示該病例的診斷結果。步驟2:構建歷史案例集；利用上述表示形式對歷史的診斷記錄進行描述:Ck= (xkl, xk2,..., XknIDk), k=l, 2, 3...,m (2)其中k表示歷史案例的個數。步驟3:利用注水原理對特征屬性進行權重的分配；計算各特征屬性值的標準差以及方差為:
權利要求
1.一種基于案例推理的心臟病智能診斷方法，其特征在于，將心臟病診斷數據作為案例輸入，基于案例推理的診斷方法會根據當前輸入的指標在歷史案例庫中檢索出與之最為相近的案例，并通過案例的重用做出當前案例的診斷結果，對得到的結果進行對比評價，將不滿意的進行案例的修正直至找到滿意的解，此時輸出該案例的診斷結果并存儲；包括以下步驟: 步驟1:定義案例表示形式； 將待診斷的數據指標表示為案例推理系統所能處理的形式，用下面的屬性加診斷結果的屬性對來進行描述: C- (xj, X2，...，χηID) (I) 其中，X1, X2,, Xn表示病例中所診斷得到的η個指標，D表示該病例的診斷結果。
步驟2:構建歷史案例集； 利用上述表示形式對歷史的診斷記錄進行描述: Cf (Xkl，Xk2，...，Xkn，Dk)，k_l，2，3...，Π1 (2) 其中k表示歷史案例的個數； 步驟3:利用注水原理對特征屬性進行權重的分配； 計算各 特征屬性值的標準差以及方差為:
2.根據權利要求1所述的一種基于案例推理的心臟病智能診斷方法，其特征在于:所述的心臟病診斷數據包括:年齡、性別、胸口痛的類型、血壓、膽固醇、空腹血糖、心電圖結果、最高心率。
全文摘要
本發明公開了一種基于案例推理的心臟病智能診斷方法，將病人的各項檢查指標作為一個案例在案例庫中進行搜索，找出與其最為相近的記錄作為診斷結果，與此同時利用注水原理得到案例的各個特征屬性權重的分配方案，并根據屬性的權重來剔除冗余的屬性。從而提高心臟病診斷結果的精度和速度。包括定義案例表示形式；構建歷史案例集；利用注水原理對特征屬性進行權重的分配；通過屬性權重的分配結果對特征屬性進行提取；計算案例相似度；將匹配得到的案例進行重用；案例的修正；本發明改進了案例推理中的檢索策略，通過對案例特征屬性權重的優化分配并以此來進行屬性的約簡環節，保證了診斷精度與速度。
文檔編號G06F19/00GK103116707SQ201310067819
公開日2013年5月22日 申請日期2013年3月4日 優先權日2013年3月4日
發明者嚴愛軍, 趙輝, 錢麗敏 申請人:北京工業大學