一种基于专家经验推理的智能分诊方法技术

本发明专利技术属于人工智能技术领域，具体来说是涉及一种基于专家经验推理的智能分诊方法。本发明专利技术主要包括：获取用户输入的描述语句，所述描述语句中至少包括症状及症状对应的轻重程度，提取症状及对应程度作为输入；根据症状及对应程度，基于专家经验推理的方法获得分诊信息；专家经验推理主要依靠专家的经验，相比之下具有更准确的特性，本发明专利技术的方法中将专家的经验进行处理后，可用于根据输入进行直接推理，有效利用了专家的经验。本发明专利技术的有益效果是，使分诊过程实现了智能化，同时提高了智能分诊的准确性。

【技术实现步骤摘要】
一种基于专家经验推理的智能分诊方法
本专利技术属于人工智能
，具体来说是涉及一种基于专家经验推理的智能分诊方法。
技术介绍
随着人民生活条件的不断改善，对于健康的需求也越来越旺盛。近年来，各大医院的门急诊量急剧增长，特别是处于行业领先地位的医院。而对应还面临的问题包括：患者缺乏医疗健康知识，不清楚就诊什么科室，进一步加剧了医疗分诊的压力。还导致医生的工作负荷大，没有足够的时间回答患者的所有问题，在某种程度上造成医患关系紧张，同时也带来医疗质量难以保证的问题。在患者方，部分患者为能快速就诊，往往采取首选急诊的方式，又进一步降低了医院的救治效率。为了解决此类问题，目前已有人工分诊台以及为用户提供自主分诊服务的应用程序，主要是针对诊前咨询，给诊疗做出指导。而目前的分诊程序冗余度较高，智能化程度较低，导致用户体验差，并不能有效的实现智能化分诊的目的。
技术实现思路
本专利技术的目的，是针对上述问题，提出一种基于专家经验推理的智能分诊方法，仅需获取用户日常化的描述语句，在后台进行一系列转化处理，即可为用户提供分诊服务，并且基于专家经验推理的方法，能有效提高分诊的准确度。本专利技术的技术方案是：一种基于专家经验推理的智能分诊方法，其特征在于，包括：获取用户输入的描述语句，所述描述语句中至少包括症状及症状对应的轻重程度，提取症状及对应程度作为输入；根据症状及对应程度，基于专家经验推理的方法获得分诊信息。进一步的，所述症状对应的轻重程度采用模糊量词的表述方式，模糊量词至少包括特别、比较、一般。模糊量词的范围较广，根据一般经验，可以采用特别严重、很严重、严重、比较严重、一般、有点、轻微、无等较多等级的描述方式，对应的，在处理过程，为了方便，可以记模糊量词“特别严重”＝0，“很严重”＝1，“严重”＝2，“比较严重”＝3，“一般”＝4，“有点”＝5，“轻微”＝6，“无”＝7，模糊等级是可以调整的。进一步的，所述基于专家经验推理的方法获得分诊信息的具体方法包括：1)基于专家经验构建数据库：数据库由规则构成，每条规则由疾病名、对应症状和对应症状的程度构成，将描述症状程度的模糊量词采用阿拉伯数字进行编号，不同的模糊量词对应不同的编号，数字大小与设定的模糊等级规律相符；2)根据输入的症状及对应程度进行模糊推理，得出用户可能患有的疾病及患该疾病的概率放入临时数据库，该数据库按疾病概率由大到小排序；3)当输入的症状数量达到上限时，系统结束推理，根据疾病概率阈值P，得到概率大于P的M个疾病；4)根据预设的分诊规则，按照M个疾病对应的规则进行分诊，输出分诊结果。4、根据权利要求3所述的一种基于专利经验推理的智能分诊方法，其特征在于，在基于专家经验构建数据库时，还包括每个症状的概率。本专利技术的有益效果是，使分诊过程实现了智能化，同时提高了智能分诊的准确性。附图说明图1为模糊推理过程示意图；图2为模糊分布示例图；图3为专家系统推理流程图。具体实施方式下面结合附图详细描述本专利技术的技术方案：本专利技术的方案基于专家经验推理，专家系统的知识由专家及医生提供，用于模拟专家诊断向用户提供更为准确的初步诊断结果。专家系统知识主要包括疾病、症状及疾病每个症状对应的发生概率。专家系统的数据库主要为专家系统的规则库，用于存放各种疾病及其对应的所有症状和概率，每种疾病和它的所有症状就构成一条专家系统的规则。专家系统还包含一个临时数据库，用于暂存每次的模糊推理结果。本专利技术采用模糊推理，模糊推理的原理为：模糊化，模糊化过程主要是把分明值转换成模糊集的隶属函数，模糊量的模糊分布图的设计如下：(1)模糊量/模糊分布对于一个语言变量，其论域的模糊分布常由经验给出(偏低、正常、偏高····)，图2为一个模糊分布的示例。(2)模糊量隶属函数设计在实际应用中，采用单点、三角形、梯形和正态分布函数等几种隶属函数曲线。(3)输入变换在确定了模糊分布形态，求得了各个模糊集合的隶属函数后，就需要将输入量进行模糊变换。每个症状在医学上的评判标准不同，为了使系统能够更好的进行疾病诊断，把每个疾病医学诊断的评判标准的隶属函数采用正态分布，见表1，其中给出了几种模糊量词以及对应的隶属函数。为了便于计算机处理，我们将区间划分为6个相等间隔的离散点，表1中模糊量词的隶属函数经离散化后的结果见表2。表1疾病严重程度的隶属函数表5.2离散化结果知识库，基于规则推理的模糊推理。它是模糊推理的核心。规则的制定直接决定了整个系统的准确性。推理规则的完整与合乎现实是构成模糊推理规则库的最终目标。模糊推理的知识库主要由推理规则构成，要构成一个完善的规则库。其中的规则库是从专家的决策、工程师的知识和经验中提取出来的。模糊专家系统建立的首要任务就是搜集事实，即疾病的种类、症状等相关信息，把从专家和书籍中搜集到的症状称为输入，把所有症状的集合称为输入论域，其形式如下：X＝{x1，x2，…，x23}其中xi代表的是某种发病症状，例如：热、咳嗽、咳痰、恶心、呕吐、头晕等。疾病种类的集合称为输出论域，记做Y：Y＝{y1，y2，…，y26}其中yi代表的是某种疾病，如：肺结核、急性胆管炎、急性胰腺炎、脑出血、脑栓塞等。下面给出我们将要构建的模糊专家系统的事实库和规则库。表3事实库表3为事实库，由于规则库中的规则有多条，所以只举例列出部分规则库如表4，为了方便，记模糊量词“特别严重”＝0，“很严重”＝1，“严重”＝2，“比较严重”＝3，“一般”＝4，“有点”＝5，“轻微”＝6，“无”＝7(模糊等级可由专家进行调整)，表4中，行表示规则，列表示每条规则的前件。表4部分规则库模糊推理：输入变量被添加到一个集合中，采用“if-then”的控制规则。通过各种控制规则的推理，结果被合成在一起，产生一个“模糊推理输出”的集合。本专利技术采用贴近度推理算法。例如：由表2可知：严重A(x)＝[0,0,0.04,0.136,0.99,0.98]轻微B(x)＝[1,0.53,0.08,0,0,0]计算严重和轻微的贴近度为：SM(A,B)＝1-{[(0-1)2+(0-0.53)2+(0.04-0.08)2+(0.136-0)2+(0.99-0)2+(0.98-0)2]/6}1/2＝0.26每个疾病对应一个症状的集合，而两个模糊集集合K＝{k1，k2,…,km}和L＝{l1,l2,…,lm}的贴近度定义为：基于公式2的贴近度的推理算法是：将观察到的集合记为K，已知集合记为L，首先对K和L中的第一个元素进行贴近度计算，以此类推，计算出所有观察集合与已知集合的贴近度后进行取平均运算。通过贴近度推理算法，可得SM值越大，说明输入的观察集和规则越本文档来自技高网...

【技术保护点】
1.一种基于专家经验推理的智能分诊方法，其特征在于，包括：/n获取用户输入的描述语句，所述描述语句中至少包括症状及症状对应的轻重程度，提取症状及对应程度作为输入；/n根据症状及对应程度，基于专家经验推理的方法获得分诊信息。/n

【技术特征摘要】
1.一种基于专家经验推理的智能分诊方法，其特征在于，包括：
获取用户输入的描述语句，所述描述语句中至少包括症状及症状对应的轻重程度，提取症状及对应程度作为输入；
根据症状及对应程度，基于专家经验推理的方法获得分诊信息。


2.根据权利要求1所述的一种基于专利经验推理的智能分诊方法，其特征在于，所述症状对应的轻重程度采用模糊量词的表述方式，模糊量词至少包括特别、比较、一般。


3.根据权利要求2所述的一种基于专利经验推理的智能分诊方法，其特征在于，所述基于专家经验推理的方法获得分诊信息的具体方法包括：
1)基于专家经验构建数据库：数据库由规则构成，每条...

【专利技术属性】
技术研发人员：崔桂鹏，
申请(专利权)人：重庆中肾网络科技有限公司，
类型：发明
国别省市：重庆;50