【技术实现步骤摘要】
基于FCM
‑
ANFIS的类风湿性关节炎特征辅助分类方法及系统
[0001]本专利技术融合了医学、信息科学以及计算机应用等领域的知识，专利技术了一种基于FCM
‑
ANFIS的类风湿性关节炎特征辅助分类方法及系统。
技术介绍
[0002]类风湿性关节炎(RA)是一种最常见的炎症性自身免疫性疾病，通常出现在30至50岁之间，在全球范围内终生患病率高达1％。特征是慢性疼痛和关节损坏，表现为破坏性多关节炎。这种疾病的进展可以通过适当的医疗控制来缓解，但是，如果治疗不当，可能会导致残疾或丧失能力。为了更好地诊断类风湿性关节炎疾病的患病程度，需根据患者的临床表现、医学检查及病历等医疗数据，以确定类风湿性关节炎患者的患病程度。在风湿免疫疾病的诊断中，计算机辅助诊断方法也存在很多问题，例如：风湿免疫疾病的诊断通常需要综合多种数据源，这些数据可能具有不同的维度和特征，这使得数据分析和模型构建变得复杂。
技术实现思路
[0003]本专利技术提出一种基于FCM
‑
ANFIS的类...
【技术保护点】
【技术特征摘要】
1.一种基于FCM
‑
ANFIS的类风湿性关节炎特征辅助识别系统，其特征在于，包括分类模块，分类模块用于将就诊者的就诊数据作为输入，基于ANFIS模糊规则库处理和识别，将就诊数据与现有医学数据库中的数据基于FCM聚类方法进行聚类；将包含该就诊者信息的类送入相应的ANFIS分类器进行模糊推理，并且得到变量范围，去模糊化后，得到特征分类结果；所述ANFIS模糊规则库基于ANFIS分类器，ANFIS分类器为5层网络，每一层包含具有确定函数的节点，第一层为模糊化层，第一层中均为自适应节点，其中的模糊化函数为三角形隶属函数、梯形隶属函数或高斯型隶属函数；第二层为乘积层，第二层中为均为固定节点，将上一层输出相乘并且送入下一层中，每个节点输出表示某个规则的激发强度；第三层为归一化层，第三层中均为固定节点，第i个节点计算第i条规则的发射强度与所有规则发射强度之和的比率；第四层为去模糊化层，第四层中均为自适应节点，提供有模糊规则推断出的输出值；第五层为输出层，第五层中有一个固定节点，最终的输出为本层所有输入的总和，并将模糊分类结果转换为清晰的值。2.根据权利要求1所述的基于FCM
‑
ANFIS的类风湿性关节炎特征辅助识别系统，其特征在于，还包括信息收集模块、数据处理模块以及模型构建模块；信息收集模块用于收集类风湿性关节炎疾病相关特征，确定与类风湿性关节炎疾病直接相关的属性，构建语言变量集合，语言变量集合包括输入变量和输出变量；数据处理模块用于基于所述语言变量集合，为语言变量集合中每个属性定义其语言值，生成供模型训练的数据集；模型构建模块用于利用FCM聚类方法，对所述数据集进行概率分类误差分析，确定最佳聚类数目C；利用FCM聚类方法对生成的所述数据集进行聚类划分；构建由C个ANFIS子分类器组成的分类器，根据划分结果，对各ANFIS子分类器进行训练；基于ANFIS子分类器的训练，通过对医学数据库中数据学习，为所述与类风湿性关节炎疾病直接相关的属性确定隶属函数，生成ANFIS模糊规则库。3.根据权利要求2所述的基于FCM
‑
ANFIS的类风湿性关节炎特征辅助识别系统，其特征在于，为所述与类风湿性关节炎疾病直接相关的属性确定隶属函数，生成ANFIS模糊规则库包括：利用ANFIS模型的自学习能力，通过对生成的数据集中已有诊断结果的数据学习，为每个属性确定最佳隶属函数；将数据中就诊者身体症状、医学测试和患病程度利用模糊运算符进行连接，构成最终规则库；ANFIS应用Sugeno型模糊推理引擎来表示非线性的专家知识，用两个if
‑
then规则表示，如下式：Rule1:If(x is A1)and(y is B1)then(f1＝p1x+q1y+r1)Rule2:If(x is A2)and(y is B2)then(f2＝p2x+q2y+r2)其中，A
i
和B
i
为输入变量语言值集合f
i
为输出变量语言值集合，p
i
，q
i
，r
i
为设置参数。4.根据权利要求2所述的基于FCM
‑
ANFIS的类风湿性关节炎特征辅助识别系统，其特征
在于，确定与类风湿性关节炎疾病直接相关的属性具体如下：在临床医生和专业领域专家的指导下，选择6个身体症状和3个医学测试作为输入属性，并将患病程度作为输出属性，具体如下，身体症状：静息痛、晨僵>30min、关节感染性对称、发红、身体疼痛、肿胀；医学测试：类风湿因子、红细胞沉降率和抗环瓜氨酸肽抗体测试；输出属性：不同聚类数据对应的特征分类结果。5.根据权利要求2所述的基于FCM
‑
ANFIS的类风湿性关节炎特征辅助识别系统，其特征在于，基于所述语言变量集合，为语言变量集合中每个属性定义其语言值...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。