一种基于案例推理的心脏病智能诊断方法技术

本发明专利技术公开了一种基于案例推理的心脏病智能诊断方法，将病人的各项检查指标作为一个案例在案例库中进行搜索，找出与其最为相近的记录作为诊断结果，与此同时利用注水原理得到案例的各个特征属性权重的分配方案，并根据属性的权重来剔除冗余的属性。从而提高心脏病诊断结果的精度和速度。包括：定义案例表示形式；构建历史案例集；利用注水原理对特征属性进行权重的分配；通过属性权重的分配结果对特征属性进行提取；计算案例相似度；将匹配得到的案例进行重用；案例的修正；本发明专利技术改进了案例推理中的检索策略，通过对案例特征属性权重的优化分配并以此来进行属性的约简环节，保证了诊断精度与速度。

【技术实现步骤摘要】

本专利技术涉及一种疾病智能诊断方法，特别涉及针对心脏病的基于案例推理的智能诊断方法。
技术介绍
在医疗领域中，疾病如心脏病等高危疾病时刻威胁着人们的健康，这类疾病的诊断过程具有特殊性和复杂性，病种复杂多样，加之患者个体间的差异性给诊断带来了困难，且我国高水平医学专家有限，这就使得心脏病患者无法得到高水平的诊断及其救治。作为世界三大尖端技术之一的人工智能的崛起及迅猛发展，其各项智能技术已渗入到各个研究领域。这也使得医疗决策支持，包括医疗诊断领域得到充分的关注与发展，医学工程和人工智能研究融合诊断方法，模拟了医学诊断，预测的思维过程，能够为医生提供诊断，治疗以及评估的辅助结果。目前，智能的疾病诊断方法得到了国内外医学领域的重视。评价医疗诊断方法好坏的重要指标主要有诊断的精确性以及诊断的快速性两个，如何快速准确的对疾病做出诊断是研究的重点。国内外对在医疗诊断系统的研究主要集中在对诊断模型的建立方法研究上，目前常用的诊断模型主要有:1、人工神经网络:由神经生物学模型演变而来形成了一个高度互连与交互的处理单元系统，与人类大脑相似人工神经网络可以通过训练学习动态的调整来适应新的输入数据，目前人工神经网络已经成功应用于癌症、心肌梗塞、甲状腺等疾病的诊断中。2、分类回归树:一种树结构的分析方法，它是一种强大的诊断模型工具，尤其对于分类问题的处理，分类回归树模型在发掘变量之间隐含的相互作用方面十分显著，并且可以同时处理分类数据与连续性的数据。这也使得分类回归树模型在医疗诊断领域得到了广泛的应用。3、差别分析和逻辑回归:差别分析方法是最早应用于医疗诊断的方法之一，它是通过独立分析每个基本属性的关联度来确定分类的一种方法，逻辑回归算法是从大样本集中确定最佳预测子集的一种方法，同时也可以与前向后向逐步选取方法结合来确定患者是否患有疾病，其优点在于它并不需要数据是正态性的这一假设，因此使得此方法应用广泛。4、基于规则的推理:通过模拟医学专家诊断疾病治疗的思维活动，进行推理判断从而实现疾病的诊断和辅助治疗，目前成为生物医学工程的研究重点。上述方法在一定程度上实现了辅助医疗决策的功能，目前得到了长足的发展以及应用，然而各自都有一些弊端如神经网络需要大量的训练数据且数学模型不易建立，容易陷入局部最优；而基于规则的推理目前规则的制定依赖于专家，不同的专家给出的规则不同，则存在规则知识获取不易的瓶颈问题。针对上述方法模型的弊端，近年来案例推理成为研究热点，案例推理是人工智能领域中新兴的一种新的推理技术，适用于未完全形式化、信息不完全及经验知识占主导地位的领域，案例推理的出现克服了专家知识获取困难的问题，其主要的思想是在过往处理的案例库中检索出与当前案例最为相近的案例将其处理结果应用于当前案例，其推理过程主要包括:案例检索，案例修正，案例重用，案例存储四个过程，而在四个过程中案例检索的是影响案例推理质量的关键环节，也是案例推理应用在医疗诊断中的关键步骤，为保证疾病诊断的精确性和可靠性，提高案例检索的精度与速度是核心环节。首先为提高检索的精度，首要任务是对案例特征属性的权重进行合理确定。其次在提高检索速度的问题上，由于特征属性往往有着主次之分，有些特征属性对疾病的诊断并无十分重要的意义此时就可以将这样的属性删除掉以提高检索速度，特征属性的约简主要有提取特征子集以及利用属性重要度来选取的方法，由上所述对案例特征属性权重的合理分配是提高诊断效率的关键所在。确定权重的方法主要有主观法和客观法，主观分析常用的定权方法有:专家咨询法、调查统计法、无差异折衷法、相关分析法等。主观法依赖于某领域专家的先验知识和主观判断，具有随意性，无疑会给相似案例检索的准确性造成影响。目前，客观法优化权重的方法有:遗传算法、粗糙集、神经网络等，但这些方法都存在着自身固有的一些缺陷，比如神经网络结构不易确定且需要大量的训练样本；遗传算法容易陷入局部极小；粗糙集中对属性的离散化较为困难。综上所述，应用案例推理方法时，首先要解决案例属性权重的分配问题；并且根据得到的权重分配结果指导案例属性的约简问题以此保证医疗诊断系统的稳定高效的运行。
技术实现思路
本专利技术的目的在于，提供，将病人的各项检查指标作为一个案例在案例库中进行搜索，找出与其最为相近的记录作为诊断结果，与此同时利用注水原理得到案例的各个特征属性权重的分配方案，并根据属性的权重来剔除冗余的属性。从而提高心脏病诊断结果的精度和速度。本专利技术是通过以下步骤完成的:步骤1:定义案例表示形式；将待诊断的数据指标表示为案例推理系统所能处理的形式，具体将待诊断案例用下面的属性加诊断结果的属性对来进行描述:C= (x1； X2,..., xn;D) ⑴其中,X1, X2, , Xn表示病例中所诊断得到的η个指标,D表示该病例的诊断结果。步骤2:构建历史案例集；利用上述表示形式对历史的诊断记录进行描述:Ck= (xkl, xk2,..., XknIDk), k=l, 2, 3...,m (2)其中k表示历史案例的个数。步骤3:利用注水原理对特征属性进行权重的分配；计算各特征属性值的标准差以及方差为: 权利要求1.，其特征在于，将心脏病诊断数据作为案例输入，基于案例推理的诊断方法会根据当前输入的指标在历史案例库中检索出与之最为相近的案例，并通过案例的重用做出当前案例的诊断结果，对得到的结果进行对比评价，将不满意的进行案例的修正直至找到满意的解，此时输出该案例的诊断结果并存储；包括以下步骤: 步骤1:定义案例表示形式； 将待诊断的数据指标表示为案例推理系统所能处理的形式，用下面的属性加诊断结果的属性对来进行描述: C- (xj, X2，...，χηID) (I) 其中，X1, X2,, Xn表示病例中所诊断得到的η个指标，D表示该病例的诊断结果。步骤2:构建历史案例集； 利用上述表示形式对历史的诊断记录进行描述: Cf (Xkl，Xk2，...，Xkn，Dk)，k_l，2，3...，Π1 (2) 其中k表示历史案例的个数； 步骤3:利用注水原理对特征属性进行权重的分配； 计算各 特征属性值的标准差以及方差为:2.根据权利要求1所述的，其特征在于:所述的心脏病诊断数据包括:年龄、性别、胸口痛的类型、血压、胆固醇、空腹血糖、心电图结果、最高心率。全文摘要本专利技术公开了，将病人的各项检查指标作为一个案例在案例库中进行搜索，找出与其最为相近的记录作为诊断结果，与此同时利用注水原理得到案例的各个特征属性权重的分配方案，并根据属性的权重来剔除冗余的属性。从而提高心脏病诊断结果的精度和速度。包括定义案例表示形式；构建历史案例集；利用注水原理对特征属性进行权重的分配；通过属性权重的分配结果对特征属性进行提取；计算案例相似度；将匹配得到的案例进行重用；案例的修正；本专利技术改进了案例推理中的检索策略，通过对案例特征属性权重的优化分配并以此来进行属性的约简环节，保证了诊断精度与速度。文档编号G06F19/00GK103116707SQ201310067819公开日2013年5月22日 申请日期2013年3月4日 优先权日2013年3月4日专利技术者严爱军, 赵辉, 钱丽敏 申请人:北京工业大学本文档来自技高网...

【技术保护点】
一种基于案例推理的心脏病智能诊断方法，其特征在于，将心脏病诊断数据作为案例输入，基于案例推理的诊断方法会根据当前输入的指标在历史案例库中检索出与之最为相近的案例，并通过案例的重用做出当前案例的诊断结果，对得到的结果进行对比评价，将不满意的进行案例的修正直至找到满意的解，此时输出该案例的诊断结果并存储；包括以下步骤：步骤1：定义案例表示形式；将待诊断的数据指标表示为案例推理系统所能处理的形式，用下面的属性加诊断结果的属性对来进行描述：C=(x1,x2,...,xn;D)????(1)其中，x1,x2,...,xn表示病例中所诊断得到的n个指标，D表示该病例的诊断结果。步骤2：构建历史案例集；利用上述表示形式对历史的诊断记录进行描述：Ck=(xk1,xk2,...,xkn;Dk),k=1,2,3...,m????(2)其中k表示历史案例的个数；步骤3：利用注水原理对特征属性进行权重的分配；计算各特征属性值的标准差以及方差为：σi=1/mΣk=1m(xki-μi)2μi=1/mΣk=1mxki---(3)其中，σi是第i个属性的标准差，μi为第i个属性的均值；以此作为评价指标构造属性容量函数如下：CW=Σi=1nlog2(1+μiωi/σi)---(4)其中，CW表示属性容量用于衡量属性所包含信息量的大小，ωi即表示第i个特征属性所能够分配得到的权重值，其值满足为得到最优的权重分配方案对上式构造拉格朗日方程并对权重进行求导如下：L(ω,λ)=Σi=1nlog2(1+μiωi/σi)+λ(1-Σi=1nωi)∂L/∂ω1=(1/ln2)[μi/(σi+ω1μi)]=0∂L/∂ω2=(1/ln2)[μi/(σi+ω2μi)]=0................∂L/∂ωn=(1/ln2)[μi/(σi+ωnμi)]=0---(5)最终，由注水原理确定的案例属性权重的计算公式为：ωi=max(0,ε?σi/μi)????(6)其中，σi是第i个属性值集的标准差，μi为第i个属性值集的均值；ε是案例属性权重的门限值；步骤4：特征属性的选取；将特征属性权重按照从大到小的顺序进行排列为ωi(i=1,2,3,...,n;ωi>ωi?1)，设定属性重要度阈值为ωd，将重要度大于该阈值的n1(n1≤n)个属性提取出来将剩余重要度小于阈值的属性剔除完成属性的选取环节，并将约简后的各个特征属性的权重做相应的调整：ωj=ωi/Σi=0n1ωi,(j=1,2,3,...,n1;j=i)---(7)步骤5：案例的检索；将目标案例与历史案例库中的每一个记录进行相似度的计算，相似度利用下式进行描述：S(T,Xk)=1?Ω(T,Xk),k=1,2,...,m????(8)其中，k是历史案例的个数，T表示目标案例，Xk表示第k个历史案例记录，Ω是目标案例与历史案例之间的欧氏距离，可用下式得到：Ω(T,Xk)=(Σj=1n1ωj(tj-xkj)2)1/2---(9)其中，特征属性变量的权重ωj，满足：Σj=1n1ωj,=1---(10)步骤6：案例的重用；通过案例检索可以找到与当前案例相近的若干历史案例，设定相似度的阈值是Sv∈(0,1]，以此阈值得到检索出的匹配案例个数为l，这些匹配案例的相似度是：So,o=1,2,···,ls.t.So≥Sv---(11)那么这些案例的诊断结果就可以重用于新的案例中去，那么目标案例的诊断结果即为：DT=(Σo=1lsoDo)/Σk=olso---(12)其中DT,Do分别表示新案例与检索出的相近案例的诊断结果；步骤7：案例的修正；对得到的诊断结果进行评价，若满意则输出诊断结果，否则对该案例进行修正，通过调整相似度阈值Sv∈(0,1]来得到不同的匹配案例并转至步骤6。FDA00002881490200013.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：严爱军，赵辉，钱丽敏，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：