论文部分内容阅读
中医学是一种宏观整体的医学,对事物进行的是动态整体的观察和思考。由于中医诊断存在模糊性和主观性,受医生本人的主观影响比较大,在诊断推理的过程中,容易发生误诊的情况,使得中医人工诊断的准确性大打折扣。因此,实现中医医疗辅助诊断系统,充分利用中医学积累的知识以及相关数据来辅助医生决策,能够帮助医生避免一些诊断时可能出现的明显的失误,适当地调整治疗方案,从而降低误诊率。医疗辅助诊断系统主要以专家系统为基础,是用来模拟医生诊断疾病的过程而设计出来的计算机程序,可以作为医生诊断和治疗的辅助工具。随着科学技术的发展,人工神经网络的兴起为医疗辅助诊断系统提供了新的思路。基于人工神经网络的医疗辅助诊断系统利用神经网络从大量的经验样本中学习知识,并且可以通过改变网络中各连接的权值,实现对信息的处理和存储,可以有效地解决医疗诊断系统中知识获取的瓶颈问题。本文所研究的医疗辅助诊断系统就是基于人工神经网络技术,通过学习知识库中的临床医案,生成相应的模型,然后模拟医生诊断疾病过程,利用生成的模型进行疾病的预测,最终得出患者可能患有的疾病名称以及相应的概率。本文研究的主要内容如下:(1)症状术语的同义词识别。在临床医案数据预处理的过程中,需要将临床医案中的症状转换成计算机能够识别和处理的形式,以便进行模型的训练。在处理过程中,会出现大量的具有相同含义的症状术语,对于这些同义词,需要进行同义词识别,以消除冗余症状。本文提出了一种基于词典注释的同义词识别算法,该算法利用词典中对症状术语的注释来计算症状术语之间的语义相似度,最后根据语义相似度的大小来判断这两个症状术语是否是同义词。(2)基于诊断标准的特征选取。在利用神经网络进行知识获取的过程中,需要利用特征进行训练。除了使用词向量来进行特征选取以外,本文提出了基于诊断标准的特征选取方法,该方法将症状与证候规范中的诊断标准进行匹配,得到匹配度,将匹配度作为特征进行训练。使用该方法进行特征提取,降低了特征维度,减少了训练时间,提升了构建模型的效率。(3)设计并实现了医疗辅助诊断系统。该系统采用MVC架构,具备以下功能:新增、查看和修改所有医案;利用现有的医案对预测模型进行更新;根据症状诊断出该患者可能患有疾病的证名以及相应的概率,并且提供了相关症状选择功能。