论文部分内容阅读
论文立足于“基于古代文献挖掘的新发突发传染病中医诊疗辅助方法”这个项目,以诊断和治疗方法的确定为切入点,借助古疫病文献开展的对于新发突发发热中医诊疗辅助方法的研究。目的是为了把人工智能(Artificial Intelligence,AI)技术中的基于案例推理(Case-based reasoning,CBR)技术和中医学知识进行相结合,设计和开发出灵活、有效、实用且操作性强的“基于CBR技术的中医诊疗系统”为新发突发传染病中医诊疗方案的制定提供决策支持。本文完成的主要工作如下:(1)研究了案例推理技术的理论知识。比较深入地探究了CBR技术的基本机理、进行推理的生命周期、CBR技术的应用和成长等。然后对CBR技术进行推理的整个过程中所涉及到的几个步骤进行了详细介绍,包括对案例的表示、案例检索(Retrieve)、案例重用(Reuse)、案例修正(Revise)与案例保存(Retain)。(2)在Huang、Ahmad等人的研究基础上,提出了计算混合类型数据之间相似性的度量方法。案例检索是整个推理过程中的核心,案例检索的效率会对用户的体验产生直接的影响。为了验证所提方法的有效性,选用了医疗领域关于乳腺癌和糖尿病诊断以及银行领域关于用户信用判断的数据集进行了相应的实验。并对实验结果进行了对比和分析,证实了提出的相似度测量方法的有效与可行。(3)把所提的混合相似度测量方法应用于基于CBR技术的中医诊疗系统中。在收集到的中医学治疗新发突发传染病的数据基础上,采用CBR技术,对要开发的中医诊疗系统的各个模块进行了设计,选用java语言完成了整个系统的开发。并对系统中的主要功能模块进行了展示。基于CBR技术的中医诊疗系统的研发,不单单可以使后人利用历代中医学家积累的治病经历和智慧来辅助中医治疗师进行决策,从而提高临床诊疗效果,减少误诊事件的发生;而且还可以对那些古人积累的中医学知识进行很好的保存,便于一些教育机构用于教学使用,实现中医学知识的共享和传承,更好的服务于人类。