论文部分内容阅读
挂号是就医活动的重要组成部分,也是病人就诊的首要环节。目前,已有多家大型综合性医院提供了网络预约及自助挂号机挂号服务,其中多以输入疾病名称搜索相应的诊疗科室与专家,其局限性在于,如果患者只知道症状,而不知道所患疾病的名称,则在网络预约和自助挂号时无法根据症状准确选择合适的诊疗科室与专家进行挂号预约。分诊护士具有多年临床工作经验,能够通过患者主诉的症状快速、准确地帮助患者选择专科与专家,同样,通过窗口挂号时挂号员或导医员也可根据患者描述的症状帮助选择相应的科室或专家,即亲临医院挂号的准确率较高,很少发生退号现象,这种优势显然是目前网络预约和自助挂号机所不具备的。若把上述护士的导医经验借助于计算机算法应用于网络预约平台和自助挂号机上,必能帮助初诊患者快速、准确地选择专家、专科和专病门诊。为此,本文设计实现了智能导医挂号系统,该系统不仅能够帮助已知病情的病人按照疾病名称选择专科挂号而且也能帮助初诊患者在不知道所患疾病名称的情况下通过将自身的患病症状输入到系统中就能正确选择应挂号的科室。系统实现为初诊患者推荐挂号科室的功能,其实质是根据初诊患者在系统中输入的疾病症状作为预测文本,通过分类算法将初诊病人所患疾病分类到正确的病种中。这里,分类算法的准确率是最关键的,也是本文研究的核心内容。为此,本系统采用先进的支持向量机文本分类算法。但是,通过对医院大量的病案进行了研究与总结时,发现在医院电子病案样本中输入病人病情的特征词过于简单或出现太多冗余,太多冗余的特征词会使文本分类的效果变得很差;另一方面,传统支持向量机(Support Vector Machine,SVM)中涉及了g与c两个参变量,而g和c的取值又是一个棘手的问题,针对这两大问题,本文将遗传算法(Genetic Algorithm,GA)引入到支持向量机中组成新的模型——GA_SVM模型。首先用GA_SVM模型降低特征空间中特征值的个数,然后再利用GA对SVM的参变量g和c做寻优计算。接下来,本文通过实验将GA_SVM模型的分类结果与传统未进行任何优化的SVM模型、仅用遗传算法对SVM参数优化的GA_SVM1模型、粒子群算法(PSO)以及网格搜索算法模型(Grid Search)等四种模型的分类结果进行比较分析。结果表明,GA_SVM模型不仅去除了冗余特征值、减少了特征值的个数,也优化了核参数g和惩罚因子c,在正确推荐挂号科室结果中准确率最高。这充分证明了GA_SVM模型的有效性和实用性。