随着社会不断进步,人们的健康意识不断提高,一方面医疗数据快速增长,呈现出数量大、类型多、价值密度低、复杂关联等特点;另一方面对疾病诊断的质量要求提高,传统单纯依靠医生主观诊断的方法表现出一定的局限性,借助数据挖掘、大数据、云计算等新技术辅助疾病诊断,成为医学领域的一个研究趋势和热点,具有广阔的发展前景。清数健康医疗数据科学研究院的专病库系统经过多年运行,积累了大量原始病历资料,其中蕴含着极具研究价值的诊疗信息,然而这些宝贵的诊疗信息被稀释后以文本的形式隐藏在海量的病历中,无法直接利用。针对这一问题,论文以前列腺疾病诊断为切入点,依托专病库系统平台,研究基于贝叶斯信念网络的前列腺疾病诊断技术,提升平台对前列腺疾病相关信息的处理和应用能力,更好地辅助医生进行前列腺疾病的诊治。论文的主要研究内容及创新点概括如下:1.提出了基于改进CRF分词算法的前列腺疾病相关诊疗信息的病历文本挖掘算法。算法通过定义非法路径改进了传统的CRF分词算法,使得分词准确率提高从而能更加快速准确地提取病历文本中前列腺疾病的类型、病因和症状等关键信息。采用TF-IDF算法得到各节点的频率,综合文本挖掘结果及疾病诊断的专业知识,理清疾病类型及其病因、症状等因果关系,构建数据集并完成数据预处理。2.构建了基于贝叶斯信念网络的前列腺疾病诊断算法。首先根据数据集中各属性之间的因果关系,构建用于前列腺疾病诊断的贝叶斯信念网络的拓扑结构,然后根据贝叶斯公式计算各节点的相关概率,最后计算疾病类型的后验概率并根据其相对大小得到疾病类型标签。把相同的数据集分别输入决策树、K近邻、朴素贝叶斯和贝叶斯信念网络四种分类算法并对它们的分类效果进行比较,得到贝叶斯信念网络算法的分类准确率高于其它三种分类算法。3.设计并实现了全流程诊断仿真验证系统。仿真系统先对大量历史病历进行属性提取并构建训练集,然后构建贝叶斯信念网络模型并训练得到结点各种概率,得到诊断系统,最后假设当前的诊断者由系统诊断时,选择患者的疾病诱因,自动得到疾病的诊断并得到相关疾病的症状,给前列腺疾病的诊断提供了有效的参考,仿真结果证明了系统的有效性和准确性。