基于案例庫的診療決策支持技術研究.pdf

1、醫(yī)院診療決策過程的知識需求具有多屬性、完整性、原始性、即時性、易接受性和動態(tài)更新等典型特征，而這正是基于案例推理(CBR)進行信息處理的技術優(yōu)勢所在。但由于人類所患疾病的多樣性、多變性、復雜性、不確定性和動態(tài)演化性等特點，以及醫(yī)學技術和診斷方法自身的發(fā)展變化，加之醫(yī)院各種用于早期探測、診斷、預測等診療決策過程的歷史病例中缺失信息、判別變量缺失、區(qū)間數、灰值等情況的存在，現有的案例推理技術無法滿足醫(yī)院診療決策問題解決的需要，尚存在著一些具

2、體問題亟待進一步的研究，如：①復雜多屬性診療決策案例的屬性選擇問題，多屬性診療決策案例尤其是不舍判別變量案例的權重獲取方法問題；②含區(qū)間模糊數、空間方位離散數值、連續(xù)數值等混合數值診療案例的模糊多屬性決策問題；③最近鄰法在連續(xù)型屬性的計算上具有較高的效率但在離散型屬性的計算上效果欠佳，需要研究面向含離散型變量多屬性案例知識獲取的更高效的檢索方法；④此外，在多屬性診療決策案例中，存在著只知道大概范圍而不知其準確值的灰數，灰色診療決策案例的

3、知識獲取問題也是一個值得進一步探索的問題。圍繞著以上醫(yī)院診療決策實踐中存在的關鍵科學問題，本研究對傳統(tǒng)的案例推理技術進行改進和優(yōu)化，通過融入統(tǒng)計學、模糊數學、灰色系統(tǒng)理論、遺傳算法等其他理論，進一步改進案例推理的性能以適應各種醫(yī)院診療決策問題的實際需要。
　　 具體的研究內容和主要貢獻如下：
　　 (1)研究了基于歷史案例庫的集成開放的智能診療決策技術，構建了基于案例推理的智能醫(yī)院診療決策支持系統(tǒng)架構(CBR-based

4、 Intelligent Medical Decision Support Systems，CBR-IMDSS)，提出了用改進的案例推理技術輔助決策支持系統(tǒng)的建造，整合DSS和CBR各自的技術優(yōu)勢進行醫(yī)療知識挖掘，可以面向疾病早期探測、診斷、預測等不同的診療過程，為醫(yī)院診療決策者提供有力支持。
　　 (2)在對國內外屬性選擇方法進行了綜述的基礎上，探索了醫(yī)院診療決策中案例屬性的選擇問題。①給出了主成分分析的數學模型和方法，討論了

5、主成分分析的使用條件和變量相關性檢驗的方法。使用威斯康星癌癥診斷數據進行測試，通過Barlett球型檢驗以及特征向量計算等計算過程獲取了三個主成分。結果表明，該方法可以降低數據維度；②研究了邏輯回歸這種統(tǒng)計分析方法在醫(yī)療診斷決策案例權重獲取中的應用，給出了相應的理論和模型，采用美國威斯康星州醫(yī)療診斷數據和UCI乳腺癌照相腫塊數據進行實驗，獲取了各個特征屬性的權重值；③研究了基于信息熵法的權重獲取算法，基于UCI乳腺癌照相腫塊數據的實驗表

6、明信息熵法可以用于權重的獲取，而且比常見的德爾菲法有較為明顯的優(yōu)勢。
　　 (3)針對醫(yī)院診斷決策案例中同時含區(qū)間模糊數、空間方位數、連續(xù)性數值等的情境，探索了基于案例推理的模糊多屬性決策方法，提出了一種適應模糊多屬性知識獲取需求的混合案例檢索算法，構建了面向模糊多屬性醫(yī)院診療預測的案例推理方法框架，研究不同類型案例知識的表達，重點解決含符號屬性、邏輯值屬性、二維空間方位屬性、程度上有差異(有大小差異)的區(qū)間模糊屬性等復雜屬性案

7、例的檢索問題。根據模糊診療決策案例的特點并結合醫(yī)院的實際情況，對傳統(tǒng)基于歐氏距離最近鄰算法進行了部分修改，以適應空間方位變量的檢索計算，形成了面向空間模糊數計算的改進最近鄰法IKNN-CSFV。針對有些醫(yī)院診療決策案例中存在的有大小差異區(qū)間模糊數的特征屬性，將模糊集的概念融入進來，將案例推理問題轉化成模糊多屬性決策問題，形成面向區(qū)間模糊屬性案例檢索算法FCA-PSIS。整合歐氏最近鄰算法、IKNN-CSFV、FCA-PSIS，可以獲得適

8、用于醫(yī)院診療決策案例特征的模糊混合案例檢索算法FHRA-M?；贑olumbia Saint Mary's Cancer Dataset的實驗驗證了該方法的有效性；進一步地，與KNN、RBFNetwork、J48等其他幾種方法的對比實驗表明該方法具有更高的性能。
　　 (4)研究了非連續(xù)性屬性為主體的醫(yī)院診療決策案例。將條件概率和GAs融合技術整合到案例推理方法之中形成了CRMGACP算法，該算法主要包括基于GAs的權重獲取算法

9、和融合條件概率的改進相似度算法。該方法可以被看出KNN法的延伸，相對于傳統(tǒng)的KNN法，連續(xù)性的自變量保持不變但邏輯變量被延展到所有的離散變量。同時，連續(xù)性屬性的相似度計算方法基于歐式距離算法但離散型的基于條件概率理論。用VC++實現了一個名為CancerCBRSys的程序，用基于AH腫瘤數據集分別實證研究了固定權重下的KNN(const.w)、專家評價權重下的KNN(expert.W)、CRMGACP以及信息熵法與條件概率的混合案例檢索

10、算法CRM-IECP這四種案例推理方法的性能，選擇的評價統(tǒng)計量為準確性、靈敏度、特異性和F值。結果顯示，CRMGACP在統(tǒng)計的準確性，靈敏度，精密度和F值上都具有最佳性能。分別選擇Naive bayes，Logistics，RBF network和Simple Cart來測試相同的測試集和參考集進行比較實驗，結果顯示CBR(CRM-GACP)的測試結果比其他方法具有更好的性能?？偟膩碚f，CRM-GACP在對比試驗中展示出更為顯著的優(yōu)勢，

11、它可以同時進行連續(xù)型和離散型屬性值的直接計算而無需離散化連續(xù)屬性值，是一個可以為臨床診斷決策提供支持的具有前景的工具。
　　 (5)探索了灰色診療案例中的知識挖掘問題，將信息熵和灰色理論進行了融合，研究了集成優(yōu)化型灰色理論的案例推理方法。基于UCI mammography數據集的實驗表明，就最終準確性而言，通過信息熵可以獲得比德爾菲法更高的精度。特別地，在四種不同的融合中，灰色系統(tǒng)理論和信息熵的融合算法獲得了最好的效果。其后，是

12、信息熵和基于歐氏距離算法傳統(tǒng)最近鄰法的融合算法。信息熵和灰色理論的融合算法帶來了最好的靈敏度。其他三種融合的敏感度欠佳，也不穩(wěn)定。幾乎所有這些融合的算法在K=1時特異性都最差，但敏感性卻不是最差的。總體上講，在本研究中的乳腺癌診療決策中，信息熵法在權重獲取方面表現得比德爾菲法更好。綜合考慮各種性能，整合信息熵和灰色理論的案例推理方法顯得更為優(yōu)越。(5)通過實證分析方法研究了KNN中K值的選擇。從理論上講，目標案例的最佳匹配對象應該是那個