醫(yī)學知識工程生產(chǎn)線與基于人工神經(jīng)網(wǎng)絡和遺傳算法的醫(yī)學決策支持系統(tǒng)的研究.pdf

1、醫(yī)學專家系統(tǒng)是運用人工智能和專家系統(tǒng)的設計原理與方法，模擬醫(yī)學專家診斷、治療疾病的思維過程而編制的計算機程序，它可以幫助醫(yī)生解決復雜的醫(yī)學問題，作為醫(yī)生推斷疾病、治療疾病以及預后等的重要輔助工具。醫(yī)學專家系統(tǒng)是人工智能在醫(yī)學中的重要應用，是知識工程與醫(yī)學科學的緊密結合，也是計算機技術、網(wǎng)絡技術、通信技術和數(shù)據(jù)庫技術等一系列新技術與醫(yī)學科學的交叉，醫(yī)學專家系統(tǒng)的研究與發(fā)展已經(jīng)成為現(xiàn)代醫(yī)學科學的一個重要課題。 醫(yī)學專家系統(tǒng)的力量在于

2、它所擁有的精深醫(yī)學知識，這些知識使它能在專家水平上工作或解決問題，因此，醫(yī)學知識的獲取和醫(yī)學知識庫的構建一直是醫(yī)學專家系統(tǒng)的核心和基礎。傳統(tǒng)的醫(yī)學知識獲取采用知識工程師與領域專家面對面進行交流的方式進行，勞動量非常大，并且知識獲取效率十分低下，嚴重影響了醫(yī)學專家系統(tǒng)的發(fā)展，成為了一個公認的知識獲取瓶頸。隨著計算機技術和網(wǎng)絡技術的發(fā)展，人們不斷研究和開發(fā)了一些專門的醫(yī)學知識獲取工具，以期解決醫(yī)學知識獲取的難題。由于種種原因，這些醫(yī)學知識獲

3、取工具都具有各自的缺點，使醫(yī)學知識的獲取和應用比較困難。作者借鑒工業(yè)生產(chǎn)線提高效率的方式，提出了研究和開發(fā)“醫(yī)學知識工程生產(chǎn)線”的構思，其基本含義是建立和使用一個巨型醫(yī)學知識庫系統(tǒng)的過程應該成為一條“生產(chǎn)線”，從醫(yī)學知識獲取和表達(知識庫的建立)，到知識補充和發(fā)展(知識庫的維護)，到知識應用(醫(yī)學診斷專家系統(tǒng))，再到知識反饋(知識庫更新)，形成一條大規(guī)模、高效率的“生產(chǎn)線”。因此，作者研究并設計開發(fā)了一個基于互聯(lián)網(wǎng)絡和醫(yī)學知識可信度表達

4、方式的醫(yī)學知識獲取系統(tǒng)。系統(tǒng)采用八位制層次型疾病分類編碼方式，使醫(yī)學知識在本系統(tǒng)中能夠方便地表達和應用。系統(tǒng)構建了三個知識庫(醫(yī)學核心知識庫，專家臨時知識庫和專家優(yōu)化知識庫)來存儲和管理不同準確性水平的各種醫(yī)學知識，并通過三個模塊—知識獲取模塊、知識優(yōu)化模塊和知識更新模塊—初步實現(xiàn)了醫(yī)學知識從獲取、優(yōu)化到更新的循環(huán)過程。 隨著人工智能的發(fā)展，基于機器學習的智能型醫(yī)學決策支持系統(tǒng)得到了迅速發(fā)展，多種機器學習方法和技術被應用到醫(yī)學診

5、斷決策支持系統(tǒng)的研究之中，比如規(guī)則歸納方法、決策樹方法、范例推理以及貝葉斯信念網(wǎng)絡等。人工神經(jīng)網(wǎng)絡具有并行處理、自組織、自學習和魯棒性等優(yōu)點，為醫(yī)學決策支持系統(tǒng)的研究開辟了一條新的有效途徑。本論文中，作者構建了一個基于三層感知器結構的前饋型神經(jīng)網(wǎng)絡診斷決策支持系統(tǒng)，系統(tǒng)采用誤差反向傳播算法作為學習算法，在標準BP算法的基礎上，逐步采用增加動量項、自適應學習速率、遺忘機制和共軛梯度法改進標準BP算法。構建的神經(jīng)網(wǎng)絡系統(tǒng)用來鑒別診斷五種常見

6、的心臟病(冠心病、風濕性心臟病、高血壓心臟病、慢性肺源性心臟病和先天性心臟病)，一個352份心臟病數(shù)據(jù)庫用來構建和測試了該系統(tǒng)的性能。實驗結果表明，逐步改進標準BP算法，所構建的系統(tǒng)對這五種心臟病的分類識別性能逐漸提高。采用三種不同樣本分類技術—交叉驗證法、預留法和自舉法—對心臟病診斷決策支持系統(tǒng)進行性能評估結果表明，該系統(tǒng)能對五種常見的心臟病有較好的分類識別能力，每一種測試方法的平均分類準確性均在90％以上，從交叉驗證法分析的程序準確

7、性和用戶準確性來看，每一種心臟病的識別準確性也均在80％以上。這說明論文所構建的人工神經(jīng)網(wǎng)絡診斷決策支持系統(tǒng)對心臟病有較好的輔助診斷性能，表現(xiàn)出良好的臨床決策支持能力。 遺傳算法是模擬生物在自然環(huán)境中的遺傳和進化過程而形成的一種自適應全局優(yōu)化概率搜索算法，作者根據(jù)遺傳算法的特點，建立了一個基于混合遺傳算法的醫(yī)學診斷決策支持系統(tǒng)來鑒別診斷五種常見的心臟病。系統(tǒng)中染色體個體采用實值編碼方式。針對遺傳算法局部搜索能力較差的缺點，作者將

8、遺傳算法與BP算法相結合，用BP算法具有較強局部搜索能力的特性來加快遺傳算法的搜索速度。不同樣本分類技術對系統(tǒng)性能測試結果表明，論文構建的基于混合遺傳算法的心臟病診斷決策支持系統(tǒng)對五種心臟病均有較好的診斷識別率，平均分類準確性在85％以上，同樣表現(xiàn)出良好的心臟病的臨床診斷決策支持能力。 在用混合遺傳算法構建心臟病診斷決策支持系統(tǒng)時，染色體個體采用了實值編碼方式，用這種編碼方式表達的染色體的基因值能反映診斷變量與診斷對象之間的內(nèi)在