智能決策支持系統(tǒng)在醫(yī)療領(lǐng)域應(yīng)用案例分析-CBR

智能決策支持系統(tǒng)案例研究

——基于案例推理（CBR）在醫(yī)療領(lǐng)域的應(yīng)用【注】：內(nèi)容源自《CBR-RBR融合推理模型的構(gòu)建及在醫(yī)療領(lǐng)域的應(yīng)用》一文，作者：謝濤。CBR-RBR融合推理診斷模型：醫(yī)療診斷過程：1總覽IDSS處理過程：1總覽獲取醫(yī)療病案數(shù)據(jù)，進行預(yù)處理。利用粗糙集理論對醫(yī)療病案數(shù)據(jù)進行特征屬性約簡。計算約簡后的醫(yī)療病案數(shù)據(jù)的粗糙集屬性重要度和信息增益值，綜合加權(quán)后得到病案特征的權(quán)重。由訓(xùn)練病案數(shù)據(jù)建立基于K-D樹的病案庫，對測試病案數(shù)據(jù)進行CBR病案檢索。對于相似度較高達到或超過設(shè)定的相似度閥值的測試病案,有理由認(rèn)為病案庫中最相似病案與其診斷結(jié)果是相同的，可直接將該最相似病案輸出供醫(yī)生診斷，轉(zhuǎn)7；對于相似度較低低于設(shè)定的相似度閥值的測試病案，我們無法找到最相似的病案，所以使用RBR模塊對其進行規(guī)則推理，轉(zhuǎn)6。使用Bagging-C4.5決策樹集成技術(shù)構(gòu)建RBR推理模塊，對相似度低于設(shè)定閥值的病案進行RBR推理診斷。輸出推理結(jié)果。記錄推理結(jié)果的診斷效果，并將有效的病案推理結(jié)果作為新的病案加入病案庫，同時更新RBR模塊的決策樹規(guī)則。2相關(guān)理論CBRRBR含義Case-BasedReasoning，通過源案例指導(dǎo)目標(biāo)案例求解。以相似度衡量。類似機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)。Rule-BasedReasoning，通過既定規(guī)則指導(dǎo)目標(biāo)案例求解，規(guī)則是人為制定。類似專家系統(tǒng)。優(yōu)點自組織、自學(xué)習(xí)知識容易獲取應(yīng)用廣泛，使用門檻低概況性、一致性在細(xì)分領(lǐng)域有很好的性能提供推理依據(jù)缺點案例庫難以改寫推理過程無法解釋依賴經(jīng)驗知識獲取瓶頸無記憶規(guī)則的脆弱性2相關(guān)理論屬性約簡：在案例的特征屬性中,存在冗余、無效的特征屬性，特征屬性約簡方法就是要去除這些特征屬性。案例特征權(quán)重：在案例推理過程中，需要比較案例之間的相似度。案例中的各個特征屬性與案例的關(guān)聯(lián)度、對案例分類的有效性等都有所不同，反映出各特征屬性對案例的“優(yōu)劣”程度的區(qū)別。2相關(guān)理論案例檢索：基于相似度的檢索CBR案例檢索通常使用基于相似度的方法，從案例庫中檢索和匹配得到與目標(biāo)案例最相似的案例?；贙-D樹的檢索K-D樹是一種基于案例空間分解的樹型數(shù)據(jù)結(jié)構(gòu)，它擁有同二叉樹類似的結(jié)構(gòu),因而同樣具有結(jié)構(gòu)簡單、存儲和搜索效率高的特點，是一種高效的適用于多維空間的數(shù)據(jù)索引結(jié)構(gòu)，非常適合用于案例庫的案例存儲和案例檢索。2相關(guān)理論推理方法：基于產(chǎn)生式規(guī)則

直接將專家經(jīng)驗與知識轉(zhuǎn)化成“IF-THEN”規(guī)則。多分類器集成人們在大量的實驗中發(fā)現(xiàn)，如果將多個分類器的分類結(jié)果進行結(jié)合,其性能往往比單個分類器更好。集群優(yōu)化推理注重的是基學(xué)習(xí)器在組合后的準(zhǔn)確性，而非開始時各個基學(xué)習(xí)器的準(zhǔn)確性?；跊Q策樹通過對樣本數(shù)據(jù)進行處理，使用歸納算法生成規(guī)則，并能夠以內(nèi)部節(jié)點和分枝這類樹狀結(jié)構(gòu)存儲和表示規(guī)則：ID3、C4.5算法等。3系統(tǒng)建模數(shù)據(jù)預(yù)處理病案特征篩選病案檢索集成優(yōu)化推理