面向醫(yī)療診斷的BN-CBR混合模型及其應(yīng)用.pdf

1、目前CBR醫(yī)療輔助診斷系統(tǒng)相似度準(zhǔn)則不能隨案例增加進(jìn)行更新，無(wú)法實(shí)現(xiàn)動(dòng)態(tài)學(xué)習(xí)，模型檢索效率隨案例庫(kù)規(guī)模增加而降低，在醫(yī)療數(shù)據(jù)缺失條件下診斷準(zhǔn)確性較低。針對(duì)這些問(wèn)題，建立貝葉斯網(wǎng)絡(luò)-基于案例推理(BN-CBR)混合診斷模型，解決醫(yī)療診斷數(shù)據(jù)缺失問(wèn)題，滿足案例庫(kù)更新要求，提高診斷效率與正確性。
　　 論文將貝葉斯網(wǎng)絡(luò)(BN)與基于案例推理方法(CBR)結(jié)合建立BN-CBR混合診斷模型。模型以CBR作為基本的推理機(jī)制，通過(guò)檢索以往案例

2、為當(dāng)前診斷問(wèn)題提供決策支持。BN作為一種數(shù)據(jù)挖掘工具對(duì)案例庫(kù)進(jìn)行學(xué)習(xí)獲得診斷屬性間存在的潛在關(guān)聯(lián)知識(shí)，將這些知識(shí)通過(guò)相似度評(píng)價(jià)函數(shù)反映到模型的案例檢索過(guò)程中。在此基礎(chǔ)上，提出通過(guò)K-D樹(shù)算法組織案例庫(kù)，按照診斷屬性權(quán)重將案例庫(kù)劃分為不同的案例子集，模型在各案例子集中進(jìn)行檢索，這樣大大壓縮了檢索空間，提高案例檢索效率。利用信息增益算法從大量診斷屬性中篩選最優(yōu)屬性子集，利用自省學(xué)習(xí)方法為每個(gè)屬性分配權(quán)重。提出了通過(guò)人機(jī)結(jié)合方式進(jìn)行案例改寫(xiě)和