基于語(yǔ)義Web的本體表示及其在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究.pdf

1、現(xiàn)有Web上的資源不能由機(jī)器做出準(zhǔn)確的語(yǔ)義識(shí)別。為了探索解決的方法，本文以在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究為例，對(duì)基于語(yǔ)義Web的電子病歷本體結(jié)合輔助診斷的分類方法的體系結(jié)構(gòu)進(jìn)行了設(shè)計(jì)，并對(duì)其中的一些關(guān)鍵技術(shù)進(jìn)行了詳細(xì)的設(shè)計(jì)并對(duì)輔助診斷分類器進(jìn)行了實(shí)現(xiàn)。本文提出的這種方法對(duì)實(shí)現(xiàn)醫(yī)學(xué)領(lǐng)域充分的信息共享和智能的信息資源利用有重要的作用，在其他應(yīng)用領(lǐng)域也可以參照此方法。 首先，本文研究了基于語(yǔ)義Web的本體研究的研究背景并概述在醫(yī)學(xué)領(lǐng)域應(yīng)用研究現(xiàn)

2、狀。通過(guò)對(duì)本體技術(shù)的深入研究來(lái)確定適合本文的基于語(yǔ)義Web的電子病歷本體樣例的本體描述語(yǔ)言及本體構(gòu)建方法。 然后，描述了基于語(yǔ)義Web的電子病歷本體結(jié)合輔助診斷的分類方法的體系結(jié)構(gòu)。給出了基于本體的醫(yī)學(xué)領(lǐng)域相關(guān)知識(shí)的表示方法，并用OWL DL本體描述語(yǔ)言生成了醫(yī)學(xué)領(lǐng)域兩種疾病的電子病歷本體樣例片段；并結(jié)合機(jī)器學(xué)習(xí)的知識(shí)，提出了適合于利用電子病歷本體庫(kù)進(jìn)行輔助診斷的基于熵的屬性加權(quán)的最近鄰算法。 最后，根據(jù)本文提出的基于熵

3、的屬性加權(quán)的最近鄰算法，在實(shí)驗(yàn)中用Java編寫出該算法的程序，以心臟病電子病歷樣例庫(kù)和肝炎電子病歷樣例庫(kù)中的數(shù)據(jù)為例，在Eclipse軟件上運(yùn)行出分類判斷的實(shí)驗(yàn)結(jié)果，并比較分析了在Weka軟件上運(yùn)行的最近鄰算法IBK、樸素貝葉斯算法、貝葉斯信念網(wǎng)算法、J48決策樹算法、AdaBoostMl算法等其他機(jī)器學(xué)習(xí)算法對(duì)以上兩個(gè)樣例庫(kù)進(jìn)行分類判斷的實(shí)驗(yàn)結(jié)果。通過(guò)實(shí)驗(yàn)證明，本文設(shè)計(jì)的基于熵的屬性加權(quán)的最近鄰算法判斷病例的準(zhǔn)確率高于其他傳統(tǒng)的機(jī)器學(xué)