本发明专利技术公开了一种基于代理的直觉模糊理论医疗诊断模型的构建方法及装置，将传感器技术和人工智能技术，实现对病患症状的远程自动采集与传输；进而通过基于直觉模糊集理论建立的智能医疗诊断模型，对病患的症状进行诊断分析；通过对系统的知识模块，即症状-疾病知识库和疾病-医药知识库，持续的更新完善，改善和提高系统的诊断效果；在现有医疗人员、资源和技术有限，中国人口老龄化加剧的情况下，将AIMD设计实体化为ATM并安装在老年社区，通过自助终端服务，为患者提供便捷高效的医疗服务，有效的缓解了医疗压力，该医疗服务模式既节省了医疗就诊时间，又降低了医疗成本。
【技术实现步骤摘要】
本专利技术属于医疗器械
，涉及一种诊断系统，具体是一种基于代理的直觉模糊理论医疗诊断模型的构建方法及装置。
技术介绍
国老龄化人口持续增加，老年人身体机能的衰退致使疾病频发，当前医疗模式存在的不利因素增加了老年人疾病就诊的难度。整体而言，当前的医疗就诊模式存在着诸多的弊端同时也面临着巨大的挑战：(1)有限的医务人员、医疗资源与技术难以满足日益增长的医疗需求。疾病诊断的滞后性，医疗资源配置的不合理，缺乏及时有效的治疗，严重影响对患者诊断服务的质量，甚至加剧患者病情。医务人员的医疗知识、临床经验、医药知识的差异性，难以评估疾病诊断的精确度和疾病用药的合理性(2)高强度，超负荷工作和医务人员的个人因素(如性格，脾气)降低疾病诊断的正确率。在有限的医疗服务时间内，患者基数较大，患者得到的有效就诊服务的时间不足，对疾病的治愈表现出滞后性和延迟性。(3)在医疗诊断和处方用药过程中，不合理，不科学的医疗诊断服务增加了患者就医负担。医患的沟通不畅等因素导致当前医患关系持续紧张。针对上述的医疗模式存在的问题和面临的挑战，亟需有效、科学的解决方法。现代医疗技术和理论的不断发展，智能医疗诊断受到了学术界和医学界的广泛关注。人工神经网络理论的发展为智能医疗诊断提供了一种有效方法。Nikovski等人通过引入域独立变量，建立了基于贝叶斯网络医疗诊断系统。Ahmad等人提出的“改进的应用于糖尿病、心脏病和癌症的优化选择多层感知网络参数启发式算法”；Chattopadhyay等人同时提出的一个基于CBR的专家系统。Qasem等人提出了一种自适应演变RBF(radialbasisfunction)网络算法为解决多目标RBF网络医疗诊断问题提供了一种有效方法。Szmidt等人提出了一种利用直觉模糊集来诊断疾病的新方法。Majid等人提出了一个基于模糊概率的应用于失语症诊断智能医疗诊断系统。通过HealthAgents的项目开发，Horacio等人提出了一种基于代理技术的分布式决策支持系统和脑肿瘤的预后诊断系统。上述方法和理论对智能医疗诊断的发展起到了显著的推动作用，但是如何实现基于传感技术的智能医疗诊断方法仍然没有被广泛的思考并进行系统的研究。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供一种基于代理的直觉模糊理论医疗诊断模型的构建方法及装置。为达到上述目的，本专利技术采用以下技术方案予以实现：一种基于代理的直觉模糊理论医疗诊断模型的构建方法，包括三种基于直觉模糊集的关联测度的关联系数计算方法：一般的计算关联系数的方法、改进的计算关联系数的方法以及基于集合论的计算关联系数的方法；具体步骤如下：1)直觉模糊集及其扩展的概念和定义：a.设X为一个非空集合，则称为直觉模糊集，其中μA(x)和νA(x)分别表示为X中元素x属于A的隶属度和非隶属度，i表示症状变量，j表示疾病变量，即μA:X→[0,1]，x∈X→μA(x)∈[0,1]νA:X→[0,1]，x∈X→νA(x)∈[0,1]且满足条件0≤μA(x)+νA(x)≤1,x∈X此外πA(x)＝1-(μA(x)+νA(x)),x∈X表示πA(x)中元素x属于A的犹豫度或者不确定度；b.对于任一直觉模糊数α＝(μα,να)，可通过得分函数S对其进行评估：s(α)＝μα-να其中，s(α)为α的得分值，s(α)∈[0,1]；直觉模糊数α的得分值与其隶属度μα和非隶属度να的差值直接相关，μα和να的差值越大，则α的得分值越大，从而直觉模糊数α越大；精确函数：h(α)＝μα+να其中，α＝(μα,να)为直觉模糊数，h为α的精确函数，h(α)为α的精确度，h(α)值越大，则直觉模糊数α的精确度越高；从而可得α的犹豫度和精确度之间的函数关系如下：h(α)+πα＝1因此，犹豫度πα越小，则精确度h(α)值越大；2)三种关联测度的关联系数的计算方法：2-1)一般的直觉模糊集A0和Aj的关联测度方法：设X＝{x1,x2,...,xn本文档来自技高网...
【技术保护点】
一种基于代理的直觉模糊理论医疗诊断模型的构建方法，其特征在于，包括三种基于直觉模糊集的关联测度的关联系数计算方法：一般的计算关联系数的方法、改进的计算关联系数的方法以及基于集合论的计算关联系数的方法；具体步骤如下：1)直觉模糊集及其扩展的概念和定义：a.设X为一个非空集合，则称为直觉模糊集，其中μA(x)和νA(x)分别表示为X中元素x属于A的隶属度和非隶属度，i表示症状变量，j表示疾病变量，即μA:X→[0,1]，x∈X→μA(x)∈[0,1]νA:X→[0,1]，x∈X→νA(x)∈[0,1]且满足条件0≤μA(x)+νA(x)≤1,x∈X此外πA(x)＝1‑(μA(x)+νA(x)),x∈X表示πA(x)中元素x属于A的犹豫度或者不确定度；b.对于任一直觉模糊数α＝(μα,να)，通过得分函数S对其进行评估：s(α)＝μα‑να其中，s(α)为α的得分值，s(α)∈[0,1]；直觉模糊数α的得分值与其隶属度μα和非隶属度να的差值直接相关，μα和να的差值越大，则α的得分值越大，从而直觉模糊数α越大；精确函数：h(α)＝μα+να其中，α＝(μα,να)为直觉模糊数，h为α的精确函数，h(α)为α的精确度，h(α)值越大，则直觉模糊数α的精确度越高；从而得α的犹豫度和精确度之间的函数关系如下：h(α)+πα＝1因此，犹豫度πα越小，则精确度h(α)值越大；2)三种关联测度的关联系数的计算方法：2‑1)一般的直觉模糊集A0和Aj的关联测度方法：设X＝{x1,x2,...,xn}为一个有限集合，和Aj={<xi,μAj(xi),νAj(xi)>|xi∈X}]]>为直觉模糊集，若ρ(A0,Aj)=c(A0,Aj)(c(A0,A0)·c(A0,Aj))1/2---(1)]]>其中，c(A0,Aj)=Σi=1n(μA0(xi)·μAj(xi)+νA0(xi)·νAj(xi))---(2)]]>则称ρ(A0,Aj)为直觉模糊集A0和Aj的关联系数；关联系数xi∈X满足下列性质：0≤ρ1(A1,A2)≤10≤ρ1(A1,A2)≤1ρ1(A1,A2)＝ρ1(A2,A1)2‑2)改进的直觉模糊集A0和Aj的关联测度方法：设X＝{x1,x2,...,xn}为一个有限集合，和Aj={<xi,μAj(xi),νAj(xi)>|xi∈X}]]>为直觉模糊集，则称ρ(A0,Aj)=12nΣi=1n(Δμmin+ΔμmaxΔμi+Δμmax+Δνmin+ΔνmaxΔνi+Δνmax)---(3)]]>为直觉模糊集A0和Aj的关联系，其中Δμi=|μA1(xi)-μA2(xi)|,Δνi=|νA1(xi)-νA2(xi)|]]>Δμmin=mini{|μA1(xi)-μA2(xi)|},Δνmin=mini{|νA1(xi)-νA2(xi)|}]]>Δμmax=maxi{|μA1(xi)-μA2(xi)|},Δνmax=maxi{|νA1(xi)-νA2(xi)|}]]>考虑元素xi∈X的权重，在多属性决策中，每个属性具有不同的重要性，因而赋予不同的权重，公式(3)概括为：ρ(A0,Aj)=12Σi=1nωi(Δμmin+ΔμmaxΔμi+Δμmax+Δνmin+ΔνmaxΔνi+Δνmax)---(4)]]>其中，ω＝(ω1,ω2,...,ωn)T为xi的权重向量，ωi≥0，且其中i＝1,2,...,n；权重的排列是ω1≥ω2≥…≥ωn，不全取等号；2‑3)基于集合论的计算关联系数的方法：设X＝{x1,x2,...,xn}为一个有限集合，和为直觉模糊集，直觉模糊集A0和Aj的关联系数为：ρ(A0,Aj)=Σi=1n(μA0(xi)·μAj(xi)+νA0(xi)·νAj(xi))max(Σi=1n(μA02(xi)+νA02(xi)),Σi=...
【技术特征摘要】
1.一种基于代理的直觉模糊理论医疗诊断模型的构建方法，其特征在于，包
括三种基于直觉模糊集的关联测度的关联系数计算方法：一般的计算关联系数的
方法、改进的计算关联系数的方法以及基于集合论的计算关联系数的方法；具体
步骤如下：
1)直觉模糊集及其扩展的概念和定义：
a.设X为一个非空集合，则称为直觉模糊集，其
中μA(x)和νA(x)分别表示为X中元素x属于A的隶属度和非隶属度，i表示症状
变量，j表示疾病变量，即
μA:X→[0,1]，x∈X→μA(x)∈[0,1]
νA:X→[0,1]，x∈X→νA(x)∈[0,1]
且满足条件
0≤μA(x)+νA(x)≤1,x∈X
此外
πA(x)＝1-(μA(x)+νA(x)),x∈X
表示πA(x)中元素x属于A的犹豫度...
【专利技术属性】
技术研发人员：张映锋，刘思超，朱振飞，司书宾，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。