一种基于智能推理的辅助疾病诊断的系统技术方案

本发明专利技术提出一种基于智能推理的辅助疾病诊断的方法及系统，涉及计算机领域，该方法包括获取用户的输入信息并进行解析，将输入信息中的有效信息进行存储，计算所述有效信息在病例库中的信息匹配度以及在规则库中的规则覆盖率，对所述信息匹配度与所述规则覆盖率进行加权求和，获取疾病库中每种疾病对所述输入信息的解释值p；按照所述解释值p，将与所述解释值p相对应的疾病进行排序，将所述解释值p大于等于阈值Ε的疾病作为初始推理结论返回给用户，获取用户输入的检查结果信息并结合所述有效信息，将书本知识库中与所述初始推理结论中的疾病相对应的诊断标准显示给所述用户。本发明专利技术模拟临床诊断真实场景下问诊的过程和形式，能够较好的解释确诊结果。

【技术实现步骤摘要】

本专利技术涉及计算机领域，特别涉及一种基于智能推理的辅助疾病诊断的方法与系统。
技术介绍
疾病辅助诊断系统作为医生诊断的辅助工具，通过学习、继承和发扬医学专家的宝贵理论知识以及丰富的临床经验知识，借助信息技术和智能计算技术，在临床诊断过程中，根据患者当前的病症信息，依据系统知识库和推理分析计算机制，对病情进行分析提示，对诊断治疗方案决策提供辅助支持信息。智能辅助诊断系统可以帮助年轻无经验的医生在临床诊断决策过程中不遗漏、不错过重要的信息和线索，为疑难杂症寻找更多的解决方案。国内医疗辅助诊断系统的智能推理机制采用以下几种方式：第一种为基于产生式规则的推理机制，如文献(陈再旺和陈景长,\一个医疗辅助诊断专家系统的设计与实现,\计算机系统应用,pp.50-51,2001.)中构建了一个基于产生式规则以及冲突消解的急性腹痛辅助诊断专家系统，该系统采用正向推理以及深度优先结合剪枝的搜索策略，一步步匹配用户的输入直到寻找一个答案，然而基于规则的匹配有很大的缺陷，如果规则量级比较大，则匹配的过程的开销就会很大，规则的每一次维护与修改都需要专业人员的参与，不够灵活。基于案例推理的自动推理机制自提出以来受到了较大的关注，这种推理的主要思路是从案例库中学习出一种指导思想，之后再利用该指导思想去解决遇到的新的问题，如文献(杨丽,周雪忠,毕斓馨,张润顺,王映辉,刘保延,etal.,\基于案例推理的中医临床诊疗决策支持系统,\世界科学技术:中医药现代化,pp.474-480,2014.)基于临床实际的中医病例数据，提出一基于案例推理的中医临床诊疗决策支持系统，该系统从中医临床数据仓库中筛选加工形成中医临床效验案例库，通过计算真实案例与效验案例间的相似度来作智能诊断，然而基于案例推理的诊断方法也有其自身的局限性，例如如何有效表达真实的病例；如何使计算机像人一样去理解病例？还有一种常用的推理机制为使用神经网络来实现辅助诊断系统的智能推理，这得益于神经网络具有的联想记忆与联想映射以及不断学习的能力，如文献(蔡航,\基于神经网络的医疗诊断专家系统,\数理医药学杂志,vol.15,pp.294-295,2002.)中提出了一个基于神经网络的肺癌诊断专家系统，使用病例中的年龄、性别、家族史、既往史、吸烟史、X线检查、CT检查、纤维支气管镜检查等8项作为神经网络的输入，通过病历训练模型来根据特征输入判断是否患肺癌，又如文献(侯桂英,孙佰清,关振中,and冯英浚,\应用智能医疗诊断系统诊断高血压的研究,\哈尔滨医科大学学报,vol.37,pp.223-225,2003.)中，作者利用人工神经网络和专家系统相结合的方法，对100份高血压病例提取特征进行训练构建预测模型，再使用该模型根据高血压病症的特征进行诊断，然而，这两种专家诊断系统有个最明显的缺陷是神经系统的不可解释性，它并不能告诉用户其背后的推理过程，另外，这两个系统特征选取过于简单，在文献(蔡航,\基于神经网络的医疗诊断专家系统,\数理医药学杂志,vol.15,pp.294-295,2002.)中病例中的既往史、X线检查等都只是二元变量(是/否)，这很容易造成由于特征过于简单而出现过拟合的情况，因而，基于神经系统的专家系统的功能还很有限，其目前只适用于解决规模较小的问题，且效果与性能明显受训练数据集限制，除了推理机制的不同外，目前国内大多数疾病诊断专家系统交互不够友好，如文献(陈再旺and陈景长,\一个医疗辅助诊断专家系统的设计与实现,\计算机系统应用,pp.50-51,2001.；杨丽,周雪忠,毕斓馨,张润顺,王映辉,刘保延,etal.,\基于案例推理的中医临床诊疗决策支持系统,\世界科学技术:中医药现代化,pp.474-480,2014.；侯桂英,孙佰清,关振中,and冯英浚,\应用智能医疗诊断系统诊断高血压的研究,\哈尔滨医科大学学报,vol.37,pp.223-225,2003.)等并没有向用户呈现一个良好的交互过程，其通常需要用户有较高的专业知识并且需要用户一次性输入较多信息，而通常情况下用户并不能准确地描述自身的所有有效信息，同时，这些系统在一次性获取用户信息后往往直接将诊断结果返回给用户，缺少了与用户的交互过程，这非常不利于用户理解系统推理的过程以及自身患病的诊断流程。
技术实现思路
针对现有技术的不足，本专利技术提出一种基于智能推理的辅助疾病诊断的方法与系统。本专利技术提供一种基于智能推理的辅助疾病诊断的方法，包括步骤1，获取用户的输入信息并进行解析，将所述输入信息中的有效信息进行存储，计算所述有效信息在病例库中的信息匹配度以及在规则库中的规则覆盖率，对所述信息匹配度与所述规则覆盖率进行加权求和，获取疾病库中每种疾病对所述输入信息的解释值p；步骤2，按照所述解释值p，将与所述解释值p相对应的疾病进行排序，将所述解释值p大于等于阈值E的疾病作为初始推理结论返回给用户，获取用户输入的检查结果信息并结合所述有效信息，将书本知识库中与所述初始推理结论中的疾病相对应的诊断标准显示给所述用户。计算所述信息匹配度的公式为m=Σr=1λXr·(Σi=1Σj=1ωXri·g(Xri,Yj))]]>其中，m为所述信息匹配度，X为病例知识图谱，Xr为处于X中级别为r的三元组集合，为级别为r的三元组集合的系数，Xri为级别为r的三元组集合中的第i个三元组，为级别为r的三元组集合中的第i个三元组的权重，Y为输入信息的三元组集合，Yj为输入信息的三元组集合中的第j个三元组。计算所述规则覆盖率的公式为o=ΣiΣjθRi·f(Ri,Yj)]]>其中，o为规则覆盖率，R为疾病的规则集合，Ri为规则集合中的第i条规则，代表第i条规则的权重，Y为输入信息的三元组集合，Yj表示输入信息的三元组集合中的第j个三元组，f为标识函数。在所述步骤1之前还包括，获取用户的病例知识图谱并进行初始化，获取所述病例知识图谱中时间段T内的病例，抽取所述病例中最热门的h个症状作为用户的初始提示症状。还包括如果未存在疾病的解释值p达到阈值E，则选择k个解释值p对应的疾病，并在知识图谱中搜索除输入信息之外的权重大于阈值F的三元组作为症状返回给用户，并返回所述步骤1。本专利技术还提出一种基于智能推理的辅助疾病诊断的系统，包括获取解释值模块，用于获取用户的输入信息并进行解析，将所述输入信息中的有效信息进行存储，计算所述有效信息在病例库中的信息匹配度以及在规则库中的规则覆盖率，对所述信息匹配度与所述规则覆盖率进行加权求和，获取疾病库中每种疾病对所述输入信息的解释值p；显示诊断标准模块，用于按照所述解释值p，将与所述解释值p相对应的疾病进行排序，将所述解释值p大于等于阈值E的疾病作为初始推理结论返回给用户，获取用户输入的检查结果信息并结合所述有效信息，将书本知识库中与所述初始推理结论中的疾病相对应的诊断标准显示给所述用户。计算所述信息匹配度的公式为m=Σr=1λXr·(Σi=1Σj=1ωXri&CenterD本文档来自技高网...

【技术保护点】
一种基于智能推理的辅助疾病诊断的方法，其特征在于，包括步骤1，获取用户的输入信息并进行解析，将所述输入信息中的有效信息进行存储，计算所述有效信息在病例库中的信息匹配度以及在规则库中的规则覆盖率，对所述信息匹配度与所述规则覆盖率进行加权求和，获取疾病库中每种疾病对所述输入信息的解释值p；步骤2，按照所述解释值p，将与所述解释值p相对应的疾病进行排序，将所述解释值p大于等于阈值Ε的疾病作为初始推理结论返回给用户，获取用户输入的检查结果信息并结合所述有效信息，将书本知识库中与所述初始推理结论中的疾病相对应的诊断标准显示给所述用户。

【技术特征摘要】
1.一种基于智能推理的辅助疾病诊断的方法，其特征在于，包括步骤1，获取用户的输入信息并进行解析，将所述输入信息中的有效信息进行存储，计算所述有效信息在病例库中的信息匹配度以及在规则库中的规则覆盖率，对所述信息匹配度与所述规则覆盖率进行加权求和，获取疾病库中每种疾病对所述输入信息的解释值p；步骤2，按照所述解释值p，将与所述解释值p相对应的疾病进行排序，将所述解释值p大于等于阈值Ε的疾病作为初始推理结论返回给用户，获取用户输入的检查结果信息并结合所述有效信息，将书本知识库中与所述初始推理结论中的疾病相对应的诊断标准显示给所述用户。2.如权利要求1所述的基于智能推理的辅助疾病诊断的方法，其特征在于，计算所述信息匹配度的公式为m=Σr=1λXr·(Σi=1Σj=1ωXri·g(Xri,Yj))]]>其中，m为所述信息匹配度，X为病例知识图谱，Xr为处于X中级别为r的三元组集合，为级别为r的三元组集合的系数，Xri为级别为r的三元组集合中的第i个三元组，为级别为r的三元组集合中的第i个三元组的权重，Y为输入信息的三元组集合，Yj为输入信息的三元组集合中的第j个三元组。3.如权利要求1所述的基于智能推理的辅助疾病诊断的方法，其特征在于，计算所述规则覆盖率的公式为o=ΣiΣjθRi·f(Ri,Yj)]]>其中，о为规则覆盖率，R为疾病的规则集合，Ri为规则集合中的第i条规则，代表第i条规则的权重，Y为输入信息的三元组集合，Yj表示输入信息的三元组集合中的第j个三元组，f为标识函数。4.如权利要求1所述的基于智能推理的辅助疾病诊断的方法，其特征在于，在所述步骤1之前还包括，获取用户的病例知识图谱并进行初始化，获取所述病例知识图谱中时间段T内的病例，抽取所述病例中最热门的h个症状作为用户的初始提示症状。5.如权利要求1所述的基于智能推理的辅助疾病诊断的方法，其特征在于，还包括如果未存在疾病的解释值p达到阈值Ε，则选择k个解释值p对应的疾病，并在知识图谱中搜索除输入信息之外的权重大于阈值F的三元组作为症状返回给用户，并返回所述步骤1。6.一种基于智能推理的...

【专利技术属性】
技术研发人员：刘鹏鹤，张书涵，孙晓平，孙毓忠，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11