[發明專利]一種基于案例推理的心臟病智能診斷方法

無效

• 申請號: 201310067819.5
• 申請日: 2013-03-04
• 公開（公告）號: CN103116707A
• 公開（公告）日: 2013-05-22
• 發明（設計）人: 嚴愛軍;趙輝;錢麗敏
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.一種基于案例推理的心臟病智能診斷方法，其特征在于，將心臟病診斷數據作為案例輸入，基于案例推理的診斷方法會根據當前輸入的指標在歷史案例庫中檢索出與之最為相近的案例，并通過案例的重用做出當前案例的診斷結果，對得到的結果進行對比評價，將不滿意的進行案例的修正直至找到滿意的解，此時輸出該案例的診斷結果并存儲；包括以下步驟：

步驟1：定義案例表示形式；

將待診斷的數據指標表示為案例推理系統所能處理的形式，用下面的屬性加診斷結果的屬性對來進行描述：

C=(x₁,x₂,...,x_n;D)????(1)

其中，x₁,x₂,...,x_n表示病例中所診斷得到的n個指標，D表示該病例的診斷結果。

步驟2：構建歷史案例集；

利用上述表示形式對歷史的診斷記錄進行描述：

C_k=(x_k1,x_k2,...,x_kn;D_k),k=1,2,3...,m????(2)

其中k表示歷史案例的個數；

步驟3：利用注水原理對特征屬性進行權重的分配；

計算各特征屬性值的標準差以及方差為：

σi=1/mΣk=1m(xki-μi)2μi=1/mΣk=1mxki---(3)]]>

其中，σ_i是第i個屬性的標準差，μ_i為第i個屬性的均值；以此作為評價指標構造屬性容量函數如下：

CW=Σi=1nlog2(1+μiωi/σi)---(4)]]>

其中，C_W表示屬性容量用于衡量屬性所包含信息量的大小，ω_i即表示第i個特征屬性所能夠分配得到的權重值，其值滿足為得到最優的權重分配方案對上式構造拉格朗日方程并對權重進行求導如下：

L(ω,λ)=Σi=1nlog2(1+μiωi/σi)+λ(1-Σi=1nωi)]]>

∂L/∂ω1=(1/ln2)[μi/(σi+ω1μi)]=0∂L/∂ω2=(1/ln2)[μi/(σi+ω2μi)]=0................∂L/∂ωn=(1/ln2)[μi/(σi+ωnμi)]=0---(5)]]>

最終，由注水原理確定的案例屬性權重的計算公式為：

ω_i=max(0,ε-σ_i/μ_i)????(6)

其中，σ_i是第i個屬性值集的標準差，μ_i為第i個屬性值集的均值；ε是案例屬性權重的門限值；

步驟4：特征屬性的選取；

將特征屬性權重按照從大到小的順序進行排列為ω_i(i=1,2,3,...,n;ω_i>ω_i-1)，設定屬性重要度閾值為ω_d，將重要度大于該閾值的n₁(n₁≤n)個屬性提取出來將剩余重要度小于閾值的屬性剔除完成屬性的選取環節，并將約簡后的各個特征屬性的權重做相應的調整：

ωj=ωi/Σi=0n1ωi,(j=1,2,3,...,n1;j=i)---(7)]]>

步驟5：案例的檢索；

將目標案例與歷史案例庫中的每一個記錄進行相似度的計算，相似度利用下式進行描述：

S(T,X_k)=1-Ω(T,X_k),k=1,2,...,m????(8)

其中，k是歷史案例的個數，T表示目標案例，X_k表示第k個歷史案例記錄，Ω是目標案例與歷史案例之間的歐氏距離，可用下式得到：

Ω(T,Xk)=(Σj=1n1ωj(tj-xkj)2)1/2---(9)]]>

其中，特征屬性變量的權重ω_j，滿足：

Σj=1n1ωj,=1---(10)]]>

步驟6：案例的重用；

通過案例檢索可以找到與當前案例相近的若干歷史案例，設定相似度的閾值是S_v∈(0,1]，以此閾值得到檢索出的匹配案例個數為l，這些匹配案例的相似度是：

So,o=1,2,···,ls.t.So≥Sv---(11)]]>

那么這些案例的診斷結果就可以重用于新的案例中去，那么目標案例的診斷結果即為：

DT=(Σo=1lsoDo)/Σk=olso---(12)]]>

其中D_T,D_o分別表示新案例與檢索出的相近案例的診斷結果；

步驟7：案例的修正；

對得到的診斷結果進行評價，若滿意則輸出診斷結果，否則對該案例進行修正，通過調整相似度閾值S_v∈(0,1]來得到不同的匹配案例并轉至步驟6。

2.根據權利要求1所述的一種基于案例推理的心臟病智能診斷方法，其特征在于：所述的心臟病診斷數據包括：年齡、性別、胸口痛的類型、血壓、膽固醇、空腹血糖、心電圖結果、最高心率。