摘 要：臨床決策支持系統(tǒng)對(duì)提高醫(yī)生決策能力具有重要意義，本文設(shè)計(jì)了臨床決策系統(tǒng)的功能及組成，并利用粗糙集理論及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力來(lái)獲取疾病知識(shí)，提高了知識(shí)獲取的準(zhǔn)確性和全面性；并采用模糊神經(jīng)網(wǎng)絡(luò)的高效推理機(jī)制，構(gòu)建了臨床決策系統(tǒng)模型，為引導(dǎo)醫(yī)生逐步診斷出疾病，提供了參考的治療方案。

關(guān)鍵詞：數(shù)字化醫(yī)院；機(jī)器學(xué)習(xí)；臨床決策；支持系統(tǒng)

中圖分類號(hào)：TP181

機(jī)器學(xué)習(xí)是研究怎樣使用計(jì)算機(jī)來(lái)實(shí)現(xiàn)對(duì)人類學(xué)習(xí)活動(dòng)過(guò)程進(jìn)行模擬，通過(guò)針對(duì)一些經(jīng)驗(yàn)性的指導(dǎo)性事例或數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，歸納出識(shí)別性的概念或有規(guī)律的函數(shù)，從而提高自我性能。通過(guò)機(jī)器學(xué)習(xí)，采取分析歸納的態(tài)度對(duì)所有疾病進(jìn)行分類總結(jié)，并運(yùn)用知識(shí)系統(tǒng)、專家系統(tǒng)、模式識(shí)別等領(lǐng)域的知識(shí)構(gòu)建了臨床決策系統(tǒng)的模型，從而有效解決了醫(yī)生知識(shí)的局限性，為醫(yī)療質(zhì)量提供了保證。本文主要針對(duì)疾病診治醫(yī)學(xué)信息采集與處理需求，研究常見(jiàn)與重大疾病的特征參數(shù)，通過(guò)機(jī)器學(xué)習(xí)來(lái)完成對(duì)診斷模式的判定，并設(shè)計(jì)構(gòu)建了臨床決策系統(tǒng)模型，為疾病診斷提供了新的思路。

1 臨床決策支持系統(tǒng)的設(shè)計(jì)

1.1 系統(tǒng)組成

臨床決策支持系統(tǒng)設(shè)計(jì)主要包括三個(gè)功能模塊，分別是疾病診斷模塊、疾病治療模塊和疾病預(yù)防模塊。

（1）疾病診斷模塊。系統(tǒng)的開(kāi)發(fā)設(shè)計(jì)過(guò)程中將所有疾病癥狀特征進(jìn)行分類總結(jié)和概括，對(duì)主要指標(biāo)進(jìn)行整理，建立主要癥狀集合。根據(jù)患者的臨床癥狀，對(duì)應(yīng)進(jìn)入相應(yīng)的癥狀集合，并根據(jù)賦予的相關(guān)權(quán)重進(jìn)行診斷。

（2）疾病治療模塊。根據(jù)使用者所選擇的運(yùn)行方式，經(jīng)過(guò)對(duì)應(yīng)的推理，系統(tǒng)給出相應(yīng)的診斷結(jié)論，并根據(jù)診斷結(jié)論給予科學(xué)的治療方案。

（3）疾病預(yù)防模塊。系統(tǒng)將會(huì)針對(duì)主要疾病，根據(jù)采集的相應(yīng)信息提出相應(yīng)的預(yù)防措施。

1.2 知識(shí)庫(kù)設(shè)計(jì)

診斷知識(shí)庫(kù)主要有兩部分，診斷參數(shù)是進(jìn)行疾病診斷的基本參數(shù)；規(guī)則表現(xiàn)了疾病癥狀與疾病性質(zhì)、原因之間的內(nèi)在聯(lián)系。規(guī)則庫(kù)是診斷系統(tǒng)知識(shí)庫(kù)的最重要組成部分，采用產(chǎn)生式規(guī)則的知識(shí)表示法表示專家經(jīng)驗(yàn)知識(shí)。

自組織映射神經(jīng)網(wǎng)絡(luò)來(lái)獲取粗糙集知識(shí)，其是一個(gè)非參數(shù)遞歸衰減過(guò)程，能夠?qū)崿F(xiàn)特征自動(dòng)識(shí)別的聚類分析功能。其基本步驟如下：

（1）初始化。在[0，1]區(qū)間內(nèi)隨機(jī)確定一個(gè)數(shù)值作為網(wǎng)絡(luò)的連接權(quán)值Wij的取值，確定a（t）的初始值為a（0），Ng（t）的初始值為Ng（0），確定神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的總次數(shù)T的數(shù)值。

（2）樣本模式Pk規(guī)范化處理 。

（3）計(jì)算 與 間的距離 （1）其中：j=0，1，2，L，m獲勝節(jié)點(diǎn)是使dk最小的神經(jīng)元g。

（4）對(duì)獲勝節(jié)點(diǎn)的值權(quán)進(jìn)行更新，對(duì)其領(lǐng)域Ng（t）節(jié)點(diǎn)的連續(xù)權(quán)值進(jìn)行修改： ，其中j=0，1，2，L，n （2）

（5）返回步驟2，將樣本集中的其他數(shù)據(jù)輸入網(wǎng)絡(luò)并訓(xùn)練，直到所有數(shù)據(jù)都輸入完為止。

（6）再對(duì)a（t）及Ng（t）進(jìn)行更新。

（7）并令t=t+1，返回步驟2，重復(fù)至t=T為止。SOM神經(jīng)網(wǎng)絡(luò)在經(jīng)訓(xùn)練后，按照以下的方式對(duì)輸入模式分類，競(jìng)爭(zhēng)神經(jīng)元的輸出為：

輸出值為1的獲勝神經(jīng)元即代表輸入模式的類別。

采用基于粗糙集與神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)進(jìn)行規(guī)則提取的主要步驟如下：

1）根據(jù)實(shí)際的診斷案例和數(shù)據(jù)，構(gòu)造決策表。

2）對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理。

3）用約簡(jiǎn)算法對(duì)新表進(jìn)行化簡(jiǎn)，消除冗余。

4）根據(jù)新表中數(shù)據(jù)構(gòu)建神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試樣本集。

5）用訓(xùn)練樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并保存網(wǎng)絡(luò)結(jié)構(gòu)。

6）用測(cè)試樣本進(jìn)行測(cè)試。

7）測(cè)試通過(guò)，將訓(xùn)練的結(jié)果存入知識(shí)庫(kù)；若測(cè)試不通過(guò)，放棄該組結(jié)果。

1.3 推理機(jī)制設(shè)計(jì)

其中第一層為輸入層，xi（i=1，2，L，n），取1、0或2、0表示該癥狀不出現(xiàn)；1表示該癥狀出現(xiàn)且程度輕微，2表示該癥狀出現(xiàn)且程度嚴(yán)重，第二、三層為隱含層，第四層為輸入層，得出疾病診斷的結(jié)果，輸出的結(jié)果可能有兩個(gè)，其中y1表示概率較大的疾病名，y2為概率次之的疾病名。

2 結(jié)束語(yǔ)

針對(duì)疾病診治醫(yī)學(xué)信息采集與處理需求，利用機(jī)器學(xué)習(xí)的方法設(shè)計(jì)了臨床決策系統(tǒng)模型。知識(shí)獲取是建立專家診療系統(tǒng)的主要難題，本文利用粗糙集理論及神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自反饋的能力來(lái)獲取疾病知識(shí)，建立知識(shí)庫(kù)。此外，對(duì)癥狀和疾病之間的關(guān)系進(jìn)行了量化，利用模糊神經(jīng)網(wǎng)絡(luò)很好的處理模糊輸入和疾病診斷情況，并能夠記憶診斷過(guò)程和結(jié)果，從而歸納出新的診斷規(guī)則，有效提高了推理速度。最后，針對(duì)某一具體病例從輸入癥狀到最終的疾病診斷做了闡述，提供參考治療方案，為疾病診斷提供了新的思路。

參考文獻(xiàn)：

[1]謝薇薇.機(jī)器學(xué)習(xí)在模擬電路故障診斷中的應(yīng)用研究[D].中國(guó)海洋大學(xué)，2009.

[2]胡利平.基于智能計(jì)算的移動(dòng)式專家系統(tǒng)研究[D].中國(guó)農(nóng)業(yè)大學(xué)，2005.

[3]吳今培，肖建華.智能故障診斷與專家系統(tǒng)[M].北京：科學(xué)出版社，1997.

[4]乇竹萍，章笠中.基于數(shù)字化醫(yī)院無(wú)線臨床移動(dòng)系統(tǒng)的幵發(fā)研究[J].中國(guó)數(shù)字醫(yī)學(xué)，2008（05）：36-38.

[5]虞和濟(jì).基于神經(jīng)網(wǎng)絡(luò)的智能診斷[M].北京：冶金工業(yè)出版社，2002.

[6]曾黃麟.粗集理論及其應(yīng)用——關(guān)于數(shù)據(jù)理論的新方法[M].重慶：重慶大學(xué)出版社，1998.

作者簡(jiǎn)介：湯建（1986.03-），男，江蘇淮安人，工程師，工學(xué)碩士，研究方向：醫(yī)院信息化系統(tǒng)、人工智能。

作者單位：淮安市婦幼保健院，江蘇淮安 223002