梁昌勇，顧東曉，3，程文娟，楊昌輝，4，顧佐佐

（1.合肥工業(yè)大學(xué)管理學(xué)院，安徽合肥 230009；2.安徽大學(xué)藝術(shù)與傳媒學(xué)院，安徽合肥 230011；3.南京大學(xué)信息管理學(xué)院，江蘇南京210093；4.安徽省產(chǎn)業(yè)轉(zhuǎn)移與創(chuàng)新發(fā)展人文社會(huì)科學(xué)重點(diǎn)研究基地，安徽合肥 230009）

含非連續(xù)性信息多屬性案例中的決策知識(shí)發(fā)現(xiàn)方法

梁昌勇1，顧東曉1，3，程文娟1，楊昌輝1，4，顧佐佐2

（1.合肥工業(yè)大學(xué)管理學(xué)院，安徽合肥 230009；2.安徽大學(xué)藝術(shù)與傳媒學(xué)院，安徽合肥 230011；3.南京大學(xué)信息管理學(xué)院，江蘇南京210093；4.安徽省產(chǎn)業(yè)轉(zhuǎn)移與創(chuàng)新發(fā)展人文社會(huì)科學(xué)重點(diǎn)研究基地，安徽合肥 230009）

醫(yī)療決策案例中非連續(xù)性屬性信息大量存在，含該類信息的案例知識(shí)發(fā)現(xiàn)是多屬性案例決策的關(guān)鍵和難點(diǎn)。該文研究了含非連續(xù)性屬性信息案例中的決策知識(shí)發(fā)現(xiàn)，將條件概率和GAs融合技術(shù)整合到案例推理方法之中，開發(fā)了KNN的延伸方法——CRMGACP法。該方法的核心是基于Gas進(jìn)行權(quán)重獲取和基于融合條件概率的改進(jìn)相似度算法進(jìn)行案例知識(shí)獲取。在某大型綜合醫(yī)院收集數(shù)據(jù)，獲取有效數(shù)據(jù)300條，基于VC++開發(fā)實(shí)現(xiàn)的BC-CBRsys平臺(tái)進(jìn)行了實(shí)驗(yàn)研究，結(jié)果表明CRMGACP比其他常見(jiàn)方法具有更好的性能，在多個(gè)統(tǒng)計(jì)指標(biāo)上展示出顯著的優(yōu)勢(shì)。顯然，改進(jìn)的案例決策方法克服了含非連續(xù)性信息案例決策知識(shí)難以獲取的問(wèn)題，在臨床決策領(lǐng)域具有廣闊的前景。

復(fù)雜多屬性決策；公共衛(wèi)生管理；知識(shí)發(fā)現(xiàn)；離散變量；案例推理

1 引言

本研究將關(guān)注一類相對(duì)較為特別的醫(yī)院診療決策案例，即非連續(xù)性屬性為主體的健康案例。這里的非連續(xù)性屬性主要指離散型屬性，包括但不等同于邏輯屬性。在醫(yī)院診療決策中，醫(yī)生所能獲取知識(shí)和信息的量和質(zhì)一定程度上決定著醫(yī)生診斷的質(zhì)量，因此診斷過(guò)程中知識(shí)和信息的支持非常重要。為了幫助醫(yī)生更為有效地進(jìn)行決策，各種輔助技術(shù)現(xiàn)有被研發(fā)出來(lái)，如邏輯回歸（Logistic Regression）［1］和人工神經(jīng)網(wǎng)絡(luò)模型（Artificial Neural Network）［2］。其中較早較有影響的是Mangasarian，Street，Wolberg等人使用線性規(guī)劃方法基于小部分細(xì)胞病例切片對(duì)乳腺癌進(jìn)行診斷和預(yù)測(cè)，其研究成果在威斯康星大學(xué)醫(yī)院獲得了應(yīng)用。此外，貝葉斯網(wǎng)、統(tǒng)計(jì)學(xué)、決策樹等方法和工具先后被研究用于醫(yī)學(xué)輔助診斷和預(yù)測(cè)。雖然以上這些方法可以或多或少提供幫助，但由于不符合醫(yī)生大腦判斷的流程和思維習(xí)慣，所以真正實(shí)際被應(yīng)用的卻很少。本質(zhì)上來(lái)說(shuō)，診療過(guò)程本身是高度依賴歷史經(jīng)驗(yàn)知識(shí)的，而這正是案例推理技術(shù)（Case-Base Reasoning，CBR）的優(yōu)勢(shì)所在?，F(xiàn)有CBR研究文獻(xiàn)涉及多屬性決策、模糊決策、協(xié)同決策等許多具體決策問(wèn)題的研究與求解，并取得了成功。但已有成果大都面向工業(yè)界，所研究的案例屬性信息相對(duì)較為常規(guī)。綜合分析國(guó)內(nèi)外相關(guān)文獻(xiàn)，CBR在醫(yī)療多屬性決策領(lǐng)域的研究并不深入，難以適應(yīng)復(fù)雜、高精度要求的醫(yī)療決策需求，存在的主要問(wèn)題是在醫(yī)療決策案例類型、維度以及信息處理復(fù)雜度方面考慮不足，缺乏對(duì)高效醫(yī)療決策知識(shí)獲取方法和手段的研究［3-5］。雖然越來(lái)越多的學(xué)者正在關(guān)注多屬性案例決策方法的研究，但含離散變量的多屬性診療決策問(wèn)題卻一直未得到有效解決。為了解決此類問(wèn)題，本文將遺傳算法（GAs）和條件概率（Conditional Probability，CP）整合到案例推理技術(shù)中，提出了一種適應(yīng)含離散變量診療決策案例的案例推理方法CRMGACP法（Case Retrieval Method based on Genetic Algorithm and Conditional Probability）。CRMGACP是一種融合了條件概率和遺傳算法的案例推理技術(shù)，可以用于幫助醫(yī)院構(gòu)建一個(gè)知識(shí)支持系統(tǒng)，輔助醫(yī)生進(jìn)行決策。在接下來(lái)的部分將介紹我們用來(lái)解決所研究問(wèn)題的研究、設(shè)計(jì)和方法論，具體包括案例識(shí)別算法、數(shù)據(jù)集、實(shí)驗(yàn)設(shè)計(jì)和相應(yīng)的實(shí)驗(yàn)結(jié)果。

2 案例檢索

基于歐氏距離的最近鄰算法一直是最為常見(jiàn)的案例檢索算法，并沒(méi)成功地應(yīng)用于各種CBR系統(tǒng)中［6］。該方法處理連續(xù)性屬性的計(jì)算效果尚可，但對(duì)于離散型屬性的計(jì)算，則效果不佳。非匹配離散型屬性（Nonmatching Discrete Attributes）對(duì)距離計(jì)算的貢獻(xiàn)最大而匹配屬性（Matching Attributes）則完全沒(méi)有貢獻(xiàn)［7］。對(duì)于邏輯屬性，這種處理方式是合理的。但對(duì)于非邏輯型的離散屬性，則問(wèn)題就出現(xiàn)了。為解決該問(wèn)題，Stanfill和Waltz［8］提出了值差異矩陣（Value Difference Metric，VDM）。之后，Wilson和Martinez［9］進(jìn)一步提出了幾個(gè)基于VDM的新矩陣。例如：與Gower插值VDM［10］（Interpolated VDM，IVDM）相似矩陣類似的異構(gòu)值差異矩陣（Heterogeneous Value Difference Metric，HVDM）和視窗VDM（Windowed VDM，WDVM）。WDVM與IVDM類似但是其更為成熟的一個(gè)版本。IVDM和WDVM可以被看作VDM的一個(gè)拓展版本，它通過(guò)離散化和進(jìn)行概率計(jì)算來(lái)處理連續(xù)性屬性。

IVDM和WDVM的基本思想是，樣本計(jì)算的前提是所有連續(xù)性屬性必須被離散化。也就是說(shuō)，這些方法似乎本質(zhì)上依然是離散型屬性的計(jì)算方法。而且，這些方法還有一個(gè)弱點(diǎn)，即隨著離散化程度的變化，相似度值可能也是不固定的。也就是說(shuō)，雖然數(shù)據(jù)集是相同的，當(dāng)選擇不同的離散程度，檢索的結(jié)果也可能不同。還有另外一個(gè)局限，IVDM和WDVM中權(quán)重的概念在現(xiàn)實(shí)世界特定的研究問(wèn)題中很難被解釋。

同一個(gè)屬性有不同的權(quán)重這一點(diǎn)并不容易被理解和接受。有沒(méi)有一種有效的方法可以同時(shí)解決連續(xù)性和離散型屬性的直接計(jì)算，而不通過(guò)離散化連續(xù)屬性值？根據(jù)我們后續(xù)的研究，這個(gè)問(wèn)題的答案是肯定的。本研究中，我們將遺傳算法和條件概率整合到案例推理技術(shù)當(dāng)中，提出了主要面向含非連續(xù)屬性案例的CRMGACP法。CRMGACP可以解決同時(shí)含連續(xù)性和離散型屬性案例的知識(shí)發(fā)現(xiàn)，而且更符合人們的習(xí)慣。

為了比較需要，在后續(xù)的實(shí)驗(yàn)中，我們也研究了固定權(quán)重法和頗受歡迎的德?tīng)柗品?quán)重獲取下的案例檢索。其中，德?tīng)柗品ㄊ且环N重要的專家權(quán)重法。CRMGACP包含兩個(gè)方面的關(guān)鍵步驟，權(quán)重獲取和相似度計(jì)算。為此，我們圍繞著權(quán)重獲取方法和相似度計(jì)算算法進(jìn)行研究，將遺傳算法應(yīng)用于權(quán)重獲取過(guò)程，整合條件概率到傳統(tǒng)的基于歐式距離相似度算法。

2.1 權(quán)重獲取方法

權(quán)重獲取問(wèn)題存在于許多領(lǐng)域的研究課題當(dāng)中［11］。好的權(quán)重獲取方法可以較大幅度提高CBR系統(tǒng)獲取知識(shí)的精度。有關(guān)權(quán)重獲取方法研究的成果極其豐富，近年來(lái)在輔助決策領(lǐng)域較有影響的如Renauda等人［12］提出的OWA算子權(quán)重獲取法，主要用來(lái)解決工業(yè)決策領(lǐng)域的權(quán)重確定問(wèn)題。此外，Zhi-hong Zou等人研究了物理熵在水質(zhì)量評(píng)估問(wèn)題中的權(quán)重獲取中的運(yùn)用思路，其研究的深度尤其是實(shí)驗(yàn)的完善方面還有較大的提升空間，否則難以真正推廣應(yīng)用。傳統(tǒng)的最近領(lǐng)算法中，所有特征屬性的默認(rèn)權(quán)重都固定為1，雖然處理起來(lái)較為簡(jiǎn)單，但解釋起來(lái)卻難以被人接受。CBR實(shí)踐中，德?tīng)柗品ǎ―ELPHI）和層次分析法（AHP）也是兩種較受歡迎的方法。但這兩種方法的準(zhǔn)確性卻差強(qiáng)人意，因?yàn)橹饔^性較大。此外，線性規(guī)劃方法（Linear Programming）、決策樹法（Decision Trees）、遺傳算法（Genetic Algorithms）等［14-15］，但是這些方法大都面向特定的領(lǐng)域問(wèn)題提出的有著較為嚴(yán)格的使用條件限制，難以推廣應(yīng)用在更多的實(shí)際問(wèn)題中。針對(duì)本課題的研究?jī)?nèi)容，我們提出了基于遺傳算法的權(quán)重獲取方法（GA-Weight），討論了用遺傳算法來(lái)獲取案例庫(kù)上的特征項(xiàng)權(quán)重，給出了具體的算法。該方法可用于權(quán)重發(fā)現(xiàn)。

在CBR系統(tǒng)使用的多種案例搜索技術(shù)中，遺傳算法是其中一種非常有效的隨機(jī)搜索方法。它是一種基于生物進(jìn)化論和遺傳學(xué)機(jī)理的概率搜索技術(shù)，建立在適者生存的原則上，即最合適的個(gè)體將被選擇去產(chǎn)生下一子代［16］，其本質(zhì)是一種自然選擇和人類遺傳學(xué)機(jī)制下的搜索算法［17］。群體搜索策略和個(gè)體之間的信息交換是GAs的兩大特點(diǎn)，特別適用于信息量大且復(fù)雜的搜索空間。GAs一般通過(guò)初始化產(chǎn)生表示問(wèn)題解的初始群體，然后用事先定義的適應(yīng)度函數(shù)評(píng)價(jià)群體中的每個(gè)個(gè)體；以后的每一代的個(gè)體都按照適應(yīng)度函數(shù)的值進(jìn)行選擇，并且通過(guò)遺傳算子的進(jìn)化產(chǎn)生新的適應(yīng)性更好的群體。通過(guò)這種機(jī)制，遺傳算法可以收斂到全局最優(yōu)解或次優(yōu)解。作為自然選擇和演化理論指導(dǎo)下的全局優(yōu)化技術(shù)，遺傳算法在在理論上和實(shí)證上都已經(jīng)被證明是魯棒的搜索技術(shù)（Robust Search Techniques）。使用GAs獲取各個(gè)特征屬性最佳權(quán)重的過(guò)程和基本步驟如圖1所示。為比較研究的需要，專家評(píng)價(jià)權(quán)重和固定權(quán)重也將在后面的實(shí)驗(yàn)中被研究。

下面對(duì)圖1進(jìn)行進(jìn)一步的補(bǔ)充說(shuō)明。在Step 3，需找適宜度值的目的是為了保持好的染色體。每個(gè)染色體的適宜度值將于當(dāng)前最好的一個(gè)進(jìn)行比較，加入當(dāng)前染色體有更好的適宜度值，新的一個(gè)將被用于制造下一代染色體。以下介紹訓(xùn)練集適宜度的計(jì)算。

（1）目標(biāo)函數(shù)

（2）Pi的計(jì)算

令參考案例集為Rc=｛r1，r2，…，rn｝，j=1，2，…，n，訓(xùn)練案例集為Tc=｛t1，t2，…，tn｝，i=1，2，…，k

在Step 5，使用了輪盤賭選擇方法，適應(yīng)度函數(shù)代表輪盤上每根弦的面積比例，也代表被選擇交叉的比例。染色體適應(yīng)值越大表示選擇交叉的概率越大。用p（x）表示該概率，每個(gè)染色體被選的概率定義如下：

則有：

在Step 4，訓(xùn)練集適應(yīng)度函數(shù)的目標(biāo)函數(shù)為：

2.2 融合條件概率的相似度計(jì)算

CRMGACP中不含遺傳算法權(quán)重處理的那一部分稱之為NCCRA算法。該算法包括一個(gè)數(shù)據(jù)標(biāo)準(zhǔn)化的步驟。所有的屬性都將會(huì)被歸一化以減少不同數(shù)量級(jí)、不同單位、不同量綱的影響。這樣數(shù)據(jù)就可以在相似度計(jì)算時(shí)能夠進(jìn)行比較。NCCRA算法

圖1 使用GAs獲取各個(gè)特征屬性最佳權(quán)重的過(guò)程和基本步驟

可以通過(guò)以下模型進(jìn)行描述：其中，ξ（tf，xif）=∑y∈Y（P（y|tf）-P（y|xif））2

上式中，P（y|tf）為類標(biāo)簽y在給定特征變量值tf下的條件概率。q（tf）計(jì)算如下：

需要注意的是，上式中，q（tf）隨著tf值的變化而變化，即q（tf）依賴于tf。對(duì)于特定的醫(yī)院診療決策案例屬性，y并不唯一。這并不符合傳統(tǒng)的權(quán)重的定義。因此，q（tf）看起來(lái)似乎更像一個(gè)概率因子（Probability Factor）而不是權(quán)重變量（Weight Variable）。

CRMGACP方法可以被看出KNN法的拓展。相對(duì)于傳統(tǒng)的KNN法，連續(xù)性的因變量保持不變但邏輯變量被延展到所有的離散變量［18］。

3 研究設(shè)計(jì)

3.1 數(shù)據(jù)收集

為了本研究的需要，我們用了七個(gè)月時(shí)間在一家大型綜合醫(yī)院AH醫(yī)院進(jìn)行數(shù)據(jù)收集，先后獲取428條數(shù)據(jù)，去除缺失信息等無(wú)效數(shù)據(jù)，最終得到有效數(shù)據(jù)300條，我們將該數(shù)據(jù)命名為AH腫瘤數(shù)據(jù)（AH Cancer Data Set）。該數(shù)據(jù)集包括10個(gè)特征屬性，分別為：ID，Age，Location，Node，Idensity，Clarity，Size，Regulation，Bordersmoothness，Nipple，F(xiàn)amilyhistory和Class。第一個(gè)屬性為案例編號(hào)。最后一個(gè)為分類變量屬性，該屬性描述了乳腺癌嚴(yán)重性的基本狀況，即良性（0）還是惡性（1）。中間的10個(gè)屬性為特征屬性。10個(gè)特征數(shù)據(jù)主要來(lái)自臨床初步檢查和常規(guī)檢查，為自變量。Class為因變量，即分類輸出。該數(shù)據(jù)集中的164（54.67%）為良性腫瘤數(shù)據(jù)，136（45.33%）為惡性腫瘤數(shù)據(jù)。我們利用這些數(shù)據(jù)進(jìn)行乳腺癌案例庫(kù)的初步組織，建立了實(shí)驗(yàn)數(shù)據(jù)的案例庫(kù)。腫瘤醫(yī)生可以通過(guò)案例匹配發(fā)現(xiàn)最相似的若干案例，從而獲取知識(shí)和為進(jìn)一步的檢查和治療決定提供支持，如是否有必要通過(guò)針刺細(xì)胞活檢（Biopsy）或者M(jìn)ammography檢查以最終確診腫塊的惡性和良性。這樣，就有助于在不錯(cuò)失惡性病例的情況下一定程度上減少一些不必要的良性腫瘤被細(xì)胞穿刺等檢查情況的發(fā)生。

3.2 實(shí)驗(yàn)工具開發(fā)

為了實(shí)驗(yàn)需要，我們開發(fā)了相應(yīng)的程序軟件。我們開發(fā)的第一個(gè)實(shí)驗(yàn)程序軟件稱之為BCCBRsys（Breast Cancer CBR Program），該系統(tǒng)可以認(rèn)為是乳腺癌診斷決策支持系統(tǒng)——DSS-BCCBR（Decision Support System for Breast Cancer Diagnosis Based on CBR）的初始實(shí)驗(yàn)版本。實(shí)驗(yàn)中，歷史參考案例和測(cè)試案例分別存放在不同的文本文件中。BC-CBRsys的數(shù)據(jù)存儲(chǔ)需要遵循標(biāo)準(zhǔn)的格式。歷史參考案例的格式如下：

其中，第一列是各個(gè)特征屬性的權(quán)重值。第二列表示特征屬性的數(shù)值類型，其中1表示屬性是連續(xù)型的，0表示屬性是符號(hào)型的。再往下面的數(shù)據(jù)即為參考案例數(shù)據(jù)，其中第一列為案例ID，案例數(shù)據(jù)的行之間通過(guò)逗號(hào)分割。與歷史案例數(shù)據(jù)文件不同的是，測(cè)試數(shù)據(jù)文件里沒(méi)有前面兩行的權(quán)重值設(shè)定和特征屬性類型設(shè)定，只有測(cè)試數(shù)據(jù)。

使用Visual C++作為開發(fā)工具，我們將前文提出的案例檢索算法融合到了BC-CBRsys系統(tǒng)并實(shí)現(xiàn)了該系統(tǒng)。我們可以在輸入?yún)^(qū)域通過(guò)“Open history file”和“Open new case file”按鈕分別載入歷史參考數(shù)據(jù)和測(cè)試數(shù)據(jù)數(shù)據(jù)。當(dāng)測(cè)試完成后，案例匹配的結(jié)果，包括準(zhǔn)確性、特異性和敏感性等統(tǒng)計(jì)量可以顯示在輸出區(qū)域。為比較需要，我們也用Visual C++實(shí)現(xiàn)了另一融合傳統(tǒng)案例檢索算法的程序——KNNCBRsys。

4 實(shí)驗(yàn)及結(jié)果

4.1 兩種不同方法下的權(quán)重獲取

（1）專家評(píng)價(jià)下的權(quán)重獲取

固定權(quán)重下的案例檢索，默認(rèn)所有的屬性權(quán)重都取1。因此，我們只需要獲取專家評(píng)價(jià)法和遺傳算法這兩種方法下的屬性權(quán)重。專家評(píng)價(jià)法我們具體選擇的是較為常見(jiàn)的德?tīng)柗品ā８鶕?jù)德?tīng)柗品ǖ乃枷牒蛯?shí)施指南，我們?cè)O(shè)計(jì)了權(quán)重打分表，并邀請(qǐng)了8個(gè)腫瘤專家對(duì)所有的項(xiàng)目進(jìn)行權(quán)重打分。8個(gè)腫瘤專家，其中兩個(gè)來(lái)自于某醫(yī)科院校的附屬醫(yī)院（簡(jiǎn)稱UH醫(yī)院），另外六位來(lái)自于AH醫(yī)院。經(jīng)過(guò)三輪的打分，最終得到的各個(gè)屬性的權(quán)重值如表1所示。該表也同時(shí)包含了各個(gè)屬性專家打分的和和均值。

需要注意的是，不能通過(guò)簡(jiǎn)單的計(jì)算均值的方法獲取各個(gè)屬性的權(quán)重并直接使用。我們需要首先驗(yàn)證來(lái)自各個(gè)不同專家打分的一致性，即進(jìn)行一致性檢驗(yàn)。Kendall's和諧系數(shù)檢驗(yàn)通常被作為執(zhí)行這項(xiàng)任務(wù)。它是非參數(shù)檢驗(yàn)的一種。作為一個(gè)非參統(tǒng)計(jì)量，它是費(fèi)里德曼測(cè)試統(tǒng)計(jì)量的標(biāo)準(zhǔn)樣式，可以被用于評(píng)價(jià)不同評(píng)估人之間的一致性。Kendall's W的值在0和1之間，其中0表示完全沒(méi)有一致性（No Agreement），1表示具有完全的一致性（Complete Agreement）。即如果統(tǒng)計(jì)量W為1則所有腫瘤醫(yī)生的意見(jiàn)是完全一致的。假如W等于0，則表示所有的醫(yī)生之間沒(méi)有總體的一致性趨勢(shì)，他們的反應(yīng)可以被看做是很隨意的。處于0和1中間的W值各種反應(yīng)之間的或多或少的一致性。根據(jù)表1的數(shù)據(jù)，測(cè)試的結(jié)果如表2（Mean Ranks）所示和表3（Kendall's W）所示。

表1 德?tīng)柗品ㄏ碌膶＜掖蚍郑ˋH數(shù)據(jù)）

表2 秩（Ranks）

如表4所示，肯德?tīng)柡椭C系數(shù)為0.786，表示各個(gè)腫瘤醫(yī)生之間具有很好的一致性。因此，可以求得各個(gè)屬性的特征權(quán)重值為：

W=（0.0521，0.0521，0.1391，0.1130，0.1184，0.0587，0.1163，0.1228，0.1369，0.0902）

以上這組權(quán)重值可以被用于后續(xù)的實(shí)驗(yàn)中。

表3 測(cè)試統(tǒng)計(jì)量（Test Statistics）

（2）遺傳算法下的權(quán)重獲取

如前文所述，GAs基于自然選擇和遺傳理論，是通過(guò)優(yōu)勝劣汰的理論和染色體信息交流相結(jié)合獲取最優(yōu)值的一個(gè)高效算法。GAs模擬生物進(jìn)化過(guò)程，把問(wèn)題的可能答案作為染色體并編碼成串。然后如繼承遺傳學(xué)為基礎(chǔ)的操作，交叉和各種用于這些串。染色體是由適應(yīng)度函數(shù)評(píng)估，只有優(yōu)勝劣汰的染色體才能生存下去。最后通過(guò)這種方式獲取最優(yōu)值。

本研究中，GAs用于計(jì)算可能導(dǎo)致乳腺癌的各個(gè)影響因子的權(quán)重。為此，邊界變量定義為［0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1］，因?yàn)橛?0個(gè)特征屬性的權(quán)重需要獲取。實(shí)驗(yàn)中初始種群由50個(gè)個(gè)體組成，進(jìn)化500代。設(shè)置種群數(shù)量與測(cè)試集中的記錄數(shù)相同。算法運(yùn)行前對(duì)所有數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化。通過(guò)計(jì)算驗(yàn)證數(shù)據(jù)和測(cè)試數(shù)據(jù)之間的相似性，驗(yàn)證集中最相似的案例將被獲取。下一步計(jì)算整個(gè)測(cè)試集的搜索的準(zhǔn)確性。如果搜索精度不能滿足用戶的要求，將用GA產(chǎn)生更好的權(quán)重，方法為：將當(dāng)前權(quán)重作為繁衍的候選并計(jì)算它們的適應(yīng)度，然后用輪盤取樣通過(guò)選擇交叉和變異操作選擇權(quán)重。GAs將繼續(xù)執(zhí)行直到搜索精度滿足要求或執(zhí)行次數(shù)超過(guò)500為止。GAs中適應(yīng)度最大的權(quán)重即為所求的解。

為測(cè)試該發(fā)現(xiàn)規(guī)則的質(zhì)量，AH腫瘤數(shù)據(jù)集被隨機(jī)地分為兩個(gè)部分，三分之二的記錄作為訓(xùn)練集，三分之一的記錄作為測(cè)試集。文獻(xiàn)中一般通過(guò)以下方式完成這部分：屬于每個(gè)類（類的相對(duì)頻率）實(shí)例的比例在訓(xùn)練集和測(cè)試集中保持相同。由于我們的算法的當(dāng)前版本無(wú)法處理缺失值，為了達(dá)到實(shí)現(xiàn)目的，數(shù)據(jù)集中包含缺失值的記錄被簡(jiǎn)單地移除了。

為獲取權(quán)重，我們實(shí)現(xiàn)了一個(gè)遺傳算法的MATLAB程序。隨機(jī)選擇的75條記錄，占總體AH腫瘤數(shù)據(jù)的25%作為訓(xùn)練數(shù)據(jù)去確定的權(quán)重。其中，有41個(gè)良性乳腺癌病例，其他34條數(shù)據(jù)是惡性的。在訓(xùn)練數(shù)據(jù)中，有25條數(shù)據(jù)（14個(gè)良性，加上11個(gè)惡性）被用作試驗(yàn)數(shù)據(jù)，其他50條數(shù)據(jù)的作為歷史數(shù)據(jù)。最初30解決方案隨機(jī)生成作為初始種群。經(jīng)過(guò)一系列的選擇，交叉和變異操作，該算法在達(dá)到固定的代終止。擁有最大的匹配值的權(quán)重值將被選作最好的結(jié)果。在我們當(dāng)前的研究中，進(jìn)化的代數(shù)設(shè)定為500。MATLab程序的運(yùn)行結(jié)果為：

Max Fit=0.9200，F(xiàn)itPos=249；

the Best Weight=（0.0003，0.0001，0.1637，0.2105，0.0000，0.0209，0.0600，0.2907，0.2148，0.0389）

4.2 案例檢索實(shí)驗(yàn)

本研究完成了三個(gè)不同的實(shí)驗(yàn)。第一個(gè)實(shí)驗(yàn)用于測(cè)試帶固定權(quán)重的傳統(tǒng)KNN的性能。第二個(gè)是測(cè)試專家評(píng)價(jià)權(quán)重下的KNN的性能。最后一個(gè)是測(cè)試我們提出的集成GA和條件概率的CRMGACP算法。我們?cè)贏H數(shù)據(jù)集（AH Cancer Dataset）上進(jìn)行了比較性實(shí)驗(yàn)。首先，利用AH數(shù)據(jù)集，我們測(cè)試的以上三種不同方法的準(zhǔn)確性，靈敏度和特異性。在這個(gè)實(shí)驗(yàn)中，我們總共使用了225條數(shù)據(jù)。其中75條（良性41例和惡性34例）被隨機(jī)選擇作為測(cè)試集，其他150條（82條良性和68條惡性）作為參考數(shù)據(jù)集。測(cè)試數(shù)據(jù)和參考數(shù)據(jù)分別占33.33%和66.67%。對(duì)于實(shí)驗(yàn)結(jié)果的評(píng)價(jià)，我們使用準(zhǔn)確性（accuracy）、敏感性、特異性、F值等統(tǒng)計(jì)量，其中F值可以較好地反映算法的綜合性能，是準(zhǔn)確率和召回率的調(diào)和平均數(shù)。

我們用VC++實(shí)現(xiàn)了一個(gè)名為BC-CBRsys的程序用于實(shí)驗(yàn)，它集成了我們提出的幾種案例推理方法?；谙嗤臄?shù)據(jù)集（AH數(shù)據(jù)），我們完成了三種不同的方法測(cè)試，有關(guān)實(shí)驗(yàn)結(jié)果如表4所示。其中，KNN（const.w）表示固定權(quán)重下的KNN，KNN（expert.W）表示專家評(píng)價(jià)權(quán)重下的KNN。CRMGACP表示遺傳算法、條件概率融合于案例推理中的知識(shí)發(fā)現(xiàn)方法，算法的性能是由不準(zhǔn)確性、靈敏度、特異性、F值等統(tǒng)計(jì)量綜合評(píng)價(jià)。F值本身也是一個(gè)統(tǒng)計(jì)量，用來(lái)衡量有關(guān)敏感性和特異性的算法整體性能。

表4顯示，CRMGACP在統(tǒng)計(jì)的準(zhǔn)確性，靈敏度，精密度和F值上都具有最佳性能。在準(zhǔn)確性方面，CRMGACP最好（93.33%），KNN（expert.W）和KNN（const.w）相同（80.00%）。在敏感性方面，沒(méi)有方法超過(guò)90%，但KNN（expert.W）和KNN（（const.w）尤其差，甚至低于60%。CRM GACP靈敏度不是很高，但仍然可以接受的。在特異性上，KNN（const.w）表現(xiàn)最好，達(dá)到100.00%。KNN（expert.W）和CRMGACP都為97.56%，稍遜于KNN（const.w）但仍然很高。從F值這個(gè)全面衡量敏感度和特異度的統(tǒng)計(jì)量來(lái)看，CRMGACP（F值=0.9230）排名第一，KNN（expert.W）（F值=0.7272）位于第二，KNN（const.w）（F值= 0.7170）最差?？偟膩?lái)說(shuō)，與其他兩個(gè)常用的CBR方法相比，CRMGACP在案例檢索上有顯著的優(yōu)勢(shì)。這個(gè)實(shí)驗(yàn)表明，由于集成GA和條件概率，CBR的檢索性能得到顯著改善。

4.3 與其他分類方法的比較試驗(yàn)

我們對(duì)前文提出的方法與人工神經(jīng)網(wǎng)絡(luò)（neural networks）、貝葉斯網(wǎng)（naive Bayes）這兩種常用的分類方法的性能進(jìn)行了比較實(shí)驗(yàn)。在先前研究中，人們提出了許多檢索方法用于醫(yī)學(xué)分類與決策，在癌癥早期檢測(cè)、診斷和預(yù)測(cè)等問(wèn)題上也有相應(yīng)的成果［19-22］。神經(jīng)網(wǎng)絡(luò)就是其中重要方法之一［23］。Zhang Zhen，Zhang Hong和Bast Jr［24］提出了用于乳腺癌診斷的集成分類器，該分類器可以產(chǎn)生用于從良性病例中區(qū)分惡心病例的單值診斷索引。Tan，Quek等［25］提出輔助學(xué)習(xí)的模糊神經(jīng)網(wǎng)絡(luò)，并用于卵巢癌正負(fù)樣本之間診斷。Chen Yuehui，Wang Yan和Yang Bo［26］研究了用于乳腺癌檢測(cè)的演化層次型RBF神經(jīng)網(wǎng)絡(luò)。決策樹是另一種常用的分類決策方法。Cruz-Ramirez，Acosta-Mesa，Carrillo-Calvet等［27］講決策樹和貝葉斯網(wǎng)絡(luò)用于乳腺癌細(xì)胞診斷中組內(nèi)觀察者變異的發(fā)現(xiàn)。醫(yī)療分類決策中另一個(gè)常見(jiàn)方法是貝葉斯網(wǎng)絡(luò)。Antal和Verrelst［28］研究用于卵巢癌診斷的貝葉斯網(wǎng)絡(luò)。在統(tǒng)計(jì)學(xué)方面，邏輯回歸也常常被用于醫(yī)學(xué)的分類決策中［29］。

為了比較需要，本文還完成了檢驗(yàn)上述方法性能的實(shí)驗(yàn)。我們使用的實(shí)驗(yàn)工具Weka3.6.2，分別選擇Naive Bayes，Logistics，RBF Network和Simple Cart來(lái)測(cè)試相同的測(cè)試集和參考集［30］。這些方法的實(shí)驗(yàn)數(shù)據(jù)被用于與CBR方法的比較。表5顯示CRMGACP的測(cè)試結(jié)果比其他方法具有更好的性能。其次是樸素貝葉斯（Naive Bayes）?？偟膩?lái)說(shuō)，CRMGACP在對(duì)比試驗(yàn)中展示出更為顯著的優(yōu)勢(shì)。因此，它是一個(gè)可以為臨床診斷決策提供支持的具有前景的工具。

表4 不同檢索算法的性能對(duì)照

表5 CBR與其他常用檢索方法的性能對(duì)照

5 討論

CRMGACP在診療決策中具有顯著的優(yōu)勢(shì)：（1）知識(shí)獲取的準(zhǔn)確度高。這一點(diǎn)前文的實(shí)驗(yàn)已經(jīng)充分驗(yàn)證。（2）易于使用性［31］。考慮到IT技術(shù)的易用性，與其他基于知識(shí)的方法相比，CBR更易被人們接受和使用。在我們的研究中，知識(shí)庫(kù)是基于歷史的電子健康記錄，很容易為醫(yī)院獲得。CBR的推理模擬人類思維的方式，也是的醫(yī)生很容易使用和操作CBR系統(tǒng)。（3）較好的有用性。相對(duì)與那些僅提供簡(jiǎn)單結(jié)論的知識(shí)挖掘方法，CBR可以為醫(yī)生決策提供更充足的信息支持。醫(yī)生可以獲得一個(gè)或多個(gè)匹配案例的完整診療記錄，尤其是一些關(guān)鍵點(diǎn)的決策信息［32-33］。一般來(lái)說(shuō)，這些案例與新問(wèn)題都是高度匹配的。根據(jù)我們?cè)贏H醫(yī)院的實(shí)際研究，這些匹配案例包含大量寶貴的信息，不僅包括十個(gè)特征屬性和分類（診斷結(jié)果），而且包括診斷過(guò)程、主要會(huì)診和治療選擇的過(guò)程、治療效果、治療后癥狀和體征、建議，甚至護(hù)理建議。（4）有望進(jìn)一步提高性能。考慮CBR的推理能力對(duì)案例庫(kù)樣本量的較強(qiáng)依耐性，隨著用于實(shí)驗(yàn)的案例庫(kù)樣本數(shù)量的增加，我們提出的方法的性能有望得到進(jìn)一步提高。

6 結(jié)語(yǔ)

本文研究了非連續(xù)性屬性為主體的多屬性決策案例中的知識(shí)挖掘方法。將條件概率和GAs融合技術(shù)整合到案例推理方法之中形成了CRMGACP算法，該算法主要包括基于GAs的權(quán)重獲取算法和融合條件概率的改進(jìn)相似度算法。該方法可以被看出KNN法的延伸。本研究是以乳腺癌診療決策數(shù)據(jù)進(jìn)行的實(shí)驗(yàn)，數(shù)據(jù)量不大，敏感度、準(zhǔn)確性離實(shí)際應(yīng)用的要求也還有一定距離。

關(guān)于本研究，有幾個(gè)可能的建議性方向，提出來(lái)供參考。一是海量數(shù)據(jù)下CRMGACP性能尤其是檢索效率的研究。隨著時(shí)間的推移，醫(yī)院里越來(lái)越多的醫(yī)院診療案例將被收集，案例數(shù)據(jù)量將大幅上升，因此基于大規(guī)模數(shù)據(jù)進(jìn)行進(jìn)一步的實(shí)驗(yàn)是可行的。二是融合自然語(yǔ)言處理和其他智能技術(shù)進(jìn)一步改進(jìn)檢索算法，以適應(yīng)在臨床文本形式下的案例檢索。在我們的算法中，已不需要對(duì)連續(xù)屬性進(jìn)行強(qiáng)制離散化，但一般用文字書寫的醫(yī)院診療案例下，仍然需要做一些結(jié)構(gòu)化和預(yù)處理工作。建議今后的研究融入自然語(yǔ)言處理和其他智能技術(shù)，進(jìn)一步提升復(fù)雜問(wèn)題和數(shù)據(jù)下案例推理的知識(shí)獲取能力。三是基于協(xié)同案例推理（Collaborative Case-Based Reasoning，CCBR）的多屬性決策方法的研究。云計(jì)算技術(shù)的興起，為跨區(qū)域、跨醫(yī)院、多案例庫(kù)的整合和多案例協(xié)同知識(shí)挖掘提供了新的機(jī)遇和思路。CCBR基于跨組織多的案例庫(kù)，有利于各個(gè)醫(yī)院的知識(shí)和資源共享和提高知識(shí)獲取和決策的質(zhì)量［34］。CCBR基于分散的海量案例庫(kù)資源，案例屬性龐雜、差異性巨大，和傳統(tǒng)的CBR相比，不僅面臨著多模態(tài)信息融合、案例標(biāo)準(zhǔn)化、不確定信息處理、多案例集結(jié)以及海量案例的快速存儲(chǔ)和動(dòng)態(tài)知識(shí)獲取等一系列信息處理問(wèn)題，還需要考慮多組織案例資源共享機(jī)制、多主體多系統(tǒng)協(xié)同機(jī)制的建立以及不同層面多協(xié)同體間協(xié)同性優(yōu)化等一系列管理問(wèn)題。上述問(wèn)題的研究和解決將有利于進(jìn)一步延展傳統(tǒng)CBR研究領(lǐng)域，為醫(yī)院決策和醫(yī)療信息資源管理與利用提供新的思路和手段。

雖然我們目前研究的主要目的僅僅是尋求一個(gè)含多離散屬性案例匹配問(wèn)題下的有效知識(shí)發(fā)現(xiàn)方法，并不是研究該方法是否可以普遍地應(yīng)用于醫(yī)院體系。但仍然可以預(yù)期，CBR系統(tǒng)可以被越來(lái)越多的醫(yī)生使用。BC-CBRsys，即DSS-BCCBR系統(tǒng)的原型在AH醫(yī)院得到了局部試用，受到了歡迎和認(rèn)可。未來(lái)，隨著系統(tǒng)性能的進(jìn)一步改善，界面設(shè)計(jì)更友好、操作更方便，案例數(shù)據(jù)更豐富，BC-CBRsys有望拓展到更多的醫(yī)療部門甚至其他醫(yī)院系統(tǒng)。

［1］Ayer T，Chhatwal J，Alagoz O，et al.Informatics in radiology：Comparison of logistic regression and artificial neural network models in breast cancer risk estimation［J］.Radio Graphics，2010，30（1）：13-22.

［2］Hung M S，Shanker M，Hu M Y.Estimating breast cancer risks using neural networks［J］.Journal of the Operational Research Society，2002，53（2）：222-231.

［3］Lieber J，Bresson B.Case-based reasoning for breast cancer treatment decision helping［C］.Blanzieri E，Portinale L.Advances in Case-Based Reasoning-Proceedings of the fifth European Workshop on Case-Based Reasoning（EWCBR-2k），Berlin：Springer，2000.

［4］Floyd Jr C E，Lo J Y，Tourassi G D.Case-based reasoning computer algorithm that uses mammographicfindings for breast biopsy decisions［J］.American Iournal of Roentgenol，2000，175（5）：1347-1352

［5］Bilska A O，F(xiàn)loyd Jr C E.Investigating different similarity measures for a case-based reasoning classifier to predict breast cancer［J］.Imaging，2001，4322：1862-1866.

［3］趙衛(wèi)東，盛昭瀚.基于案例推理的決策問(wèn)題求解研究［J］.管理科學(xué)學(xué)報(bào)，2000，3（4）：29-36.

［4］梁昌勇，顧東曉.面向不確定多屬性決策問(wèn)題的范例檢索算法研究［J］.中國(guó)管理科學(xué)，2008，17（1）：131-137.

［5］路云，吳應(yīng)宇，達(dá)慶利.基于案例推理技術(shù)的企業(yè)經(jīng)營(yíng)決策支持模型設(shè)計(jì)術(shù)［J］.中國(guó)管理科學(xué)，2005，13（2）：81 -87.

［6］Gu Dongxiao，Liang Changyong，Li Xingguo，et al.Intelligent technique for knowledge reuse of dental medical records based on case-based reasoning［J］.Journal of medical systems，2010，34（2）：213-222.

［7］McCane B，Albert M.Distance functions for categorical and mixed variables［J］.Pattern Recognition Letters，2008，29（7）：986-993.

［8］Stanfill C，Waltz D L.Toward memory-based reasoning［J］.Communication of the ACM，1986，29（12）：1213 -1228.

［9］Wilson D，Martinez T.Improved heterogeneous distance functions［J］.Journel of Artificial Intelligence Research，1997，6：1-34.

［10］Gower J C.A general coefficient of similarity and some of its properties［J］.Biometrics，1971，27：857-874.

［11］Greene D，F(xiàn)reyne J，Smyth B.Padraig cunningham：An analysis of research themes in the CBR conference literature.ECCBR，2008，5239：18-43.

［12］Renauda J，Levratb E，F(xiàn)onteixc C.Weights determination of OWA operators by parametric identification［J］.Mathematics and Computers in Simulation，2008，77：499-511

［13］Zhang Lu，Coenen F，Leng P.Formalising optimal feature weight setting in case-based diagnosis as linear programming problems［J］.Knowledge-Based Systems，2002，15（7）：391-398.

［14］Park C S，Han I.A case-based reasoning with the feature weights derived by analytic hierarchy process for bankruptcy prediction［J］.Expert Systems with Applications，2002，23（3）：255-264.

［15］Dogan S Z，Arditi D，Gnaydin H M.Using decision trees for determining attribute weights in a case-based model of early cost prediction［J］.Journal of Construction Engineering and Management，2008，134（2）：146-152.

［16］Fidelis M V，Lopes H S，F(xiàn)reitas A A.Discovering comprehensible classification rules with a genetic algorithm［C］.Proceeding of the 2000 Congress on Evolutionary Computation，La Jolla，July 16-19，2000.

［17］Goldberg D E.Genetic algorithms in search，optimization and machine learning［J］.Machine Learning，1988，3（2-3）：95-99.

［18］Cunningham P.A taxonomy of similarity mechanisms for case-based reasoning［J］.IEEE Transactions on Knowledge and Data Engineering，2008，21（11）：1532 -1543.

［19］West D，Mangiameli P，Rampal R，et al.Ensemble strategies for a medical diagnosis previous termdecisionnext term support system：A breast previous term cancer next term diagnosis application［J］.Europeon Journal of Operatinal Research，2005，162（2）：532-551.

［20］Lee S.Using data envelopment analysis and decision trees for efficiency analysis and recommendation of B2C controls［J］.Decision Support Systems，2010，49（4）：486-497.

［21］Salchenberger L M，Cinar E M，Lash N A.Neural networks：A new tool for predicting thrift failures［J］. Decision Sciences，1992，23（4）：899-916.

［22］Karabatak M，Cevdet Ince M.An expert system for detection of breast cancer based on association rules and neural network［J］.Expert Systems with Applications，2009，36（2）：3465-3469.

［23］Sexton R S，Dorsey R E.Reliable classification using neural networks：A genetic algorithm and back propagation comparison［J］.Decision Support Systems，2000，30（1）：11-22.

［24］Zhang Zhen，Zhang Hong，Bast Jr R C.An application of artificial neural networks in ovarian cancer early detection［C］.Proceedings of the IEEE-INNS-ENNS International Joint Conference on Neural Networks，Como，July 24-27，2000.

［25］Tan T Z，Quek C，See Ng G，et al.Ovarian cancer diagnosis with complementary learning fuzzy neural network［J］.Artificial Intelligence in Medicine，2008，43（3）：207-222.

［26］Chen Yuehui，Wang Yan，Yang Bo.Evolving hierarchical RBF neural networks for breast cancer detection［J］.ICONIP，2006，（3）：137-144.

［27］Cruz-Ramirez N，Acosta-Mesa H G，Carrillo-Calvet H，et al.Discovering interobserver variability in the cytodiagnosis of breast cancer using decision trees and Bayesian networks［J］.Applied Soft Computing，2009，9（4）：1331-1342.

［28］Antal P，Verrelst H，Timmerman D，et al.Bayesian networks in ovarian cancer diagnosis：Potentials and limitations［C］.Proceedings of the 13th IEEE Symposium on Computer-Based Medical Systems（CBMS'00），Houston，June 23-24，2000.

［29］Chang C L，Hsu Mingyuan.The study that applies artificial intelligence and logistic regression for assistance in differential diagnostic of pancreatic cancer［J］.Expert Systems with Applications，2009，36（7）：10663-10672.

［30］Witten I H，F(xiàn)rank E.Data mining：Practical machine learning tools and techniques［M］.Morgan Kaufmann：Elsevier，2005.

［31］Venkatesh V，Speier C，Morris M G.User acceptance enablers in individual decision making about technology：Toward an integrated model［J］.Decision Sciences，2002，33（2）：297-316.

［32］Wixom B H，Todd P A.A theoretical integration of user satisfaction and technology acceptance［J］.Information Systems Research，2005，16（1）：85-102.

［33］Venkatesh V，Morris M G.Why don't men ever stop to ask for directions？Gender，social influence，and their role in technology acceptance and usage behavior［J］.MIS Quarterly，2000，24（1）：115-139.

［34］陳浪濤，張成洪，張誠(chéng).協(xié)同商務(wù)環(huán)境下基于案例推理機(jī)制研究［J］.復(fù)旦學(xué)報(bào)（自然科學(xué)版），2005，44（6）：1009-1015.

A Decision Knowledge Discovery Method for Multi-attribute Cases with Non-continuous Features

LIANG Chang-yong1，GU Dong-xiao1，3，CHENG Wen-juan1，YANG Chang-hui1，4，GU Zuo-zuo2
（1.School of Management at Hefei University of Technology，Hefei 230009，Chian；2.School of Arts and Media，Anhui University，Hefei 230011，China；3.School of Information Management at Nanjing University，Nanjing 210093，China；4.Anhui Provincial Industrial Transfer and Innovation Development Key Research Institute of Humanities Social Science，Hefei 230009，China）

The information with non-continuous features is ubiquitous in diagnosis and treatment decision making cases.The knowledge acquisition of the cases with this kind of feature has always been a key and bottleneck in multi-attribute case decision making.In this paper，conditional probability and GAs are integrated into case-based reasoning technology to develop an extension method of traditional KNN——CRMGACP algorithm，which includes a GAs-based weight determination method and an improved similarity algorithm integrating the conditional probability.Collecting data from AH Hospital，which is one of largescale hospitals in Anhui province，Cancer CBRSys is developed as the experimental tool for tests.Experimental study is competed by comparing the performance amongst four different case-based reasoning methods.The results show that CRMGACP has the best performance and shows significant advantage in various statistics.In general，CRM-GACP solves the problem of knowledge discovery from non-continuous cases and is hopeful to be a powerful decision-making tool in the research area of clinical decision making.

complex multi-attribute decision making；public healch mangement；knowledge discovery；discrete variable；case-based reasoning

C931.6

：A

1003-207（2014）04-0083-09

2012-06-30；

2013-05-07

國(guó)家自然科學(xué)基金資助項(xiàng)目（71331002，71301040，71271072，71171072，51274078）；中國(guó)博士后科學(xué)基金面上項(xiàng)目（2013M541651）；安徽省社會(huì)科學(xué)重點(diǎn)研究基地重點(diǎn)項(xiàng)目（SK2013A148，2013AJRW0131）；合肥工業(yè)大學(xué)青年教師創(chuàng)新項(xiàng)目（2013HGQC0026）

梁昌勇（1965-），男（漢族），安徽肥西人，合肥工業(yè)大學(xué)管理學(xué)院教授，博士生導(dǎo)師，研究方向：管理信息系統(tǒng)、智能決策方法、行為決策等.