桑秀麗，李 哲，肖漢杰，呂 梁，王 華

（昆明理工大學(xué) 質(zhì)量發(fā)展研究院，云南 昆明650093）

一、引 言

腫瘤的病理類型一直是國(guó)內(nèi)外臨床醫(yī)學(xué)研究的重要內(nèi)容之一。準(zhǔn)確的腫瘤病理類型一方面有助于醫(yī)師進(jìn)行診斷，從而選擇科學(xué)合理的診療方案，合理分配醫(yī)療資源，另一方面有助于減少患者精神和經(jīng)濟(jì)壓力，提高患者滿意度。

目前確定腫瘤性質(zhì)和腫瘤病理類型主要依靠的方法有：醫(yī)學(xué)影像學(xué)、超聲診斷、放射性核素診斷、內(nèi)鏡診斷、腫瘤標(biāo)志物診斷、組織切片診斷（“金標(biāo)準(zhǔn)”）等［1－2］。醫(yī)學(xué)影像學(xué)主要是通過X光成像、CT、核磁共振成像（MRI）、超聲成像等現(xiàn)代成像技術(shù)來對(duì)腫瘤的性質(zhì)和病理類型進(jìn)行確定［3］。組織切片診斷方法是病理檢查的一種，用以檢查機(jī)體器官、組織或細(xì)胞中病理改變的病理形態(tài)學(xué)方法。醫(yī)學(xué)影像學(xué)是現(xiàn)代醫(yī)學(xué)中最重要的臨床診斷及治療方法，但是最終診斷還是依賴醫(yī)師臨床經(jīng)驗(yàn)，由于醫(yī)生訓(xùn)練程度跟經(jīng)驗(yàn)的豐富程度不同，對(duì)同一病癥可能做出不同的診斷，容易造成誤診。雖然影像診斷方法簡(jiǎn)單易操作，但是存在較大的誤診風(fēng)險(xiǎn)，容易造成患者生命危險(xiǎn)，引起醫(yī)療糾紛。如果影像診斷不明確時(shí)，最終都必須通過金標(biāo)準(zhǔn)檢驗(yàn)，但金標(biāo)準(zhǔn)檢驗(yàn)存在一定風(fēng)險(xiǎn)，價(jià)格較高且容易對(duì)患者身心產(chǎn)生重大影響，是診斷的最后選擇。

隨著醫(yī)療儀器設(shè)備的發(fā)展，醫(yī)院能夠采集的資料越來越豐富，可將越來越多的統(tǒng)計(jì)學(xué)方法運(yùn)用到醫(yī)療診斷中。Hansen等使用對(duì)數(shù)線性模型與logistic回歸模型對(duì)診斷方法進(jìn)行了研究［4］；趙良淵等將多元線性回歸模型在考慮共線影響點(diǎn)的情況下運(yùn)用到醫(yī)學(xué)中［5］；劉瓊蘇等將神經(jīng)網(wǎng)絡(luò)運(yùn)用到乳腺腫瘤的診斷中，仿真結(jié)果表明其具有較高的準(zhǔn)確性［6］；謝益輝運(yùn)用R軟件將分類與回歸樹應(yīng)用到前列腺癌診斷中，得到了對(duì)疾病診斷和預(yù)防具有指導(dǎo)意義的結(jié)論［7］；孫靜等將粗糙集理論引入到醫(yī)學(xué)影像診斷中，通過與logistic回歸對(duì)比，認(rèn)為粗糙集有更高的預(yù)測(cè)精度［8］；王學(xué)偉將數(shù)據(jù)挖掘技術(shù)的貝葉斯網(wǎng)絡(luò)運(yùn)用到中醫(yī)診斷中，通過交叉驗(yàn)證法得出基于關(guān)鍵癥狀診斷模型的性能相對(duì)基于全部癥狀的模型性能顯著提高，貝葉斯網(wǎng)絡(luò)適合解決診斷問題［9］。

有鑒于此，本文以昆明某醫(yī)院常年腫瘤診斷報(bào)告為研究對(duì)象，提出了一種對(duì)病人無(wú)手術(shù)創(chuàng)傷，輔助醫(yī)師進(jìn)行診斷與推理于一體的腫瘤病理類型分析模型，即綠色診斷模型［10］。

腫瘤診斷過程中常常存在診斷信息的模糊性和不確定性［11］。模糊性是醫(yī)學(xué)圖像固有的特性，醫(yī)學(xué)圖像的部分容積效應(yīng)跟醫(yī)學(xué)圖像的部分圖像不能被準(zhǔn)確分割，決定了醫(yī)學(xué)圖像具有模糊性，而醫(yī)師的經(jīng)驗(yàn)診斷主觀性較大，使得診斷信息具有不確定性，有鑒于此，綠色診斷模型的診斷流程與理論方法具體為：

第一，對(duì)腫瘤數(shù)據(jù)運(yùn)用粗糙集理論進(jìn)行初步條件屬性約簡(jiǎn)。

第二，建立病理類型診斷列聯(lián)表，運(yùn)用變精度粗糙集理論獲得最小約簡(jiǎn)表。

第三，運(yùn)用貝葉斯網(wǎng)絡(luò)獲得各病理類型發(fā)生的概率。

粗糙集是一種處理不確定性與模糊性的工具，簡(jiǎn)單實(shí)用是其特點(diǎn)，與數(shù)理統(tǒng)計(jì)方法相比，粗糙集對(duì)不完整與不確定性數(shù)據(jù)有較強(qiáng)的處理能力。與決策樹算法、神經(jīng)網(wǎng)絡(luò)相比，粗糙集能夠保證在分類能力不變的情況下，將專家知識(shí)約簡(jiǎn)，縮短學(xué)習(xí)周期，簡(jiǎn)化決策樹，但是粗糙集的診斷推理速度受到簡(jiǎn)約得到的規(guī)則庫(kù)大小的影響，且噪聲易引起數(shù)據(jù)不一致性問題［12］。變精度粗糙集能夠解決屬性間無(wú)函數(shù)或不確定數(shù)據(jù)的分類問題，即對(duì)噪聲數(shù)據(jù)具有免疫性［13］。貝葉斯網(wǎng)絡(luò)具備學(xué)習(xí)和推理能力，且處理數(shù)據(jù)信息時(shí)具有柔和性、容錯(cuò)性的特點(diǎn)，此兩種方法能夠解決粗糙集出現(xiàn)的問題［14］。有鑒于此，本文提出了變精度粗糙集理論（VPRST）與貝葉斯網(wǎng)絡(luò)（BN）相結(jié)合的方法來解決疾病診斷出現(xiàn)的問題。兩種方法結(jié)合不僅能夠克服各自對(duì)腫瘤診斷的不足，而且能夠進(jìn)行優(yōu)勢(shì)互補(bǔ)。實(shí)例證明，此組合方法在腫瘤診斷方面簡(jiǎn)單、準(zhǔn)確、有效。

二、腫瘤病理類型綠色診斷模型

（一）腫瘤病理類型問題概述

腫瘤綠色診斷是指診斷設(shè)備、方法、過程不僅可以解決腫瘤病理類型診斷，還滿足節(jié)省成本、保護(hù)環(huán)境、簡(jiǎn)單易操作的要求。腫瘤通常以組織發(fā)生為依據(jù)，每一類別又按其分化程度及其對(duì)機(jī)體影響的不同分為良性和惡性兩大類。例如，甲狀腺腫瘤可分為甲狀腺良性腫瘤和甲狀腺惡性腫瘤兩類，甲狀腺瘤良性腫瘤又分為甲狀腺腺瘤、結(jié)節(jié)性甲狀腺腫、亞急性甲狀腺炎、甲狀舌管囊腫；甲狀腺惡性腫瘤又分為乳頭狀癌、濾泡狀癌、未分化癌、髓樣癌。

目前對(duì)腫瘤的診斷判別有輔助檢查與鑒別診斷兩種。以甲狀腺腫瘤為例，輔助檢查主要有甲狀腺功能化驗(yàn)、核素掃描、B超檢查、針吸涂片細(xì)胞學(xué)檢查。鑒別診斷通過結(jié)節(jié)性甲狀腺腫來判斷腫瘤的良惡性，但是上述診斷只能對(duì)腫瘤良惡性做一個(gè)初步診斷，不能對(duì)所有病理類型做出判斷。

（二）腫瘤病理分類診斷模型基本理論簡(jiǎn)介

1．變精度粗糙集簡(jiǎn)介

1993年Ziarko首次提出變精度粗糙集理論。變精度粗糙集是Z．Pawlak粗糙集的延伸與擴(kuò)充，即當(dāng)錯(cuò)誤分辨率β＝0時(shí)，變精度粗糙集等于Pawlak粗糙集，Pawlak粗糙集是變精度粗糙集的一種特例［15］。

定義1：稱c（X，Y）為集合X關(guān)于集合Y的相對(duì)錯(cuò)誤分辨率，當(dāng)且僅當(dāng)滿足如下條件

其中c（X，Y）×｜X｜稱為絕對(duì)分類誤差。

條件1：γ（P，Q，β）＝γ（red（P，Q，β），Q，β）。

條件2：red（P，Q，β）中屬性不可再約簡(jiǎn)，即假設(shè)約簡(jiǎn)條件1不成立。

2．貝葉斯網(wǎng)絡(luò)簡(jiǎn)介

貝葉斯網(wǎng)絡(luò)是描述隨機(jī)變量之間依賴關(guān)系的圖形模式，被廣泛用于不確定性問題的智能化化解［16］。它具有多功能性、有效性和開放性等特征，能夠有效地轉(zhuǎn)化數(shù)據(jù)為知識(shí)，并利用知識(shí)進(jìn)行推理，以解決分析、預(yù)測(cè)和控制等方面的問題。

定義1：滿足下面四個(gè)條件的有向無(wú)環(huán)圖稱為貝葉斯網(wǎng)絡(luò)。

貝葉斯網(wǎng)絡(luò)的構(gòu)建可以分為以下三個(gè)步驟：

第一，明確變量與解釋變量，以方便建模。

第二，獨(dú)立條件的有向無(wú)環(huán)圖的建立。由概率論相關(guān)知識(shí)可得到：

用Pai表示變量Xi的“因”，即父節(jié)點(diǎn)，則：

因此，首先需要通過對(duì)變量X1，X2，…，Xn排序，然后通過滿足式（2）的父節(jié)點(diǎn)集Pai（i＝1，2，…，n）來決定貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)。

第三，指定局部概率分布p（xi｜Pai）。在離散的情形下，需要為每一個(gè)變量Xi的父節(jié)點(diǎn)集的各個(gè)狀態(tài)指派一個(gè)分布。

3．建模步驟

具體建模步驟如圖1所示。

圖1 建模步驟圖

三、構(gòu)建腫瘤病理分類綠色診斷模型

本文以某三甲醫(yī)院930例甲狀腺腫瘤為例，首先將獲得的甲狀腺腫瘤的超聲診斷數(shù)據(jù)通過粗糙集理論將條件屬性進(jìn)行初步約簡(jiǎn)，并運(yùn)用改進(jìn)的層次分析法對(duì)條件屬性的重要度進(jìn)行排名，然后運(yùn)用變精度粗糙集理論獲得調(diào)整后超聲診斷癥狀（條件屬性）與病理類型建立的關(guān)系集合R列表的最小屬性集，最后利用貝葉斯網(wǎng)絡(luò)既能進(jìn)行“因→果”推理，又能進(jìn)行“果→因”的逆向推理得到腫瘤病理類型的概率，概率最大的即為患者處于的病理類型［17］。

（一）構(gòu)建腫瘤病理類型變精度粗糙集診斷模型

下面假設(shè)：U＝ ｛1，2，…，930｝，C＝ ｛b，c，d，e，f，g｝為條件屬性，D＝ ｛a｝為決策屬性。a＝ 腫瘤（良性 ＝1，惡性 ＝2）；b＝ 回聲（低回聲 ＝1，實(shí)性＝2，囊性＝3，混合＝4，等回聲＝5，中等＝6，中低＝7，實(shí)質(zhì)不均質(zhì)＝8，無(wú)回聲＝9）；c＝邊界（清楚＝1，不清楚即毛糙＝2，成角＝3）；d＝形態(tài)（規(guī)整＝1，不規(guī)整＝2，凸向包膜外＝3）；e＝CDFI（短線狀血流＝1，腫塊內(nèi)及周邊見血流信號(hào)＝2，腫塊內(nèi)及周邊血流豐富＝3，腫塊內(nèi)及周邊未見血流信號(hào)＝4，環(huán)狀血流 ＝5）；f＝腫塊內(nèi)斑點(diǎn)狀強(qiáng)回聲（鈣化）（有 ＝1，無(wú) ＝2）；g＝ 淋巴結(jié)腫大（有 ＝1，無(wú) ＝2）。

通過計(jì)算，可以得到條件屬性b，c，d，e，f，g的重要性分別為：

所以條件屬性C的決策屬性D約簡(jiǎn)為C－｛c｝＝｛b，d，e，f，g｝。

從上式可以得到重要度由低到高分別為e，b，d，f，g，c，其中c是冗余條件屬性。下面用層次分析法對(duì)刪除條件屬性c的其他屬性重要度進(jìn)行修正。

由于層次分析法（AHP）的判斷矩陣是由相對(duì)重要度組成，而由粗糙集得到的重要度是遠(yuǎn)遠(yuǎn)不夠的［18］?；诖?，本文提出利用粗糙集要度兩兩最簡(jiǎn)比四舍五入后的值作為相對(duì)重要度。假設(shè)在一個(gè)知識(shí)表達(dá)系統(tǒng)中C稱為條件屬性集，稱為決策屬性集，指標(biāo)相對(duì)重要度定義如下：，其中ROUND代表四舍五入運(yùn)算。

利用matlab得到判斷矩陣的最大特征值λmax＝5．039 4，CR＝CI／RI＜0．10，即認(rèn)為判斷矩陣通過一致性檢驗(yàn)。

最大特征值對(duì)應(yīng)的特征向量即為重要度，從表1可以得到五個(gè)條件屬性e，b，d，f，g的重要度分別為0．321 2，0．321 2，0．171 6，0．111 3，0．074 7，這說明判斷腫瘤為良性或?yàn)閻盒阅[瘤先后順序?yàn)镃DFI、回聲、形態(tài)、腫塊內(nèi)斑點(diǎn)狀強(qiáng)回聲、淋巴結(jié)腫大，其中CDFI、回聲占的權(quán)重最大，為0．321 2。此時(shí)修正的粗糙集重要度只是給出了判斷腫瘤的條件屬性的優(yōu)先順序，但是哪些癥狀對(duì)應(yīng)良性腫瘤與惡性腫瘤里哪個(gè)病理類型還需進(jìn)一步分析。

表1 判斷矩陣表

表2給出了經(jīng)過整理后的征兆集合M列表。表3給出甲狀腺腫瘤病理類型N列表，其先驗(yàn)概率是利用歷史資料計(jì)算得到的客觀先驗(yàn)概率。

表2 超聲癥狀集合M列表

表3 甲狀腺腫瘤病理類型N列表

表4給出病理類型與甲狀腺腫瘤分期之間的關(guān)系集合R列表，其中R列表中有缺失數(shù)據(jù)、噪聲數(shù)據(jù)。

表4表示征兆與甲狀腺腫瘤癥狀之間的關(guān)系，各概率值表示在ai發(fā)生的條件下mj發(fā)生的概率，用數(shù)學(xué)符號(hào)表示為

表4 征兆與甲狀腺腫瘤癥狀之間的關(guān)系集合R列表

根據(jù)粗糙集診斷決策表，但表中數(shù)據(jù)為連續(xù)值，需要將其離散化。將表4中的數(shù)據(jù)離散化，規(guī)定量化為量化為1量化為2，其他的量化為3。條件屬性取值3，2，1，0直觀上可以理解為該病理類型引起此類型征兆的概率大、中、小、幾乎沒有。癥狀診斷決策表5如下，其中a7行表示噪聲數(shù)據(jù)。

表5 癥狀診斷決策表

當(dāng)β＝0．35時(shí)，正域?yàn)椋?/p>

由以上得m4為核屬性，逐一驗(yàn)證包含核屬性值的所有情況，最后得到的近似約簡(jiǎn)有四個(gè)

刪除結(jié)論屬性對(duì)應(yīng)條件屬性為零的以及不確定屬性值屬性集，最終選擇作為最小屬性集，重新建立最小癥狀診斷決策表如表6所示。由癥狀與征兆之間的關(guān)系建立貝葉斯網(wǎng)絡(luò)模型如圖1所示，其中為父節(jié)點(diǎn)為子節(jié)點(diǎn)。

表6 最小癥狀診斷決策表

（二）基于貝葉斯網(wǎng)絡(luò)的癥狀推理模型

貝葉斯網(wǎng)絡(luò)利用一些征兆信息快速得出腫瘤癥狀發(fā)生的概率，便于對(duì)腫瘤進(jìn)行診斷。據(jù)此構(gòu)建如圖2所示的推理模型：

圖2 腫瘤診斷的貝葉斯網(wǎng)絡(luò)模型圖

具體計(jì)算步驟如下：

第二，各腫瘤癥狀發(fā)生的概率為先驗(yàn)概率與在其他條件下征兆發(fā)生概率的乘積，用概率公式表示為：

第三，在腫瘤診斷中，我們更希望得到哪個(gè)癥狀發(fā)生的概率最大，這樣能有目的去做進(jìn)一步診斷與治療，即求

具體診斷步驟為：收集病人的征兆信息，得到征兆集中哪些征兆發(fā)生和哪些征兆不發(fā)生；根據(jù)已經(jīng)得到的先驗(yàn)概率及在癥狀發(fā)生下的征兆條件概率，利用式（2）分別得到父節(jié)點(diǎn)a1，a2，…，a6發(fā)生的概率；將得到的概率按從小到大排序，概率最大對(duì)應(yīng)的癥狀即為最有可能發(fā)生的癥狀。

例：某病人經(jīng)超聲檢查具有單發(fā)結(jié)節(jié)，形態(tài)不規(guī)則，回聲低而略欠均勻，伴砂粒樣鈣化，常侵犯周圍組織，且淋巴結(jié)轉(zhuǎn)移率最高，臨床檢查中降鈣素的值常高于正常范圍，聲像圖常表現(xiàn)為腫物后方回聲不衰減的特點(diǎn)。

表7 各癥狀發(fā)生概率表

從表7可知，P（a3｜A＋∩A－）發(fā)生概率最大，即乳頭狀癌發(fā)生的概率最大，其次是結(jié)節(jié)性甲狀腺腫和髓樣癌，而實(shí)際情況是超聲診斷為乳頭狀癌，診斷結(jié)論與實(shí)際情況吻合。

由上例可以看到，基于變精度粗糙集與貝葉斯網(wǎng)絡(luò)的腫瘤病理類型診斷方法具有穩(wěn)健性，其不僅可以對(duì)甲狀腺腫瘤進(jìn)行區(qū)分，還可以將其擴(kuò)展到其他腫瘤領(lǐng)域。在實(shí)際運(yùn)用中即使判斷結(jié)果有誤，也可以根據(jù)發(fā)生概率大小依次進(jìn)行有方向、有目的的診斷，節(jié)省人力、物力、財(cái)力與時(shí)間。

四、腫瘤病理類型診斷結(jié)果分析與對(duì)比

根據(jù)貝葉斯網(wǎng)絡(luò)模型，采用10折交叉驗(yàn)證法對(duì)數(shù)據(jù)進(jìn)行測(cè)試，獲得診斷的準(zhǔn)確率、靈敏度、特異度，并以真陽(yáng)性率（靈敏度）為縱坐標(biāo)，假陽(yáng)性率（1－特異度）為橫坐標(biāo)得到ROC面積。以上得到變精度粗糙集與貝葉斯網(wǎng)絡(luò)模型的診斷性能與孫靜的粗糙集方法進(jìn)行對(duì)比，得到診斷性能對(duì)比表8。通過對(duì)比發(fā)現(xiàn)，變精度粗糙集與貝葉斯網(wǎng)絡(luò)預(yù)測(cè)的精度高于粗糙集理論；ROC曲線AUG在90%以上說明它們都具有較高準(zhǔn)確性，且VPRST與BN準(zhǔn)確性更高一些；特異度都在90%以上反映篩檢試驗(yàn)確定非病人的能力VPRST與BN比粗糙集理論更強(qiáng)；VPRST與BN比粗糙集理論有更高的靈敏度，反映正確判斷病人的能力VPRST與BN比粗糙集理論更強(qiáng)一些。

表8 診斷性能對(duì)比表

五、結(jié) 論

腫瘤有良性與惡性之分，良性腫瘤對(duì)機(jī)體影響較小，惡性腫瘤由于分化不成熟、生長(zhǎng)較快，浸潤(rùn)破壞器官的結(jié)構(gòu)和功能，并可發(fā)生轉(zhuǎn)移，因而對(duì)機(jī)體影響嚴(yán)重，因此準(zhǔn)確對(duì)腫瘤進(jìn)行診斷，尤其是惡性腫瘤的診斷對(duì)醫(yī)院準(zhǔn)確地了解病人情況，及時(shí)采取治療措施具有重要意義。

腫瘤診斷常存在診斷信息的模糊性及信息缺失、噪聲數(shù)據(jù)等引起的不確定性問題，使得目標(biāo)識(shí)別與診斷變得困難。本文采用變精度粗糙集與貝葉斯網(wǎng)絡(luò)相結(jié)合的方法對(duì)腫瘤癥狀進(jìn)行診斷，該方法依托腫瘤診斷的歷史數(shù)據(jù)，利用變精度粗糙集將專家知識(shí)簡(jiǎn)化，獲得腫瘤診斷最小約簡(jiǎn)表。利用貝葉斯網(wǎng)絡(luò)具有柔和性、容錯(cuò)性的特點(diǎn)，將最小約簡(jiǎn)表與貝葉斯網(wǎng)絡(luò)結(jié)合，幫助醫(yī)師根據(jù)病癥識(shí)別患者腫瘤病理類型，進(jìn)而采取更為科學(xué)合理的治療方案。本方法將變精度粗糙集與貝葉斯網(wǎng)絡(luò)結(jié)合，既發(fā)揮了變精度粗糙集處理模糊、不確定知識(shí)，對(duì)噪聲數(shù)據(jù)有較強(qiáng)的免疫性能力，又發(fā)揮了貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)推理和診斷的能力，使得腫瘤診斷模型分別融合了變精度粗糙集與貝葉斯網(wǎng)絡(luò)的優(yōu)點(diǎn)，并且互相彌補(bǔ)了腫瘤診斷方法的缺點(diǎn)。

變精度粗糙集是一種定量分析的數(shù)學(xué)工具，將其運(yùn)用到腫瘤診斷中，可以減少醫(yī)生主觀判斷的偏誤，而貝葉斯網(wǎng)絡(luò)是為了解決不確定性、不完整性問題而提出，可以以概率形式更加形象具體地表征發(fā)生的可性，兩者結(jié)合可以優(yōu)勢(shì)互補(bǔ)，實(shí)例對(duì)比分析證明此方法在腫瘤診斷方面的有效性、準(zhǔn)確性。

［1］ 周純武，趙心明，郝玉芝，等．醫(yī)學(xué)影像學(xué)進(jìn)展［J］．中國(guó)腫瘤，2008，17（9）．

［2］ Chantrain C F，DeClerck Y A，Groshen S，et al．Computerized Quantification of Tissue Vascularization Using High－resolution Slide Scanning of Whole Tumor Sections［J］．Journal of Histochemistry ＆Cytochemistry，2003，51（2）．

［3］ 高秀香，徐怡莊，趙梅仙，等．核磁共振波譜在腫瘤診療中的應(yīng)用研究進(jìn)展［J］．光譜學(xué)與光譜分析，2008，28（8）．

［4］ Hanson T E，Johnson W O，Gardner I A．Log－linear and Logistic Modeling of Dependence Among Diagnostic Tests［J］．Preventive Veterinary Medicine，2000，45（1）．

［5］ 趙良淵，何大衛(wèi)，王彤．多元線性回歸方程中共線影響點(diǎn)的診斷［J］．中國(guó)衛(wèi)生統(tǒng)計(jì)，2004，21（2）．

［6］ 劉瓊蘇，何離慶．基于人工神經(jīng)網(wǎng)絡(luò)的乳腺癌診斷模型［J］．重慶大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，26（4）．

［7］ 謝益輝．基于R軟件rpart包的分類與回歸樹應(yīng)用［J］．統(tǒng)計(jì)與信息論壇，2007，22（5）．

［8］ 孫靜，孫興旺．粗糙集方法在醫(yī)學(xué)影像診斷分析中的應(yīng)用［J］．統(tǒng)計(jì)與信息論壇，2012，27（6）．

［9］ 王學(xué)偉，瞿海斌，王階．一種基于數(shù)據(jù)挖掘的中醫(yī)定量診斷方法［J］．北京中醫(yī)藥大學(xué)學(xué)報(bào)，2005，28（1）．

［10］Gotwald T F，Daniaux M，Stoeger A，et al．The Value of the World Wide Web for Tele－education in Radiology［J］．Journal of Telemedicine and Telecare，2000，6（1）．

［11］龔燕冰，倪青，王永炎．中醫(yī)證候研究的現(xiàn)代方法學(xué)述評(píng)（二）——中醫(yī)證候的量化及數(shù)理統(tǒng)計(jì)方法［J］．北京中醫(yī)藥大學(xué)學(xué)報(bào)，2007，30（1）．

［12］張爽，劉雪華，靳強(qiáng)．決策樹學(xué)習(xí)方法應(yīng)用于生態(tài)景觀分類［J］．清華大學(xué)學(xué)報(bào)，2006，46（9）．

［13］徐紅升，張瑞玲．變精度粗糙集在智能診療系統(tǒng)中的應(yīng)用［J］．計(jì)算機(jī)應(yīng)用與軟件，2013，30（2）．

［14］張娜，王國(guó)永，朱曉艷，等．貝葉斯網(wǎng)絡(luò)在艾滋病發(fā)病影響因素研究中的應(yīng)用［J］．中華預(yù)防醫(yī)學(xué)雜志，2014，48（4）．

［15］Pawlak Z．Rough Sets［J］．International Journal of Computer ＆Information Sciences，1982，11（5）．

［16］黃影平．貝葉斯網(wǎng)絡(luò)發(fā)展及其應(yīng)用綜述［J］．北京理工大學(xué)學(xué)報(bào)，2013，33（12）．

［17］宋永濤，蘇秦．基于貝葉斯網(wǎng)絡(luò)的質(zhì)量管理實(shí)踐對(duì)績(jī)效的影響評(píng)價(jià)［J］．系統(tǒng)工程理論與實(shí)踐，2011，31（8）．

［18］Saaty T L．A Scaling Method for Priorities in Hierarchical Structures［J］．Journal of Mathematical Psychology，1977（3）．