陳桂芬， 汪　江，楊志剛

( 1. 福建中醫(yī)藥大學(xué) 管理學(xué)院，福州 350108 ；2.湖北黃岡市中心醫(yī)院 重癥醫(yī)學(xué)科， 湖北 黃岡 438000；3.福建中醫(yī)藥大學(xué)附屬人民醫(yī)院 內(nèi)分泌科，福州 350004)

?

基于本體的規(guī)則推理和案例推理結(jié)合的糖尿病診療專家系統(tǒng)研究

陳桂芬1， 汪江2，楊志剛3

( 1. 福建中醫(yī)藥大學(xué) 管理學(xué)院，福州 350108 ；2.湖北黃岡市中心醫(yī)院 重癥醫(yī)學(xué)科， 湖北 黃岡 438000；3.福建中醫(yī)藥大學(xué)附屬人民醫(yī)院 內(nèi)分泌科，福州 350004)

摘要：將規(guī)則推理( RBR )與案例推理( CBR )兩種人工智能技術(shù)引入到糖尿病診療系統(tǒng)設(shè)計(jì)中。圍繞系統(tǒng)總體架構(gòu)，使用 protégé 構(gòu)建糖尿病領(lǐng)域本體庫和糖尿病診療SWRL規(guī)則庫，通過JESS推理引擎進(jìn)行動(dòng)態(tài)推理，建立包含新知識(shí)的糖尿病領(lǐng)域知識(shí)庫；從知識(shí)庫中提取部分本體實(shí)例作為案例庫，采用案例檢索和本體知識(shí)庫檢索相結(jié)合的方法，返回查詢和推理結(jié)果，提供給病人適合病情的診療方案。將實(shí)驗(yàn)結(jié)果與專家實(shí)際診斷進(jìn)行對(duì)比，得出系統(tǒng)診治準(zhǔn)確率為85. 28%，表明該系統(tǒng)實(shí)用性較好，可以成為糖尿病患者一種可行的診療方案。

關(guān)鍵詞：本體；規(guī)則推理；案例推理；糖尿病診療專家系統(tǒng)

0引言

作為世界上三大慢性病之一，糖尿病對(duì)人類健康的危害極大，對(duì)國家的醫(yī)療體系和國民的健康素質(zhì)都造成了嚴(yán)重的威脅。2013年我國的糖尿病患者人數(shù)為1.14億，居全球之首，而形成巨大反差的是，所有針對(duì)糖尿病的醫(yī)護(hù)人員總量不超過 1 萬人[1,2]。顯然，傳統(tǒng)的糖尿病診療模式已經(jīng)無法應(yīng)對(duì)數(shù)量如此龐大的糖尿病患者群體。為了有效緩解就醫(yī)壓力，目前有學(xué)者在進(jìn)行糖尿病專家診療系統(tǒng)的研究工作。文獻(xiàn)[3]從預(yù)防糖尿病入手，研究基于移動(dòng)互聯(lián)網(wǎng)的糖尿病醫(yī)療輔助系統(tǒng)。文獻(xiàn)[4]提出基于貝葉斯和可信度的糖尿病診斷以及分型方法。文獻(xiàn)[5,6]綜合運(yùn)用多種數(shù)據(jù)挖掘技術(shù)開發(fā)出糖尿病診斷系統(tǒng)。文獻(xiàn)[7]提出了應(yīng)用規(guī)則推理實(shí)現(xiàn)糖尿病診斷專家系統(tǒng)的方法。目前，國內(nèi)糖尿病專家系統(tǒng)研究主要在糖尿病診斷和數(shù)據(jù)挖掘方面，而基于本體利用糖尿病疾病專家的治療經(jīng)驗(yàn)對(duì)糖尿病進(jìn)行診斷和治療的研究不多，因此本文提出基于本體的規(guī)則推理和案例推理結(jié)合的糖尿病診療系統(tǒng)。該系統(tǒng)主要用于糖尿病的診斷并給出專家治療建議。一方面該系統(tǒng)可輔助醫(yī)生作出診治；另一方面可對(duì)糖尿病病人進(jìn)行醫(yī)療指導(dǎo)，讓病人在家中或者在社區(qū)就能得到專家診療建議。

本體是共享概念模型的形式化規(guī)范說明[8]。本體可以闡述該領(lǐng)域內(nèi)的知識(shí)結(jié)構(gòu)，利用本體可以清楚地描述領(lǐng)域概念和概念之間的聯(lián)系。規(guī)則推理(Rule-Based Reasoning,RBR)是指形式化的描述相關(guān)領(lǐng)域的專家知識(shí)，形成系統(tǒng)規(guī)則，RBR具有極強(qiáng)的演繹推理能力。 案例推理(Case-Based Reasoning,CBR) 是指重用知識(shí)的技術(shù)，利用過去的解決方案來指導(dǎo)當(dāng)前問題求解的方法[9]。目前RBR和CBR這兩種技術(shù)己經(jīng)在人工智能領(lǐng)域里應(yīng)用的非常廣泛。將CBR和演繹推理能力極強(qiáng)的RBR技術(shù)相結(jié)合能使糖尿病診療系統(tǒng)達(dá)到更高的智能水平，具有重要的價(jià)值。

1系統(tǒng)總體架構(gòu)

基于本體的規(guī)則推理和案例推理結(jié)合的糖尿病診療系統(tǒng)的總體架構(gòu)如圖1所示。

表示層(UI)負(fù)責(zé)直接跟用戶進(jìn)行交互，UI為用戶提供應(yīng)用程序的訪問。本系統(tǒng)UI為用戶輸入數(shù)據(jù)進(jìn)行查詢和顯示最終疾病診療結(jié)果的界面，其中輸入數(shù)據(jù)包括患者基本情況、既往病史、家族病史、臨床癥狀等信息，診療結(jié)果包括疾病的診斷、治療方案(包括運(yùn)動(dòng)治療、飲食治療和藥物治療)。

業(yè)務(wù)邏輯層(BLL) 專門負(fù)責(zé)處理用戶輸入的信息。BLL的核心是對(duì)本體和案例的操作。其工作主要為對(duì)糖尿病領(lǐng)域本體庫和案例庫的查詢。業(yè)務(wù)工作流程如下：根據(jù)用戶輸入的查詢信息，首先查詢案例庫，利用局部相似度和全局相似度計(jì)算方法對(duì)案例庫中的案例進(jìn)行計(jì)算，如果案例相似度值大于等于設(shè)定值，則按照計(jì)算結(jié)果中排序最高者作為診療匹配結(jié)果；如果案例相似度值小于設(shè)定值，則搜索由本體和規(guī)則構(gòu)成的知識(shí)庫，返回查詢和推理結(jié)果，提供給病人適合病情的診療方案。

數(shù)據(jù)訪問層(DAL) 負(fù)責(zé)實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)和對(duì)數(shù)據(jù)的訪問。數(shù)據(jù)的存儲(chǔ)為本體知識(shí)庫、案例庫和傳統(tǒng)的數(shù)據(jù)庫的構(gòu)建，其中核心為本體知識(shí)庫推理模塊和案例推理模塊的構(gòu)建。對(duì)數(shù)據(jù)的訪問采用接口方式實(shí)現(xiàn)本體知識(shí)庫、案例庫和傳統(tǒng)的數(shù)據(jù)庫的互通和操作。

圖1　基于本體的規(guī)則推理和案例推理結(jié)合的糖尿病診療系統(tǒng)架構(gòu)圖

2糖尿病疾病本體庫的構(gòu)建

2.1糖尿病領(lǐng)域本體目的和范圍

糖尿病本體是關(guān)于糖尿病疾病診治過程的知識(shí)，是對(duì)糖尿病疾病診治知識(shí)的運(yùn)用策略。糖尿病疾病本體描述的范圍是事實(shí)性知識(shí)(如糖尿病疾病的病癥表現(xiàn))、經(jīng)驗(yàn)性知識(shí)(如癥狀表達(dá)、疾病類型、疾病診斷)和描述病理過程的病理知識(shí)[10]。筆者依據(jù)糖尿病疾病診斷本體的范圍，參照《中國糖尿病防治指南2010版》和糖尿病相關(guān)專著文獻(xiàn)，從中整合糖尿病防治知識(shí)構(gòu)建本體類、屬性及其關(guān)系，同時(shí)采用福建省某三甲醫(yī)院糖尿病患者電子病例構(gòu)建實(shí)例。

2.2糖尿病疾病本體具體構(gòu)建

采用目前最常用的本體構(gòu)建工具protégé 進(jìn)行糖尿病領(lǐng)域本體的構(gòu)建，Protégé 是由斯坦福大學(xué)開發(fā)的基于 Java 語言的本體可視化構(gòu)建工具。構(gòu)建糖尿病領(lǐng)域本體主要在于建立糖尿病領(lǐng)域概念類、屬性及其關(guān)系、實(shí)例四個(gè)部分。首先定義糖尿病領(lǐng)域重要概念類主要有：糖尿病診斷類、糖尿病癥狀類、糖尿病病因類、糖尿病治療類等。糖尿病診斷病型分類依據(jù)《中國糖尿病防治指南2010版》，將糖尿病患者診斷分為1型糖尿病(T1 DM)、2型糖尿病(T2 DM)、其他特殊類型的糖尿病、妊娠糖尿病(GDM)及糖尿病并發(fā)癥。糖尿病癥狀類又分為癥狀描述和指標(biāo)測量 (Measurements)子類，其中指標(biāo)測量是判斷糖尿病病因，確定糖尿病病型和危險(xiǎn)水平、并發(fā)癥危險(xiǎn)因素、以及臨床相關(guān)情況的重要內(nèi)容，是糖尿病患者診斷性評(píng)估的重要依據(jù)，其涉及的主要概念有空腹血糖(FPG)、餐后2小時(shí)血糖(2hPBG)、空腹血漿胰島素(INS)、血清C肽(C-P)、糖化血紅蛋白(HbA1c)、尿素氮(BUN)、肌酐(CR)、尿酸(UA)、尿微量白蛋白(UAER)。糖尿病治療類分為藥物治療、運(yùn)動(dòng)治療和飲食治療子類，其中糖尿病的藥物治療分兩類，即口服藥物和胰島素注射治療。其中口服藥物包括： (1)雙胍類降糖藥；(2)胰島素促分泌劑；(3)α—糖苷酶抑制劑；(4)胰島素增敏劑；(5)二肽基肽酶一4抑制劑。

然后定義糖尿病本體中各個(gè)類的屬性，屬性分為兩大類：(1)數(shù)據(jù)屬性(dataproperty)如糖尿病疾病的名稱，它的屬性值為string型，它具有反函數(shù)屬性(InverseFunctional Property)約束；又如FPG-value亦為數(shù)據(jù)屬性，屬性值為float型，它具有函數(shù)屬性(Functional Property)約束。(2)對(duì)象屬性(objectproperty)如電子處方(electronic-prescription)，它的屬性值為病人的全部電子處方記錄(prescriptions)，它具有反函數(shù)屬性約束。接下來定義糖尿病疾病本體中的關(guān)系，該本體關(guān)系有is-a、part-of、Instance -of 、attribute-of、cause-by、result- in等。其中is-a、part-of、Instance -of 、attribute-of是本體中的基本關(guān)系，cause-by、result- in為自定義關(guān)系。最后定義糖尿病本體中類的實(shí)例，這些實(shí)例為類的特例，將它們放入糖尿病領(lǐng)域本體庫中，為后面的推理做準(zhǔn)備。通過以上步驟構(gòu)建出如圖2所示糖尿病疾病本體模型。

圖2　糖尿病疾病本體模型的部分片段

3規(guī)則推理

3.1SWRL規(guī)則的建立

SWRL(Semantic Web Rule Language)是由以語義的方式呈現(xiàn)規(guī)則的一種語言，SWRL的規(guī)則部分概念是由RuleML所演變而來，再結(jié)合OWL本體論形成[11]。在語義網(wǎng)服務(wù)中，雖然本體支持推理，但它不能進(jìn)行象“if...then...”這樣規(guī)則的推理，SWRL可以有效地彌補(bǔ)這些不足。通過使用SWRL方法建立規(guī)則，將使本體具有更強(qiáng)的推理能力。本研究在糖尿病疾病領(lǐng)域本體的基礎(chǔ)上，依據(jù)糖尿病疾病醫(yī)學(xué)專著知識(shí)和專家建議，將糖尿病疾病診治規(guī)則分為診斷規(guī)則和治療規(guī)則。

3.1.1診斷規(guī)則的構(gòu)建

診斷規(guī)則用于判定是否為糖尿病、糖尿病前期、糖尿病類型以及糖尿病并發(fā)癥，規(guī)則建立的依據(jù)是《中國糖尿病防治指南2010版》。指南中將糖尿病定義為：有典型糖尿病癥狀(如：多尿、多食、不明原因的消瘦)并且隨機(jī)血糖≥11.1 mmol/L (200 mg/dl) 或空腹血糖(FPG)≥7.0 mmol/ L (126 mg/dl) 或口服葡萄糖耐量試驗(yàn)(OGTT)中2h (含0-2小時(shí)) PPG≥11.1 mmol/ L (200 mg/dl) 。糖尿病前期中血糖水平已高于正常，但尚未到達(dá)目前劃定的糖尿病診斷水平，稱之為糖調(diào)節(jié)受損期(IGR)，此期的判斷亦以FPG及(或)OGTT為準(zhǔn)。以前者進(jìn)行判斷時(shí)，F(xiàn)PG≥6.1 mmol/l(110 mg/dl)～<7.0 mmol/l(126 mg/dl)稱為空腹血糖受損(IFG)；以后者判斷時(shí)，負(fù)荷后2小時(shí)血糖≥7.8 mmol/l (140 mg/dl)～<11.1 mmol/l (200 mg/dl)稱糖耐量受損(IGT)。目前將此期看作任何類型糖尿病均可能經(jīng)過的由正常人發(fā)展至糖尿病者的移行階段。糖尿病類型以及糖尿病并發(fā)癥的診斷限于篇幅不再贅述。

比如用SWRL語言表示部分診斷規(guī)則如下：

1.Test _patient(?P) ∧has_DM_history(?P，true)→Diagnose_ patient(?P)，解釋如下：

如果患者P有糖尿病疾病史，那么該患者被診斷為具有糖尿病。

2.Test _patient(?P) ∧Swrlb：greaterThanOrEqual(?FPG，7) ∧Has _symptoms(?，a)∧show(?a，polyuria)∧show(?a，more _ food)∧show(?a，weight _loss)→Diagnose_ patient(?P)，解釋如下：

如果患者P空腹血糖(FPG)≥7.0mmol/ L，癥狀表現(xiàn)為多尿、多食、消瘦，那么該患者被診斷為具有糖尿病。

3.1.2治療規(guī)則的構(gòu)建

本文以2型糖尿病藥物治療規(guī)則的構(gòu)建為例介紹SWRL治療規(guī)則的建立。治療流程是依據(jù)《中國糖尿病防治指南2010版》及相關(guān)文獻(xiàn)介紹的2型糖尿病患者藥物治療方案[12]。方案如圖3所示，具體為：患者首先采取口服單藥治療；如果口服單藥治療3個(gè)月血糖控制不滿意，則采用口服藥物聯(lián)合治療；如果口服藥物聯(lián)合治療3個(gè)月血糖控制不滿意，則采用口服藥物和胰島素聯(lián)合治療；如果此種治療3個(gè)月血糖還是控制不滿意，則采用多次胰島素治療。

圖3　2型糖尿病藥物治療流程參考圖

其中A表示二甲雙胍，B表示胰島素促分泌劑，C表示α—糖苷酶抑制劑，D表示胰島素增敏劑，E表示二肽基肽 酶 一 4 抑制劑，F(xiàn)表示胰島素。比如用SWRL語言表示藥物治療規(guī)則如下：

Test _patient(?P)∧Prescription(? exp)∧Diagnose_new_ patient(?P)∧abox：hasclass(? exp，Prescription_Single)→Treatment_ Prescription(?P，?exp)，解釋如下：

如果p是新診斷的2型糖尿病患者，且exp是類Prescription_Single的實(shí)例，那么p可使用處方exp進(jìn)行治療。

3.2JESS推理引擎推理

前面構(gòu)建了糖尿病領(lǐng)域本體，并將糖尿病領(lǐng)域本體知識(shí)之間的邏輯關(guān)系轉(zhuǎn)化成SWRL規(guī)則語言，糖尿病領(lǐng)域本體和SWRL規(guī)則需要放入JESS(Java Expert System Shell)推理引擎中進(jìn)行推理，才能挖掘出糖尿病領(lǐng)域本體中隱含的新知識(shí)[13]。JESS是目前流行的用Java語言開發(fā)的規(guī)則系統(tǒng)，支持正向推理和逆向推理，其核心是由事實(shí)庫、規(guī)則庫和推理機(jī)三大部分組成。雖然OWL格式的本體和SWRL規(guī)則不能夠直接被JESS識(shí)別，但是可以通過格式轉(zhuǎn)換，使其成為JESS識(shí)別的事實(shí)和規(guī)則。SWRLJESSTab是protégé的插件，能將protégé知識(shí)庫映射到JESS事實(shí)庫。

基于糖尿病本體和SWRL規(guī)則的JESS推理機(jī)制框架如圖4所示，具體工作過程為：(1)根據(jù)需求，結(jié)合已有的糖尿病領(lǐng)域OWL本體、屬性和實(shí)例，本研究建立了56條SWRL規(guī)則的SWRL規(guī)則庫。(2)將糖尿病領(lǐng)域OWL本體和SWRL規(guī)則庫經(jīng)過事實(shí)轉(zhuǎn)換和規(guī)則轉(zhuǎn)換到JESS事實(shí)庫和JESS規(guī)則庫，其中JESS事實(shí)庫有358條事實(shí)，JESS規(guī)則庫有56條JESS規(guī)則。(3)基于JESS事實(shí)庫和JESS規(guī)則庫運(yùn)行JESS推理引擎進(jìn)行推理。(4)用推理后得到的新事實(shí)更新、擴(kuò)充糖尿病OWL本體知識(shí)庫。

圖4 　　基于 SWRL的推理機(jī)制框架圖

4案例推理

前面進(jìn)行了基于糖尿病本體的規(guī)則推理(RBR)，規(guī)則推理具有極強(qiáng)的演繹推理能力，該技術(shù)的不足之處在于它在解決糖尿病診治問題時(shí)，須“從頭開始”?；诎咐评?CBR)是尋找類似的、成功的過去案例，是“跳過開始”的方法[14]。為了提高整個(gè)系統(tǒng)效率，引入CBR來彌補(bǔ)RBR的不足。方法為根據(jù)用戶輸入的查詢信息，系統(tǒng)從成功的診治案例庫中檢索與目標(biāo)案例最相近的案例，將成功的診治方案應(yīng)用到目標(biāo)案例的匹配中。

4.1案例的組織

本文的系統(tǒng)中， CBR模塊中的案例包含兩類信息：糖尿病診療案例的問題描述和問題的解決方案。問題描述由三個(gè)部分組成：診療基本信息、診療需求信息和診療方案。問題的解決方案包括兩部分內(nèi)容：診療方案實(shí)施結(jié)果與評(píng)價(jià)，這兩項(xiàng)作為診療案例的結(jié)果，供決策參考。為了提高案例的檢索效率，系統(tǒng)根據(jù)糖尿病診療相關(guān)的領(lǐng)域知識(shí)本體，對(duì)案例進(jìn)行分層組織，并建立相應(yīng)的案例索引。以糖尿病慢性并發(fā)癥本體為例，建立的樹狀結(jié)構(gòu)案例索引如圖5所示。

圖5　基于糖尿病慢性并發(fā)癥本體的診療案例組織

4.2案例匹配檢索

4.2.1案例相似度匹配計(jì)算

糖尿病診療案例匹配采用K最近鄰(K-Nearest Neighbor,KNN)算法進(jìn)行相似度計(jì)算，按照計(jì)算結(jié)果中排序最高者作為診療最佳匹配結(jié)果。糖尿病案例樹是一顆概念樹，樹中的每一個(gè)節(jié)點(diǎn)代表一個(gè)概念，樹葉子表示一組糖尿病案例，如圖5所示，其中每一個(gè)糖尿病案例都有性別、年齡、癥狀體征、血糖值等一系列的特征項(xiàng)。結(jié)構(gòu)化案例的相似度一般分為局部相似度和全局相似度。局部相似度為各特征項(xiàng)間的相似值，全局相似度為各特征項(xiàng)間的加權(quán)平均值。本文使用式(1)計(jì)算案例特征項(xiàng)的局部相似度[15]：

(1)

其中，Lcs(i1,i2)表示兩個(gè)案例最小共同祖先，Deepth(Ci)表示某個(gè)案例在概念樹中的深度。以圖6本體概念層次結(jié)構(gòu)圖中的葉子節(jié)點(diǎn)表示案例為例，計(jì)算兩個(gè)案例間的相似度。表1給出了使用式(1)得出的部分案例間相似度值。

圖6　本體概念層次結(jié)構(gòu)圖

相似度相似度值sim(W9,W12)0sim(W10,W12)3/4sim(W14,W12)1/2

使用式(2)將案例特征項(xiàng)的局部相似度進(jìn)行綜合，計(jì)算出案例全局相似度[15]：

(2)

其中，sim(C1,C2)表示兩個(gè)案例的全局相似度，wi表示第i個(gè)特征項(xiàng)在整個(gè)案例中的權(quán)重。由專家經(jīng)過層次分析法計(jì)算本系統(tǒng)中糖尿病診療案例特征項(xiàng)的權(quán)重，并以權(quán)重屬性的方式存入到診療案例本體中。

4.2.2案例檢索方案

系統(tǒng)提供了糖尿病診療案例的檢索程序來提高檢索的效率。具體程序步驟如下：

(1)根據(jù)糖尿病診療案例的診療基本信息進(jìn)行分類。

(2)將診療類型相同的糖尿病診療案例，根據(jù)案例診療需求信息，首先計(jì)算需求信息中特征項(xiàng)局部相似度，然后計(jì)算需求信息的總體相似度，從而得到需求相似的診療案例列表。

(3)在需求相似的診療案例列表中，根據(jù)糖尿病診療案例的診療方案信息，首先計(jì)算方案信息中特征項(xiàng)的局部相似度，然后計(jì)算方案信息的總體相似度，得到診療方案相似的案例列表[16]。

5系統(tǒng)實(shí)現(xiàn)與運(yùn)行

本系統(tǒng)選取Java語言進(jìn)行開發(fā)，系統(tǒng)開發(fā)中使用了IBM的基于Java語言的Ontology集成開發(fā)工具集(IODT)，該工具集包含了OWL Core和SOR Core工具包用于實(shí)現(xiàn)本體模型的解析、推理以及案例庫和知識(shí)庫的存儲(chǔ)。本體開發(fā)工具使用了斯坦福大學(xué)的protégé。通過查詢界面和診治界面(如圖7)對(duì)患者信息進(jìn)行查詢和診斷，并給出診斷結(jié)果和推薦治療方案。

圖7　查詢界面和診治界面

選擇60個(gè)病人作為測試用例對(duì)糖尿病診療系統(tǒng)進(jìn)行診斷分析，輸入病人的相關(guān)信息后由系統(tǒng)進(jìn)行診斷。根據(jù)系統(tǒng)評(píng)測和專家建議將評(píng)定相似度的設(shè)定值為0.6。系統(tǒng)首先根據(jù)案例推理選取相似度大于等于0.6的案例放在案例列表并顯示案例內(nèi)容，如果沒有相似度大于0.6的案例，則搜索由規(guī)則推理的本體知識(shí)庫，將搜索結(jié)果進(jìn)行顯示。將實(shí)驗(yàn)結(jié)果與專家實(shí)際診斷進(jìn)行對(duì)比，得出該系統(tǒng)診斷準(zhǔn)確率為85. 28%，表明系統(tǒng)實(shí)用性較好。

6結(jié)語

本文利用人工智能中案例推理和規(guī)則推理技術(shù)進(jìn)行糖尿病診療專家系統(tǒng)的研究，本系統(tǒng)不僅給用戶提供了智能友好的交互界面，更重要的是系統(tǒng)能根據(jù)用戶查詢的內(nèi)容進(jìn)行自動(dòng)識(shí)別，進(jìn)而進(jìn)行案例推理和規(guī)則推理。本系統(tǒng)在己有醫(yī)學(xué)案例庫的支持下，以相似度計(jì)算方法進(jìn)行病癥的匹配計(jì)算，同時(shí)能實(shí)現(xiàn)案例庫和本體知識(shí)庫的結(jié)合查詢，給出較為準(zhǔn)確的診斷并推薦相應(yīng)的治療方案，為解決患者就醫(yī)難的問題提供一定的幫助。下一步的研究工作是在案例匹配過程中，進(jìn)行案例的更新和擴(kuò)展，使系統(tǒng)更具有開放性。

參考文獻(xiàn)：

[1]孫建永.中國糖尿病患者人數(shù)居全球之首[EB/OL].[2015-11-12]. http://finance.chinanews.com/jk/2015/11-12/7619186.shtml.

[2]Xu Y,Wang L,He J,et al．Prevalence and control of diabetes in Chinese adults[J].JAMA, 2013,310(9)：948-959.

[3]劉新龍,譚獻(xiàn)海.基于移動(dòng)互聯(lián)網(wǎng)的糖尿病醫(yī)療輔助系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].物聯(lián)網(wǎng)技術(shù),2015(5):92-94.

[4]沈麗容, 黃洪．基于貝葉斯和可信度的糖尿病診療系統(tǒng)研究[J].計(jì)算機(jī)與數(shù)字工程, 2011, 39(11) :51-53.

[5]王國強(qiáng), 闞紅星, 王宗殿. 綜合多種數(shù)據(jù)挖掘技術(shù)的糖尿病診斷系統(tǒng)[J].電腦知識(shí)與技術(shù), 2012, 08(23) :5547-5551.

[6]蘇凱, 程鵬.基于APRIORI算法和興趣度的糖耐量實(shí)驗(yàn)數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘和篩選[J].醫(yī)學(xué)信息, 2009, 22(8) :1397-1399.

[7]馬計(jì), 杭波. 糖尿病診斷專家系統(tǒng)的研究與實(shí)現(xiàn)[J].實(shí)用診斷與治療雜志, 2008, 22(2) :121-123.

[8]W.N. Borst. Construction of Engineering Ontologies for Knowledge Sharing and Reuse [D].PhD Thesis,Enschede ：University of Twente, 1997,18(1):44-57.

[9]李曉輝,劉妍秀. 基于實(shí)例推理機(jī)制(CBR)綜述[J]. 長春大學(xué)學(xué)報(bào)(自然科學(xué)版),2006, 16(4):68-70.

[10]鞏沐歌,溫有奎.基于本體的高血壓疾病診斷知識(shí)庫[J].情報(bào)雜志, 2010(29):169-171.

[11]聶規(guī)劃,羅跡,陳冬林.電子目錄的SWRL規(guī)則研究[J].計(jì)算機(jī)工程與應(yīng)用,2011, 47(7) :57-60.

[12]楊文英.聯(lián)合作戰(zhàn)層層阻擊——2型糖尿病治療新流程解讀[J].家庭用藥, 2011(5):28-29.

[13]T Mabotuwana,J Warren．ChronoMedIt- A computational quality audit framework for better management of patients with chronic conditions[J]. Journal of Biomedical Informatics,2010,43(1) :144-158.

[14]DU Xiao ming,YuYong li,HU Hui.Case- based reasoning for multi- attribute evalauation[J].Systems Engineering and Electronics,1999,21(9) :45-48.

[15]R Bergmann,A Stahl.similarity measures for object oriented case representations[J].Lecture Notes in Computer Science,1998(1488):25-36.

[16]劉曉文,胡克瑾.基于本體和CBR的電子政務(wù)項(xiàng)目審批決策支持系統(tǒng)[J] .計(jì)算機(jī)應(yīng)用, 2009, 29(3):896-899.

責(zé)任編輯：程艷艷

Research on Expert System of Diabetes Diagnosis and Treatment Based on Combination of Rule-based Reasoning and Case-based Reasoning of Ontology

CHEN Guifen1, WANG Jiang2, YANG Zhigang3

(1.College of Management, Fujian University of Chinese Traditional Medicine, Fuzhou 350108, China;2. Intensive Medicine Department, Hubei Huanggang Central Hospital, Huanggang 438000, China;3. Endocrinology Department, People′s Hospital Affiliated to Fujian University of Chinese Traditional Medicine, Fuzhou 350004, China)

Abstract：Rule-based Reasoning (RBR) and Case-based Reasoning (CBR) are introduced to the system design of diabetes diagnosis. Focusing on system frame structure, diabetes ontology base and SWRL rules base are established by using protégé, and the dynamic reasoning is executed by using JESS reasoning engine to construct the diabetes domain knowledge base with new knowledge. After part of ontology samples being extracted from knowledge base as case base, searching and reasoning results will be returned through the combination of case retrieval and ontology knowledge base retrieval, and diagnosis and treatment solution will be provided to patients. Comparing experiment results with expert diagnosis, the diagnosis accuracy rate of the system is obtained to be 85.28%, which shows that the system has good practicability and can become a feasible diagnosis and treatment solution for diabetes patients.

Keywords：ontology; rule-based reasoning; case-based reasoning; diabetes diagnosis and treatment expert system

收稿日期：2016-03-12

基金項(xiàng)目：福建省教育廳A類課題(JAS14159)

作者簡介：陳桂芬(1978-)，女，湖北黃岡人，講師，碩士，主要從事醫(yī)學(xué)信息管理研究。

中圖分類號(hào)：TP315

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1009-3907(2016)06-0019-07