甘子琦，龐 辰，王文麗，閆 偉

(山東師范大學(xué) 信息科學(xué)與工程學(xué)院，山東 濟(jì)南 250000)

1 選題背景及意義

現(xiàn)如今，醫(yī)生在對(duì)病人病情進(jìn)行診斷過(guò)程中，通常都會(huì)依據(jù)自己的主觀經(jīng)驗(yàn)，并根據(jù)自己掌握的醫(yī)學(xué)知識(shí)結(jié)合醫(yī)療設(shè)備檢查得到的生理數(shù)據(jù)得出診斷結(jié)果。但由于醫(yī)生的水平經(jīng)驗(yàn)參差不齊，醫(yī)療水平相對(duì)落后的地區(qū)經(jīng)常出現(xiàn)誤診，對(duì)病人及其家屬造成傷害。為了使得豐富醫(yī)療知識(shí)與寶貴的醫(yī)生診斷經(jīng)驗(yàn)得到最大限度的共享與重用，人們希望通過(guò)計(jì)算機(jī)來(lái)輔助醫(yī)生進(jìn)行診斷。

使用計(jì)算機(jī)處理信息，輸入和輸出一般都是精確的數(shù)字信息，而現(xiàn)實(shí)生活中人們更喜歡用一些表示程度的模糊語(yǔ)言來(lái)描述事物。因此，為了能讓計(jì)算機(jī)處理模糊的數(shù)據(jù)進(jìn)而提出了模糊推理。

隨著人工智能和醫(yī)療輔助診斷的飛速發(fā)展，研究能夠輔助醫(yī)生進(jìn)行醫(yī)療診斷的智能醫(yī)療決策診斷機(jī)制更成為醫(yī)療信息科學(xué)的一個(gè)重要研究課題。因此，文中提出一種基于Jess模糊推理的醫(yī)療診斷機(jī)制，結(jié)合本體知識(shí)庫(kù)，最終實(shí)現(xiàn)計(jì)算機(jī)輔助醫(yī)生進(jìn)行治療。該診斷機(jī)制的提出，使計(jì)算機(jī)模仿醫(yī)學(xué)專(zhuān)家的診斷思想對(duì)病人進(jìn)行就診。這樣就能把模糊推理技術(shù)應(yīng)用到醫(yī)學(xué)領(lǐng)域。

2 研究現(xiàn)狀

1959年美國(guó)的萊德利等首次在臨床醫(yī)學(xué)中使用計(jì)算機(jī)診斷，并在1966年提出“計(jì)算機(jī)輔助診斷”，產(chǎn)生了計(jì)量醫(yī)學(xué)[1]；1974年匹茲堡大學(xué)的鮑伯爾和內(nèi)科醫(yī)生合作，成功研發(fā)了內(nèi)科診斷咨詢(xún)系統(tǒng)；在1976年用于為細(xì)菌感染提供抗菌劑治療建議的MYCIN系統(tǒng)[2]由美國(guó)斯坦福大學(xué)的肖特利菲研發(fā)成功；1982年，匹茲堡大學(xué)的Miller等開(kāi)發(fā)了Internist-I內(nèi)科計(jì)算機(jī)輔助診斷系統(tǒng)[3]；1991年，哈佛醫(yī)學(xué)院的Barenett等開(kāi)發(fā)的“DXPLAIN”軟件包含有2 200種疾病和5 000種癥狀。

1981年，中國(guó)科學(xué)院、北京第二醫(yī)學(xué)院和北京中醫(yī)院研發(fā)了“關(guān)幼波肝病診斷專(zhuān)家系統(tǒng)”[4]；2003年，哈爾濱醫(yī)科大學(xué)將專(zhuān)家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合提出了“醫(yī)療智能診斷系統(tǒng)”[5]。

知識(shí)庫(kù)已經(jīng)應(yīng)用到了醫(yī)療領(lǐng)域。德納姆富什曼提出了本體知識(shí)庫(kù)應(yīng)該具有PICO(population，intervention，comparison and outcome)四個(gè)基本元素[6]；布馬和德里杰克又進(jìn)一步描述了本體知識(shí)庫(kù)的幾個(gè)基本特征：疾病、癥狀和治療[7]；Niu和Hirst描述了一種可以在醫(yī)療文本中確定語(yǔ)義的類(lèi)和類(lèi)與類(lèi)之間的關(guān)系的方法[8]。

隨著科技的進(jìn)步，利用計(jì)算機(jī)進(jìn)行診斷決策的過(guò)程將變得十分困難，于是人們想到依靠醫(yī)學(xué)專(zhuān)家的經(jīng)驗(yàn)來(lái)進(jìn)行診斷。因此，判定方法的約束條件中的模糊因素、思想語(yǔ)言等模糊定量問(wèn)題使“模糊推理”應(yīng)運(yùn)而生。

3 主要工作

文中以基于Jess的模糊推理為基礎(chǔ)，結(jié)合醫(yī)療診斷的具體流程對(duì)如何模擬醫(yī)生完成診斷過(guò)程做了如下工作：

(1)生理參數(shù)預(yù)處理。

醫(yī)生通過(guò)大量信息對(duì)病人進(jìn)行診斷。這些信息分為兩種，一種是如體溫、血紅蛋白含量、血壓、心率等可以通過(guò)機(jī)器進(jìn)行檢測(cè)的精確型數(shù)值；另一種是如咳嗽是否嚴(yán)重、咽部是否紅腫、頭是否疼痛等無(wú)法用數(shù)值表示，只能根據(jù)醫(yī)生對(duì)病人進(jìn)行詢(xún)問(wèn)得出的模糊型信息。文中提出的診斷機(jī)制首先要對(duì)得到的生理參數(shù)進(jìn)行生理參數(shù)預(yù)處理，得到模糊型數(shù)據(jù)，為模糊推理提供前提。

該診斷機(jī)制需要的數(shù)據(jù)也分為精確型和模糊型，具體類(lèi)型由醫(yī)院檢測(cè)數(shù)據(jù)、病人的描述和醫(yī)生對(duì)模糊型數(shù)據(jù)程度的判斷來(lái)決定。

(2)規(guī)則庫(kù)的構(gòu)建。

根據(jù)生理參數(shù)不同的排列組合得到不同的病癥規(guī)則，把這些規(guī)則錄入到規(guī)則庫(kù)中，并且醫(yī)生根據(jù)癥狀進(jìn)行程度分類(lèi)，根據(jù)自己的醫(yī)療知識(shí)與診斷經(jīng)驗(yàn)建立規(guī)則庫(kù)。建立規(guī)則庫(kù)這一環(huán)節(jié)十分重要，是醫(yī)療系統(tǒng)的核心。因此醫(yī)生的醫(yī)療知識(shí)與診斷經(jīng)驗(yàn)越豐富，該規(guī)則庫(kù)的含金量就越高。

(3)基于Jess的模糊推理。

將模糊推理引入到醫(yī)療診斷中，雖然現(xiàn)在流行很多推理方法，如神經(jīng)網(wǎng)絡(luò)推理、遺傳算法等等，但這些方法判斷出的結(jié)果是二元的。而人的疾病是模糊復(fù)雜的，模糊集合的引入使事物和疾病的描述更寬泛。利用模糊推理，可以推理出更復(fù)合客觀事實(shí)的結(jié)果。而在CLIPS基礎(chǔ)上開(kāi)發(fā)的Jess規(guī)則引擎[9]，使用前向規(guī)則快速匹配Rete算法[10]進(jìn)行模式匹配，推理效率高。

(4)智能醫(yī)療診斷機(jī)制構(gòu)建。

智能醫(yī)療診斷機(jī)制的基本步驟是：首先通過(guò)體檢得到病人的生理參數(shù)，醫(yī)生通過(guò)詢(xún)問(wèn)病人病情，將所得信息與生理參數(shù)共同輸入到計(jì)算機(jī)中；計(jì)算機(jī)模仿醫(yī)生診斷病人的思維方式來(lái)確定病情；最終計(jì)算機(jī)給醫(yī)生列舉出病人可能患病的情況。

醫(yī)生根據(jù)計(jì)算機(jī)提供的病情，再加上自己的經(jīng)驗(yàn)，得出最后的診斷結(jié)果。

3.1 生理參數(shù)預(yù)處理

3.1.1 精確生理參數(shù)處理

文中提出的診斷機(jī)制僅僅以三種生理參數(shù)為例，分別是體溫、心率和血壓。

通過(guò)查閱醫(yī)學(xué)資料，查找出各項(xiàng)生理參數(shù)的正常范圍如下:

正常收縮壓范圍：90 mm Hg至140 mm Hg；正常舒張壓范圍：60 mm Hg至90 mm Hg。

正常腋下溫度：36.3～37.2 ℃；低熱：37.3～38 ℃；中度熱：38.1～39 ℃；高熱：39.1℃以上。

正常心率：60～100次/分。

這些參數(shù)都是精確的數(shù)值，可以通過(guò)這些數(shù)值來(lái)確定程度的高低

3.1.2 模糊生理參數(shù)處理

對(duì)生理參數(shù)預(yù)處理，使生理參數(shù)模糊化是文中提出的診斷機(jī)制的第一步。一般來(lái)說(shuō)，醫(yī)生在診斷病人病情的過(guò)程中，會(huì)使用機(jī)器對(duì)病人進(jìn)行檢測(cè)，得到血液化驗(yàn)單，如表1所示。

血液化驗(yàn)單上得到的結(jié)果都是精確的，醫(yī)生根據(jù)檢驗(yàn)結(jié)果和正常范圍對(duì)比來(lái)判斷病人病情。但是血液化驗(yàn)單中僅僅給出了正常范圍，并沒(méi)有規(guī)定是否偏低或偏高。比如血液化驗(yàn)單的檢查結(jié)果中紅細(xì)胞正好處在正常范圍的最低臨界值400萬(wàn)/μL，醫(yī)生就認(rèn)定他是正常值，而399萬(wàn)/μL醫(yī)生就認(rèn)定為不正常的值。顯然這樣判斷有不足之處，因?yàn)槎咧顜缀蹩梢院雎?。?dāng)紅細(xì)胞的檢查結(jié)果為550萬(wàn)/μL時(shí)，就不能認(rèn)定紅細(xì)胞檢查結(jié)果正常，而是偏高。與紅細(xì)胞類(lèi)似，其他的生理參數(shù)也應(yīng)分為偏低、正常、偏高等范圍或者更多其他的范圍，并且這些范圍可以出現(xiàn)重疊。下面以血紅蛋白為例：

表1 血液化驗(yàn)單

通過(guò)查閱醫(yī)學(xué)資料，劃分出血紅蛋白偏低、正常和偏高的范圍。

偏低范圍：≤130 g/L；正常范圍：120 g/L～160 g/L；偏高范圍：≥150 g/L。范圍之間存在的重疊區(qū)域，可以更好地反映不同范圍之間的關(guān)系。構(gòu)建出如圖1所示的隸屬度函數(shù)，圖1中的縱坐標(biāo)為隸屬度的值，代表著對(duì)應(yīng)所在范圍的程度，有的數(shù)值對(duì)應(yīng)著兩個(gè)隸屬度函數(shù)。如圖1中當(dāng)血紅蛋白數(shù)量為128 g/L時(shí)，分別對(duì)應(yīng)著0.04和0.4，進(jìn)而可以寫(xiě)成(偏低，0.04)和(正常，0.4)。按照這種法則，可以對(duì)生理參數(shù)進(jìn)行模糊處理。通過(guò)上述例子，可以把化驗(yàn)單上的精確數(shù)值變成(范圍，隸屬度)的模式。

醫(yī)生在診斷病情的時(shí)候，不僅僅只看化驗(yàn)單，還會(huì)通過(guò)觀察和詢(xún)問(wèn)，來(lái)判斷病人的生理癥狀。比如精神狀態(tài)的好壞，食欲是否正常，頭痛的嚴(yán)重程度，是否伴有咳嗽等。這些生理癥狀可以看作是生理參數(shù)模糊處理后的結(jié)果。

圖1 血紅蛋白隸屬度

3.2 規(guī)則庫(kù)的構(gòu)建

3.2.1 規(guī)則推理算法

模糊推理規(guī)則庫(kù)的構(gòu)建是文中提出的智能醫(yī)療機(jī)制的核心，規(guī)則庫(kù)的形式如“if-then”語(yǔ)句?？紤]的生理參數(shù)越多，所產(chǎn)生的規(guī)則數(shù)目越多，這樣會(huì)使推理的效率大幅降低。由此可見(jiàn)，需要的推理規(guī)則數(shù)量不應(yīng)太多也不應(yīng)太少，以構(gòu)成正規(guī)的規(guī)則形式。推理規(guī)則的運(yùn)算選擇與模糊算子的確定有一定聯(lián)系,目前世界各國(guó)關(guān)于模糊推理的研究已經(jīng)取得了一定的成果，多數(shù)使用最大最小法和最大乘積法等算法，模糊推理規(guī)則[11]的表達(dá)形式如下:

(1)

其中，wij(j=1,2,…,n)表示各個(gè)疾病的程度即模糊權(quán)重，0≤wij≤1;0≤λ≤1表示規(guī)則激活的閾值；m表示知識(shí)庫(kù)中的規(guī)則數(shù)目。當(dāng)規(guī)則滿(mǎn)足所有條件的綜合相似度大于等于閾值時(shí)，可以推斷出結(jié)論Z。

3.2.2 模糊規(guī)則庫(kù)的建立

作為智能醫(yī)療診斷機(jī)制的核心部分，其他部分均是為執(zhí)行模糊規(guī)則而服務(wù)。此診斷機(jī)制采用的是多維模糊規(guī)則的形式，即若干條模糊命題組成的規(guī)則的前件，建立的規(guī)則庫(kù)的本體模型如圖2所示。

圖2 規(guī)則庫(kù)本體簡(jiǎn)略圖

精確輸入型參數(shù)和模糊型參數(shù)進(jìn)行排列組合之后得出的結(jié)果即構(gòu)成了模糊推理規(guī)則庫(kù)。例如，A1：傳感器檢測(cè)到的人體溫度，A2：血檢出的血紅蛋白含量，A3：白細(xì)胞的含量，B：診斷結(jié)果。

如果需要對(duì)人患病進(jìn)行診斷，在考慮多個(gè)精確的生理參數(shù)及數(shù)值的情況下，還應(yīng)編寫(xiě)復(fù)雜的模糊推理規(guī)則。假設(shè)Li表示低值范圍(體溫<36度，血紅蛋白和白細(xì)胞低于正常含量)，Ni表示正常范圍(體溫=36度，血紅蛋白和白細(xì)胞為正常含量)，Hi表示高值范圍(體溫>36度，血紅蛋白和白細(xì)胞高于正常含量)，其中i=1、2或3，則共有27種組合。而這27種則是三種精確型參數(shù)的內(nèi)部排列組合，對(duì)這27種情況從R1到R27進(jìn)行編號(hào)，如圖3所示。

圖3 if-then規(guī)則

下面用if-then語(yǔ)句來(lái)編寫(xiě)規(guī)則庫(kù)：

從以上規(guī)則可看出，C1表示人體生理參數(shù)正常，C2表示人發(fā)高燒，C3表示人血紅蛋白含量過(guò)高，C4表示人白細(xì)胞含量過(guò)高，C5表示人低體溫，C6表示人血紅蛋白少，C7表示人白細(xì)胞少等。

隸屬度函數(shù)選取每種單個(gè)情況隸屬度最小值，R1到R27的隸屬度函數(shù)為：

Ri(a1,a2,a3)=min{N1(a1),N2(a2),N3(a3)}

(2)

下面考慮模糊型數(shù)據(jù)。

表2 咳嗽與咽部紅腫程度

假設(shè)A4代表咳嗽程度，A5代表咽部紅腫程度，列舉出如表2所示的情況。A4、A5模糊性輸入?yún)?shù)共9種組合，結(jié)合以上27種精確性輸入?yún)?shù)組合，共組成243種組合，醫(yī)生可由這兩類(lèi)參數(shù)進(jìn)行診斷。智能醫(yī)療診斷機(jī)制將多數(shù)醫(yī)生在診斷過(guò)程中的思維共性進(jìn)行模糊化處理。醫(yī)生在診斷時(shí)分析到相似或者相同的病癥，得出相同的診斷結(jié)果。把這些具有共性的診斷經(jīng)驗(yàn)通過(guò)規(guī)則錄入機(jī)制，智能醫(yī)療機(jī)制可做出診斷，再將這些診斷經(jīng)驗(yàn)存儲(chǔ)到數(shù)據(jù)庫(kù)中，就構(gòu)建了一個(gè)診斷庫(kù)，則這個(gè)診斷庫(kù)就是模糊化推理過(guò)程中的規(guī)則庫(kù),如表3所示。其中*代表正常，+代表偏高，-代表偏低。

表3 規(guī)則庫(kù)

3.3 基于Jess的模糊推理

3.3.1 模糊邏輯

模糊邏輯是基于多值邏輯之上，通過(guò)使用模糊集的方法研究模糊思維[12]。目前模糊集理論在不確定和不精確的復(fù)雜系統(tǒng)模型中得到了發(fā)展，它的元素可能部分屬于模糊集合。假設(shè)X為一個(gè)通用集合，它的元素用x表示，將X中的模糊集合A定義為一個(gè)有序?qū)Φ募希?/p>

A={x,μA(x)|x}，μA(x)是x在A中的隸屬度函數(shù)：

(3)

隸屬度函數(shù)定義了將給定元素x映射到0和1之間的隸屬值過(guò)程。為了實(shí)現(xiàn)模糊對(duì)象的定量問(wèn)題，隸屬函數(shù)通常用直線(xiàn)、三角形或梯形來(lái)表示。模糊推理系統(tǒng)通過(guò)if-then規(guī)則推理出結(jié)果，從而提供了實(shí)現(xiàn)推理的系統(tǒng)框架。

在該診斷機(jī)制中所設(shè)計(jì)的模糊推理系統(tǒng)由五個(gè)功能塊組成：

(1)醫(yī)療診斷規(guī)則庫(kù)；

(2)隸屬度函數(shù)數(shù)據(jù)庫(kù)；

(3)在if-then模糊規(guī)則上執(zhí)行推理操作的決策單元；

(4)能將精確的輸入轉(zhuǎn)換成模糊數(shù)據(jù)的模糊化接口；

(5)能將模糊數(shù)據(jù)轉(zhuǎn)換成精確輸出的反模糊化接口。

3.3.2 模糊化

基于知識(shí)模糊化的核心就是將輸入對(duì)應(yīng)到模糊集上[13]。通過(guò)與隸屬函數(shù)的對(duì)應(yīng)，為輸入輸出設(shè)置不同隸屬度。由于在一般情況下，語(yǔ)言變量的模糊化都是根據(jù)經(jīng)驗(yàn)得出，因此隸屬函數(shù)的設(shè)計(jì)是關(guān)鍵。文中使用比較法、統(tǒng)計(jì)法、權(quán)值法確定隸屬度函數(shù)，然后將對(duì)事物的理解反映到數(shù)學(xué)圖像中，在所有模糊集的隸屬函數(shù)確定后，就將輸入量進(jìn)行模糊化。

3.3.3 基于Jess的模糊推理的步驟

(1)將診斷規(guī)則和事實(shí)輸入到工作內(nèi)存；

(2)利用模式匹配比較事實(shí)與模糊專(zhuān)家系統(tǒng)知識(shí)庫(kù)中的規(guī)則；

(3)若執(zhí)行規(guī)則存在沖突，則將沖突的規(guī)則存放在沖突集合中；

(4)解決沖突，將沖突的規(guī)則順序放入議程；

(5)執(zhí)行規(guī)則，修改事實(shí)庫(kù)；重復(fù)步驟2～步驟5至事實(shí)庫(kù)不再發(fā)生任何變化，則推理結(jié)束[14]。

3.4 醫(yī)療領(lǐng)域本體庫(kù)設(shè)計(jì)

目前國(guó)內(nèi)醫(yī)療衛(wèi)生水平發(fā)展很不平衡，東西部地區(qū)差異較大。為使經(jīng)濟(jì)較落后地區(qū)的人們能夠得到更好的醫(yī)療服務(wù)，使一些水平較高、經(jīng)驗(yàn)較豐富的醫(yī)生的經(jīng)驗(yàn)和醫(yī)療知識(shí)得到共享，遂想到通過(guò)建立醫(yī)療本體庫(kù)，將無(wú)形的資源匯集在一起。

設(shè)計(jì)該本體庫(kù)的大致思想是模仿日常生活中人們?cè)卺t(yī)院看病的流程。首先是病人填寫(xiě)自己的基本信息；其次將信息錄入后，病人本人可敘述自身病癥；通過(guò)病人自己的描述，得出病人應(yīng)進(jìn)行的相應(yīng)檢查，將檢查結(jié)果導(dǎo)入；結(jié)合病人自身的情況，醫(yī)療機(jī)械檢查和醫(yī)學(xué)化驗(yàn)檢查，再加上醫(yī)生判斷和經(jīng)驗(yàn)，最終得到一個(gè)病例事實(shí)。

簡(jiǎn)單建立如圖4所示的本體模型。

圖4 醫(yī)療領(lǐng)域本體庫(kù)簡(jiǎn)略圖

3.5 智能醫(yī)療診斷機(jī)制的構(gòu)建

智能醫(yī)療診斷機(jī)制即模糊推理專(zhuān)家系統(tǒng)是由醫(yī)學(xué)領(lǐng)域的經(jīng)驗(yàn)知識(shí)集合而成，對(duì)一些簡(jiǎn)單疾病做出了判斷處理。特征如下：

(1)透明性。可以對(duì)病人所提供的生理參數(shù)做出判斷，可以診斷病人一些簡(jiǎn)單的疾病，并且將推理過(guò)程向病人展現(xiàn)。

(2)可延伸性。醫(yī)療本體知識(shí)庫(kù)可擴(kuò)充新的醫(yī)學(xué)經(jīng)驗(yàn)與知識(shí)，使知識(shí)庫(kù)涵蓋更多知識(shí)。

(3)便捷性。在任何時(shí)間、地點(diǎn)，病人均可使用網(wǎng)絡(luò)將生理數(shù)據(jù)傳到服務(wù)器，診斷結(jié)果可第一時(shí)間發(fā)給病人，在沒(méi)有醫(yī)療條件狀況下病人也可檢查自身身體狀況。

醫(yī)學(xué)的復(fù)雜性決定該機(jī)制只能簡(jiǎn)單實(shí)現(xiàn)一些疾病推理，在疾病判斷中應(yīng)用模糊推理仍是核心。

3.6 智能醫(yī)療診斷機(jī)制的實(shí)現(xiàn)

前期收集相關(guān)的醫(yī)療衛(wèi)生方面數(shù)據(jù)，充分了解醫(yī)療信息的數(shù)據(jù)標(biāo)準(zhǔn)、參考范圍、現(xiàn)狀及發(fā)展趨勢(shì)?？偨Y(jié)并選取部分?jǐn)?shù)據(jù)作為醫(yī)療信息本體知識(shí)庫(kù)數(shù)據(jù)源。將數(shù)據(jù)源進(jìn)行分類(lèi)，文中主要分為病人和診斷過(guò)程兩個(gè)大類(lèi)。又將病人細(xì)分為病人基本信息和病人對(duì)病癥的描述；而在診斷過(guò)程中呈現(xiàn)出結(jié)合醫(yī)生主觀意見(jiàn)的診斷步驟。將這些基本的屬性建立起邏輯關(guān)系，再創(chuàng)建數(shù)據(jù)源之間的關(guān)系，構(gòu)建基本醫(yī)療信息本體庫(kù)框架，然后對(duì)本體庫(kù)進(jìn)行實(shí)例化[15]。

實(shí)例化的本體庫(kù)導(dǎo)入醫(yī)療診斷規(guī)則庫(kù)，與規(guī)則庫(kù)進(jìn)行比較。導(dǎo)入規(guī)則庫(kù)后進(jìn)行模糊推理，直至事實(shí)庫(kù)中不存在矛盾，得出某一方面的一個(gè)或多個(gè)結(jié)果。若有多個(gè)結(jié)果，可根據(jù)醫(yī)生自身經(jīng)驗(yàn)判斷，得出最終結(jié)果。智能醫(yī)療診斷機(jī)制框架如圖5所示。

圖5 智能醫(yī)療診斷機(jī)制框架

接下來(lái)用具體的病例來(lái)模擬一下診斷過(guò)程，假如一個(gè)病人有以下癥狀，見(jiàn)表4。

表4 病人癥狀

前三項(xiàng)都屬于精確數(shù)值，首先要將其進(jìn)行模糊化，模糊化后的結(jié)果見(jiàn)表5。

表5 病人癥狀模糊化

如表5所示，分別對(duì)體溫、血紅蛋白數(shù)量、白細(xì)胞數(shù)量進(jìn)行模糊化處理，得到(程度，隸屬度)。而對(duì)咳嗽和咽部紅腫的描述不必處理就已經(jīng)是模糊型數(shù)據(jù)。通過(guò)對(duì)表中的數(shù)據(jù)進(jìn)行分析，與規(guī)則庫(kù)里的規(guī)則進(jìn)行比較，得出病人可能患支氣管炎的結(jié)論。

4 結(jié)束語(yǔ)

對(duì)基于Jess模糊推理的智能醫(yī)療診斷機(jī)制進(jìn)行了研究與分析。文中工作如下：構(gòu)建了隸屬度函數(shù)的模型，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)模糊化；詳細(xì)分析了基于Jess實(shí)現(xiàn)模糊推理；基于醫(yī)生的經(jīng)驗(yàn)構(gòu)建本體知識(shí)庫(kù)；通過(guò)Jess模糊推理機(jī)，對(duì)智能醫(yī)療診斷機(jī)制構(gòu)建進(jìn)行實(shí)現(xiàn)。

由于受到各種條件的限制，仍有一些不足與問(wèn)題：雖然把模糊推理應(yīng)用在醫(yī)療診斷中，編寫(xiě)了規(guī)則并構(gòu)建了本體知識(shí)庫(kù)，但是由于對(duì)醫(yī)學(xué)領(lǐng)域了解不透徹，導(dǎo)致知識(shí)庫(kù)與規(guī)則庫(kù)構(gòu)建不夠完善。同時(shí)，文中僅以血壓、心率、血糖三個(gè)生理參數(shù)為例，但疾病的發(fā)生與多種生理參數(shù)有關(guān)，因此構(gòu)建的知識(shí)庫(kù)與決策機(jī)制只處于初級(jí)階段。且僅根據(jù)生理參數(shù)異常就判斷疾病不夠準(zhǔn)確。生理體征值和疾病癥狀之間的映射關(guān)系很復(fù)雜，一種參數(shù)異?？赡軐?duì)應(yīng)多種疾病。因此需引入其他體征值檢測(cè)，根據(jù)醫(yī)療領(lǐng)域?qū)＜业闹R(shí)經(jīng)驗(yàn)進(jìn)行綜合分析才能得出比較符合實(shí)際的結(jié)果。

針對(duì)這些不足，進(jìn)一步的想法是擴(kuò)展診斷的種類(lèi)和范圍，通過(guò)完善知識(shí)庫(kù)和規(guī)則庫(kù)，使系統(tǒng)能夠處理復(fù)雜癥狀的判斷，實(shí)現(xiàn)診斷機(jī)制。未來(lái)想法是結(jié)合事例推理和神經(jīng)網(wǎng)絡(luò)推理技術(shù)，使得該診斷機(jī)制具有自學(xué)習(xí)功能，讓知識(shí)庫(kù)變得更加龐大，能自動(dòng)更新知識(shí)庫(kù)和規(guī)則庫(kù)。此外如何優(yōu)化規(guī)則庫(kù)中的規(guī)則數(shù)目，若兩條規(guī)則起沖突該如何處理也是未解決的問(wèn)題。規(guī)則數(shù)目多時(shí)進(jìn)行模糊推理的計(jì)算量很大，規(guī)則少則應(yīng)用不了，規(guī)則的最佳數(shù)目亦需進(jìn)一步確定?？偠灾?，該規(guī)則庫(kù)還處于低級(jí)階段，有些方面很不完善。隨著計(jì)算智能研究的深入，基于模糊推理的醫(yī)療診斷機(jī)制還會(huì)愈加成熟。規(guī)則庫(kù)和知識(shí)庫(kù)的不斷擴(kuò)充，使得模糊推理在醫(yī)療診斷中的應(yīng)用將會(huì)有更大的發(fā)展空間。人工智能在醫(yī)療領(lǐng)域的應(yīng)用將會(huì)為人類(lèi)的健康帶來(lái)福音。智能醫(yī)療決策系統(tǒng)的便利能夠惠及到千萬(wàn)人民的生活中。