第2章专家系统及其在医学的应用.ppt

第二章 专家系统及其在医学的应用 临床诊断环节:是运用已有的医学知识对疾病的表现进行辩证分析，得出符合逻辑的结论的过程。其基本环节如下： 收集资料一综合分析、推理，作出诊断。 传统的疾病诊断:其综合分析、推理除了各种疾病出现的概率只能从过去的历史资料中得来以外，还主要依据医生的个人经验。 计量诊断:与传统的疾病诊断基本环节一致，但其分析、推理不是凭经验，而是用一种定量的推理模式代替，再根据—定的法则作出合理的临床判断。称之为计算机辅助诊断。 计算机辅助诊断:利用机器模仿医生的智能。利用机器模仿人类的智能即人工智能。 工智能技术在医学上的典型应用:是专家系统。专家系统的实质就是让计算机系统代替专家为患者诊断，换句话说就是利用机器模仿人类专家的智能。 常用医学专家系统模型： 基于统计学原理（Bayes) 基于模糊数学原理 基于人工神经网络 专家诊断系统程序一般为四个模块。 (1)输入模块。输入模块包括编码、查错、人机对话； (2)辩证模块。辩证模块包括分类、建立判别树、确定相关强度、综合评判；组方模块包括分类、交错症侯评判、组方； (3)随症加减模块。随症加减模块包括分类、建立子模块、子模块管理； (4)汉字输出模拟。汉字输出模拟包括建立汉字代码、汉字数据文件及汉字输出程序的数字模型采用“加权求和”和“浮动阈值”法。 计算机专家诊断系统的一般诊断过程是 (1)要求输入足够多的病例统计资料； (2)选用一定数学模型，确定参数和诊断(运算)规则； (3)编制程序； (4)将诊断程序输入计算机； (5)将患者症状、体征、检查等资料用输入计算机； (6)经运算后，屏幕显示出诊断报告并打印出诊断结果。 2.1 基于统计模型的计算机辅助诊断 1.贝叶斯模型 1）事件及其相互关系 必然事件：在一定条件下必须出观的现象 不可能事件：在一定条件下必然不出现的现象。 随机事件：在一定条件下，可能出现也可能不出现以现象叫。 “两事件A,B中至少有一个出现”也是一事件，称此事件为A,B的和，记作AUB; 事件“A1,A2,A3,….An中至少有一出现称为Al，A2…An的和，记为Al UA2…Un。 若“n个事件A1,A2,A3,….An都出现也是—事件，则称为A1，A2…，An的交，记作 A1∩A2∩…∩A n。 2）概率与频率 可用—个小于或等于1的正数P(A)来表示事件A出现的可能性，较大的可能性用较大的数字来标志，较小的就用较小的数字。这样P(A)就称为事件A的概率。 当概率值不易求出时我们往往取频率作为概率的近似值，频率的概念比较简单可以很方便地求出。 3）贝叶斯定理 有时除了要知道事件的概率P(A)外，还需要知道在“事件B已出现”的条件下，事件A出现的条件概率P（A|B）。例如，我们需要知道在某疾病B发生条件下，症状A出现的概率时就要计算条件概率P（A|B）。 式（3-1）称为贝叶斯定理。 这里H1,H2,…Hi分别表示j种互斥的疾病; A为用于这些疾病鉴别诊断的某一临床表现或检验结果的组合（症候）; 式中P(Hj)为各疾病发生的先验概率,表示医生在具体诊断某患者前所掌握的疾病Hi的发病情况。 P(A|Hj)为在已知疾病Hi条件下，各症状A出现的“条件概率”，即某临床症候A的可能性，它可以通过收集足够数量的病例容易地得到。 P(Hj|A）称为后验概率，表示在患者症状A出现时,患疾病Hi的可能性。 对于两个或更多个症状存在的情况，仍可用贝叶斯(Bayes)公式计算。在各个症状彼此独立前提下，则各个症状同时出现的概率是各自单独出现时其概率的乘积。因此假设各症状互相独立，贝叶斯(Bayes)公式可写为： 在运用贝叶斯模型时须要注意的问题： (1)模型中j种疾病互斥，先验概率之和要为l(即要构成一个完整的疾病群)。 (2)先验概率的确定。参考文献报道和历史资料统计频率作为近似估计。 (3)条件概率的确定。 (4)用于鉴别诊断的症候指标是互相独立无关的。 (5)当计算出各后验概率P(Hj|A)后，作为临床判断的依据只有当P(Hj|A)(j＝l，2，…,n)间差距达五倍以上时方可下结论，或是当某一后验概率值达0．85才下结论。 4）应用举例一、 如对某地区1207位阑尾炎思考的资料统计为表3—1。按慢性阑尾炎、急性阑尾炎、阑尾炎穿孔三类统计症候频率(腹痛开始部位、恶心呕吐、大便、体温、体征及体检结果)。 若已知慢性阑尾炎H1、急性阑尾炎H2、阑尾炎穿孔H3发生的先验概率分别为： P(H1)＝0.391 P(H2)＝0.493 P(H3)＝0.116 现有一阑尾炎患者、开始上腹痛，之后呕吐，腹泻，人院体温37℃．全身腹肌紧张，压痛，WBC(白细胞)数达19350。 显然其症侯为B＝B13·B23