物联网典型应用 第6章 智能医疗.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 6.3.1 智能诊断的结构模块 智能系统通过模拟人类的决定制定过程在电脑中构建一个包含知识的组件，知识工程师利用专门的技术提取知识（定义域），结合专业医师的意见，将知识移动到“知识系统”中，这样的系统被称为“专家系统”。 专家系统从不同的专家那里获取知识、方法策略、经历、启发（试错法）、理智的和直觉的信息。医学专家系统（medical expert system，MES）是人工智能技术应用在医疗诊断领域中的一个重要分支。在功能上，它是一个在某个领域内具有专家水平解题能力的程序系统。 医学诊断专家系统就是运用专家系统的设计原理与方法，模拟医学专家诊断疾病的思维过程，它可以帮助医生解决复杂的医学问题，可以作为医生诊断的辅助工具，可以继承和发扬医学专家的宝贵理论及丰富的临床经验。 系统的结构主要有五大部件（其核心部分是知识库和推理机）： 知识获取子系统 知识库 动态数据库 推理机 人机接口 6.3.1 智能诊断的结构模块 疾病智能诊断系统的结构框架图 系统的结构主要有五大部件：知识获取子系统、知识库、动态数据库、推理机和人机接口，其核心部分是知识库和推理机。下图给出了疾病智能诊断系统的简图。 6.3.1 智能诊断的结构模块 系统的结构主要有五大部件 1.知识库（knowledge base）： 包括两方面，一是对相关问题的搜集，二是对问题的解决方案。知识库必须包含足量的知识才能满足用户的查询，方便用户使用。 知识库必须包含如下文档： 具有技术性知识深度的技术文档； 给不同用户提供知识系统使用指导的用户文档。 知识库系统（KBS）是人工智能领域的重要基础。 知识管理系统（KMS）促使知识从一个源流向另一个源，所有收集到的知识都需要必要的管理过程。 2.知识获取子系统：负责知识的收集并将这些信息转换成内部表示形式。 （1）知识收集是知识工程师从人类专家、专家组、文献资料、手册中收集信息，构建完整的、准确的和结构完善的知识系统的过程。 （2）知识的内部表示就是如何把领域专家的知识用适当的结构表示出来，以便于在计算机中存储、检索和修改，最终将这些知识形成知识库。 6.3.1 智能诊断的结构模块 系统的结构主要有五大部件 3.知识管理（knowledge management）：是管理、分享储存在知识库中的信息的过程，知识管理支持后续的决定制定（decision making）。 目前发展的知识挖掘推理技术能够更加快速和准确地集成知识管理和决定制定系统。 4.决定制定：解决医疗问题的决定制定过程通过一组工具来实现，这些工具辅助整理决定制定过程中的各种情形，提高结论产出率。 基于医疗信息系统的决策制定可以将一些问题模式化，有很多因果提取法来支持医疗决策的执行： （1）事实因果法：在事实因果中，以往案例的记录至关重要，他按照时间的关联进行追溯，进而解决与以往事件具有相似性的新问题。 （2）规律因果法：在规律因果中，问题经过分配，通过经验法则来解决，解决的方式是前导性的。 （3）概率因果法：在概率因果法中，不确定事件的概率通过条件概率的贝斯定理指导系统来自动的得出结论。 （4）经验因果法：在经验因果法中，特殊的具有操作性的经验被载入知识检索库中，来解决相应的问题；载入的内容还包括自我决定、客观判断、感知、智理和常识。 6.3.1 智能诊断的结构模块 系统的结构主要有五大部件 5.经验：没有经过实践的知识意义并不大，知识和经验需要经过有机结合，只有这样才能体现更加出色的智能化诊断功能。只有基于问题得出的知识、并能够据此解决该问题时，知识才能成为“经验”。经验和医学检查测试相互混合，成为专家知识管理系统（expert KMS）。 6.经验管理（experience management）：是存储、处理经验和回应管理过程的工具。 7.推理：依据一定的原则从已有的事实出发推出结论的过程。 推理机检测这些知识的展示流程，包括：规则、语义网络、框架和本体。有时，一些问题需要复合式方式才能将知识予以展示。 （1）规则：之前提到的规律因果法在规律的指导下描述专家如何给某项结论做出可靠的解释，但是它无法描述为什么应用这些规律。这是因为在知识库系统中对应某项特定的主题存在不完善的知识。 （2）语义网络：语义网络是图形表示法中被标记的节点，通过前后链接、用形象的方式来展示知识。知识工程师会很容易理解这些网络结构，因为他们可以结合专家知识分层次地将对象予以展示。 （3）框架：框架本身也是分层次的，他们用表格的形