物流业务辅助支持系统的设计与实现

把基于案例推理技术用于中医诊疗专家系统的知识表示和推理.提出一个系统模型,介绍案例推理的基本结构,案例提取网以及案例提取算法,对系统中案例的学习和修正机制进行了说明,给出用基于案例的解释来生成诊断结果的解释性说明,以及辅助构建基于案例的中医诊疗辅助教学系统.对系统的特点进行总结,指出进一步研究发展方向.     

基于电子病历可视分析的临床诊断模型

针对当前医生在临床诊疗过程中缺乏系统有效的手段,以及隐藏在大量电子病历中的医学知识没有得到充分利用的现状,研究了利用可视分析和数据挖掘相结合的方法,辅助医生进行临床诊疗服务.本文以不明原因发热疾病为例,首先对电子病历进行数据预处理和结构化提取,然后结合具体需求进行可视组织与分析,再利用数据挖掘相关算法对患者大量症状和发热原因之间的关系进行学习,帮助医生发现病历中潜在的医疗知识,辅助医生进行诊断.在上述工作的基础上,构建了一个面向临床诊疗的可视分析与辅助诊断框架,并给出了系统实例加以验证,结果表明该系统可以有效的帮助医生分析不明原因发热电子病历内的知识,有利于进一步的疾病诊断,缩短了平均确诊时间.     

基于深度学习的智能中医辅助诊疗系统

研究开发了基于深度学习的智能中医辅助诊疗系统。通过人工智能技术将名老中医的诊疗思想、辨证逻辑和处方经验结合，设计“三级证型优先级”算法，创新了传统的中医问诊模式。例如采用深度学习CenterNet和EfficientNetV2神经网络模型，有效抽取出患者舌体图像与病例的舌色、苔色等特征信息进行智能舌诊，实现中医诊断的客观化、智能化，帮助普通医师提升诊疗能力。     

中医住院病案首页诊疗信息质控系统设计与实现

针对目前在中医住院病案首页诊疗信息填报过程中出现的漏填、错填等问题,依据中医住院病案首页填写规范文件,设计诊疗信息的校验规则及校验算法,基于SpringBoot和Vue开发中医住院病案首页诊疗信息质控系统,实现诊疗信息解析、校验、生成校验报告等功能.该系统能够辅助医务人员填报中医住院病案首页诊疗信息,提高中医住院病案首页诊疗信息填写的完整性、准确性和合理性.     

基于领域本体的中医语义推理诊断系统

本文基于本体理论建立中医系统知识库,并在此基础上开发智能诊断系统。为了在诊断推理中与用户输入的症状相匹配,文中采用统计学中的TFIDF结合语义思想的方法进行相似度计算排序解决,该系统为中医临床医生提供一个诊疗决策的优良工具。     

基于案例推理的中医诊疗专家系统

把基于案例推理技术用于中医诊疗专家系统的知识表示和推理。提出一个系统模型,介绍案例推理的基本结构,案例提取网以及案例提取算法,对系统中案例的学习和修正机制进行了说明,给出用基于案例的解释来生成诊断结果的解释性说明,以及辅助构建基于案例的中医诊疗辅助教学系统。对系统的特点进行总结,指出进一步研究发展方向。     

基于案例推理的中医诊疗专家系统

把基于案例推理技术用于中医诊疗专家系统的知识表示和推理。提出系统模型,介绍了案例推理的基本结构：案例提取网（easeretrievalnets）以及案例提取算法,对系统中案例的学习和修正机制进行了说明,并提出用基于案例的解释来生成诊断结果的解释性说明以及辅助构建基于案例的中医诊疗辅助教学系统。最后对系统的优点进行总结,并提出进一步研究发展方向。     

平行胃肠:基于ACP的智能胃肠疾病诊疗

胃肠道为人体重要消化器官,胃肠疾病常见且病因复杂.为了推动胃肠疾病诊疗的智能化、精准化发展,有效传承医生的经验丰富,文中提出基于ACP理论的平行胃肠诊疗系统框架.ACP理论为平行智能的核心,由人工社会(Artificial Societies)、计算实验(Computational Experiments)、平行执行(Parallel Execution)三部分构成.在平行胃肠诊疗系统中,构建人工胃肠道(A)模拟胃肠疾病实际诊疗情况,运用计算实验(C)在人工胃肠平台上进行各类胃肠疾病诊疗实验并评估最佳诊疗方案,最终借助平行执行(P)实时地对实际胃肠诊疗进行导引,持续更新人工胃肠系统并优化诊疗方案,实现虚拟诊疗和实际诊疗之间的虚实互动.整个系统框架的构建融合知识图谱、深度学习、虚拟现实/增强现实、知识自动化等多种前沿技术,致力于优化胃肠疾病诊疗,推进健康中国建设.     

平行高特:基于ACP的平行痛风诊疗系统框架*

为了解决复杂环境中痛风诊疗的精准决策难题,突破不同医生业务水平对于痛风诊疗的局限,提高痛风诊断的准确率和治疗的有效性,文中提出基于ACP理论的平行痛风诊疗系统框架,称为“平行高特(Gout)”.平行高特通过构建人工痛风诊疗系统以模拟和表示实际痛风诊疗系统,运用计算实验进行各种痛风诊疗模型的训练与评估,借助平行执行对实际痛风诊疗系统进行管理决策与实时优化,实现痛风诊疗过程的自动化与智能化.该平行的诊疗过程可以帮助医生减少误诊误治,提高效率,提升水平,同时也能帮助患者做好慢病管理,远离疾病.考虑到痛风病在当前社会的严重程度,平行高特在痛风诊疗中的应用具有重要的实际意义,是传统医疗模式走向智慧化、平行化的有效途径和自然选择,有利于推进健康中国建设,实现更高水平的全民健康.     

基于Rough Sets的中医指症挖掘研究与应用

针对中医病历数据库中指症样本维数较大、数据特征和属性冗余量较多等特征,在对Rough Sets基本理论和属性约简算法研究的基础上,提出了将属性频度和属性重要性相结合的GENRED_GROWTH中医指症挖掘算法,并进行了基于GENRED_GROWTH的中医指症挖掘原型系统设计与实现。通过分析和实验结果表明：该算法能较好地进行中医指症属性约简,分类精度较高,并且能抽取中医指症相关诊断规则以辅助医生的诊断和治疗。     

A Software Tool for Constructing Traditional Chinese Medical Expert Systems

It is an urgent task to hnplemeut a lot of expert systems to capture the valuable expertise ofexperienced doctors of traditional Chinese medicine.In order to meet the needs,a software tool isdeveloped.It features a unified diagnosis model,a specially designed knowledge representationlanguage and an efficient but effective inference engine.To implement an expert system,it isonly necessary to input the expert's knowledge expressed in knowledge representation languagewithout the design of any additional software.The time and effort required for implementing anexpert system are thus greatly saved.The software is very compact and can run onmicrocomputers e.g.IBM-PC/XT.Two traditional Chinese medical expert systems have beensuccessfully implemented with the tool.     

AdaBoost算法在中医舌诊图像分区识别中的研究

舌诊是中医传统诊断的一个重要方式.本文以模式识别、图像处理和中医舌诊理论为研究基础,结合中医诊断规则,提出舌象的分区训练识别方法,并采用一种新的基于集成学习的AdaBoost算法,构建出一套完整的、符合中医诊断体系规范的舌象分类识别算法.通过实验验证,该方法对中医舌诊分类识别是有效的.     

基于本体的中医舌诊知识的获取*

中医舌诊知识是中医学的一个重要组成部分,它可以为计算机自动诊断、中医智能教学、中医自然语言理解提供知识基础。介绍了中医舌诊本体,建立了九个中医舌诊本体类和一些相关的本体类,同时也获取了舌诊知识的一些公理。     

基于Biclustering的中医药症关系分析

针对中医临床中的药症关系知识发现问题,在计算药症相关相似度的基础上,采用Biclustering分析方法获得中医临床诊疗中的重要药物配伍信息,并发现与这些药物配伍相应的临床症状。研究结果表明,Biclustering方法是一种有效的中医药物配伍和药症关系分析方法。     

Case-based tutoring from a medical knowledge base

The past decade has seen the emergence of programs that make use of large knowledge bases to assist physicians in diagnosis within the general field of internal medicine. One such program, Internist-I, contains knowledge about over 600 diseases, covering a significant proportion of internal medicine. This paper describes the process of converting a subset of this knowledge base--in the area of cardiovascular diseases--into a probabilistic format, and the use of this resulting knowledge base to teach medical diagnostic knowledge. The system (called KBSimulator--for Knowledge-Based patient Simulator) generates simulated patient cases and uses these cases as a focal point from which to teach medical knowledge. This project demonstrates the feasibility of building an intelligent, flexible instructional system that uses a knowledge base constructed primarily for medical diagnosis.     

A self-learning expert system for diagnosis in traditional Chinese medicine

A novel self-learning expert system for diagnosis in Traditional Chinese medicine (TCM) was constructed by incorporating several data mining techniques, mainly including an improved hybrid Bayesian network learning algorithm, Naı̈ve–Bayes classifiers with a novel score-based strategy for feature selection and a method for mining constrained association rules. The data-driven nature distinguished the system from those existing TCM expert systems based on if-then rules to address knowledge elicitation problem. Moreover, the learned knowledge was provided in multiple forms including causal diagram, association rule and reasoning rules derived from classifiers. Finally, five representative cases were diagnosed to evaluate the performance of the system and the encouraging results were obtained. The results show that the prototype system performs well in diagnosis of TCM, and could be expected to be useful in the practice of TCM.     

中医脉诊信号的无监督聚类分析研究

随着中医客观化工作的推进,脉诊技术也越来越走向客观化和仪器化。然而,如何对仪器所检测和收集到的信息进行解读,却还是回到了原来脉诊诊断主观化的问题上。因为传统的机器学习方法,依赖于对大量的脉诊数据进行标注。但是在临床诊断和教学中,医生与医生之间对于脉象的体会不同,会导致他们对病人脉象的区分标注不同。在对比了多种特征提取方法和聚类方案之后,提出了一个较好的无监督脉诊客观化方法,在双树复小波变换(DTCWT)对数据进行预处理的基础上,以梅尔倒谱系数(MFCC)进行特征提取,在中医专家对数据进行标注之前,先根据信号的特征,使用Fuzzy c-means (FCM)聚类算法进行粗线条的分类,使得在此基础之上,可以开展进一步的细化分类研究。实验结果表明:该方法可取得较好的分类效果,为中医脉诊提供了进一步客观化的依据。     

多标记中医问诊数据的症状选择

中医诊断中,一个患者可能兼有多个证型标记,其计算机辅助诊断是高维数据多标记学习的一个典型应用.中医问诊过程中往往会产生大量症状,这影响诊断算法建模的效果.特征选择旨在寻求最小的相关症状特征子集,且能使模型泛化能力达到最大.目前有关多标记数据特征选择的研究还很少,本文提出使用一种组合的优化技术进行中医问诊多标记数据的症状选择,通过多标记k近邻等4个算法进行建模.本文所提算法与当前流行的多种多标记数据降维算法如MEFS(多标记嵌入式特征选择方法)、MDDM(多标记特征降维方法)进行了比较,在UCI酵母多标记数据集和一个冠心病问诊数据上的实验结果显示本文算法较之已有多种算法有明显提高,在average precision上对分类器的提高可达10.62%和14.54%.论文实现了冠心病问诊症候模型的建立,为冠心病的诊断和其他多标记数据分析提供了有效的参考.