醫學全息權重診斷方法
2023-05-06 14:08:01 1
專利名稱:醫學全息權重診斷方法
技術領域:
本發明涉及一種醫學全息權重診斷方法,該方法不僅針對現有醫學領域診斷過程中採用的正相關信息進行處理,還能處理負相關信息,從而使得疾病診斷的結果更為理想準確。
背景技術:
現有技術中,醫學診斷多採用專家系統的方法解決。長久以來,存在間接、費時、效低等「瓶頸」問題;問題接近或超出系統領域知識的邊界,系統工作狀況急劇惡化的「窄臺階效應」;推理效率低,容易出現「匹配衝突」、「無窮遞歸」、「組合爆炸」等問題;系統中的規則數量太多,管理不便,缺乏靈活性等問題。這些問題導致了專家系統難以進入實際應用,診斷效果不理想。
在醫學療效評價、疾病診斷等諸多方面,可以採用普通的權重評價方法。這種方法只能描述事物間的正相關。但是,實踐發現,醫學診斷中還有很多負相關,或者說否定、相斥關係,普通權重集很難描述這種狀態,採用零值處理也不能反映實際狀況。如診斷過程,療效評價等。經典的非負權重規定對於此類情況無法作出準確的評價。以中醫症狀與證候的關係為例,如舌紅與熱證是正相關,而與寒證是負相關,畏寒肢冷與肝膽溼熱證是負相關而與脾腎陽虛證是正相關等。從現有相關文獻看,權重的非負要求為約定俗成,沒有數學理論依據。因此有必要尋找一種新的方法,通過全面考慮表徵對象的正相關因素及負相關因素,來有效提高診斷正確率。
發明內容
本發明的目的在於針對現有技術的不足,提出一種新的醫學全息權重診斷方法,不僅能夠表徵評價對象的正相關因素,也能表徵對象的負相關、或者說否定、相斥因素,以提高醫學診斷的準確性。
為實現這一目的,本發明針對表徵對象存在正相關因素和負相關因素特點,首先以病人症狀體徵發生率的統計數據作為基準權重,依據專家調查經驗值將疾病與症狀體徵的權重關係進行修正,再根據負權重值絕對值的總和與正權重值總和的比較,建立單一全息權重集或由正權重集及負權重集共同組成的全息權重集。對於共同組成的全息權重集,分別對症狀體徵證候的正作用和負作用進行模糊綜合評價,得到正作用評價集和負作用評價集以及兩者的最大隸屬度比較,得到確診、可能診斷或無法確診的結論。對於單一全息權重集,則將權重集和症狀集進行模糊綜合評價,得到評價集,選取評價集的最大隸屬度為診斷結果。
本發明的方法具體包括如下步驟1)根據採集的病人的症狀體徵,建立病人症狀的實例空間集合,即有限非空的因素集U,因素集U中元素取值為有症狀表現取1,無症狀表現取0;根據採集的病人的症狀體徵嚴重程度,建立實例空間的症狀體徵的程度集合,即有限非空的程度集合V;取U和V的元素積的集合XX=U·V,為具體的診斷對象的症狀表現集合。
2)以病人症狀體徵發生率的統計數據作為基準權重,並在此基準權重基礎上,根據專家調查經驗值將疾病與症狀體徵的權重關係進行修正,其中,正作用關係的權重取正值,負作用關係的權重取負值。
3)如果負權重值絕對值的總和大於正權重值總和的5%-10%,則分別建立正權重集和負權重集,其中,正權重集滿足歸一化條件,即正權重總和為1,負權重集滿足絕對值的歸一化條件,即負權重絕對值的總和為1,正權重集及負權重集共同組成全息權重集;如果負權重值絕對值的總和小於正權重值總和的5%-10%,則取正負權重共同滿足歸一化條件,即所有權重的和為1,得到全息權重集。
4)將診斷對象的症狀表現集合X與上述全息權重集進行模糊合成運算,得到疾病診斷的總評價集,或者得到疾病診斷的正作用評價集和負作用評價集;對於疾病診斷的總評價集,選取評價集的最大隸屬度為診斷結果;對於正作用評價集和負作用評價集,將正作用評價集的最大隸屬度與負作用評價集最大隸屬度的差值作為診斷結果,診斷結果分為若干級,包括確診、可能診斷、無法確診。
本發明通過對病人症狀體徵與證候的關係分析,提出了症狀體徵與證候的基準權重和全息權重描述方法,並利用根據全息權重集進行綜合模糊評價的運算結果,得到有關醫學評價的依據。本發明不僅針對現有醫學領域診斷過程中採用的正相關信息進行處理,還能處理負相關信息,從而使得疾病診斷的結果更為理想準確。
本發明方法可以大幅度提高診斷正確率,在肝炎後肝硬化的900例樣本中,正確率大於70%,遠高於專家系統診斷正確率。本發明方法還可以推廣到其他決策、預測領域。
具體實施例方式
以下通過具體的實施例對本發明的技術方案作進一步描述。
實施例1對上海肝炎後肝硬化病人進行臨床調查,有病人900例,分別得到900例病人的症狀體徵及其程度。症狀體徵共計73種,如神疲乏力,五心煩熱等。根據肝炎後肝硬化標準草案,在中醫診斷中肝炎後肝硬化可分型為為肝鬱脾虛、肝腎陰虛、溼熱內蘊、脾虛溼盛、瘀熱內蘊等5個證。據此進行病人的證型診斷。
1、根據採集的病人的症狀體徵,即病人在發病過程中出現的背離正常生理狀態和範圍的、可以直接用於證候診斷的信息,建立病人症狀的實例空間集合,即建立有限非空的因素集U。因素集U中元素取值為有症狀表現取1,無症狀表現取0。根據採集的病人的症狀體徵嚴重程度,建立實例空間的症狀體徵的程度集合,即有限非空的程度集合V。對這兩個集合進行積運算,得到U和V的元素積的集合XX=U·V,即為具體的診斷對象的症狀表現集合。
2、對病人症狀體徵在各證候下的發生率進行統計,如神疲乏力在肝鬱脾虛證的發生率為75.4%,在肝腎陰虛證的發生率為85.6%等。以此統計數據為基準權重,並在此基準權重基礎上,根據專家調查經驗值將疾病與症狀體徵的權重關係進行修正,其中,正作用關係的權重取正值,負作用關係的權重取負值,如畏寒肢冷對溼熱內蘊的權重為-0.4。
3、對專家調整後的正負權重進行統計,發現表徵負作用的負值權重比例佔總權重的0.84%,遠小於5%,表示負作用較少。故此,取正負權重共同滿足歸一化條件,即所有權重的和為1,即權重ai滿足i=1nai=1,]]>得到單一的全息權重集。
4、將步驟1得到的診斷對象的症狀表現集合X與上述單一全息權重集進行模糊合成運算,得到疾病診斷的總評價集,選取評價集的最大隸屬度為診斷結果。
其中總評價集B的計算方法為B=XoA=(x1,x2,...,xn)oa11a12a1ma21a22a2man1an2anm]]>=(b1,b2,...,bm)]]>診斷對象的症狀表現集合X和全息權重集A的合成運算o可以採用模糊關係的合成運算,如常用的最大最小合成運算M(∧,∨)或者加乘運算M(×,+),分別為 或者採用模糊合成算法(本例採用下面算法)
然後根據隸屬度大小排序,選取評價集的最大隸屬度b=max(bi)為診斷結果。
經過900例病人的診斷結果與專家診斷相對比,正確率為72.78%。以前10個病人為例,其隸屬度和診斷結果與專家診斷結果如下表900例病人中前10例樣本診斷結果
表中結果表明,本發明方法具有較強的可操作性,診斷結果正確率較高。
實施例2對上海肝炎後肝硬化病人進行臨床調查,有病人900例。分別得到900例病人的症狀體徵及其程度。症狀體徵共計73種,如神疲乏力,五心煩熱等。考慮某新型中藥對肝炎實證病人有確切療效,對這批病人進行是否為實證的中醫診斷,以挑選該中藥的適應患者。
1、根據採集的病人的症狀體徵,建立病人症狀的實例空間集合,並根據採集的病人的症狀體徵嚴重程度,建立實例空間的症狀體徵的程度集合,再對這兩個集合進行積運算,得到具體的診斷對象的症狀表現集合。
2、對病人症狀體徵在各證候下的發生率進行統計,如神疲乏力在實證的發生率為72%等。以此統計數據為基準權重,並在此基準權重基礎上,根據專家調查經驗值將疾病與症狀體徵的權重關係進行修正,其中,正作用關係的權重取正值,負作用關係的權重取負值,如畏寒肢冷對實證的權重為-0.4。
3、對專家調整後的正負權重進行統計,發現表徵負作用的負值權重比例遠大於總權重的10%,表示負作用較多,較複雜。故此,分別建立正權重集和負權重集,並對對正負權重集分別進行歸一化和絕對值的歸一化。即權重ai滿足i=1n|ai|=1.]]>正權重集和負權重集共同組成全息權重集。
4、將診斷對象的症狀表現集合X與上述全息權重集進行模糊合成運算,得到疾病診斷的正作用評價集和負作用評價集。正作用評價集和負作用評價集的算法同實施例1的總評價集算法相同,即正作用評價集B=XοA,負作用評價集B′=XοA′,A及A′分別為正權重集和負權重集。然後根據隸屬度大小排序,得到最大正評價隸屬度b=max(bi)和最大負評價隸屬度b′=max(bi′)。將正作用評價集的最大隸屬度與負作用評價集最大隸屬度的差值作為診斷結果。以某病人為例,求出該病人最大正隸屬度為0.73,最大負隸屬度為0.35,正隸屬度遠大於負隸屬度,故此,該病人為實證患者,適用該中藥,診斷結束。
權利要求
1.一種醫學全息權重診斷方法,其特徵在於按如下步驟進行1)根據採集的病人的症狀體徵,建立病人症狀的實例空間集合,即有限非空的因素集U,因素集U中元素取值為有症狀表現取1,無症狀表現取0;根據採集的病人的症狀體徵嚴重程度,建立實例空間的症狀體徵的程度集合,即有限非空的程度集合V;取U和V的元素積的集合XX=U·V,為具體的診斷對象的症狀表現集合;2)以病人症狀體徵發生率的統計數據作為基準權重,並在此基準權重基礎上,根據專家調查經驗值將疾病與症狀體徵的權重關係進行修正,其中,正作用關係的權重取正值,負作用關係的權重取負值;3)如果負權重值絕對值的總和大於正權重值總和的5%-10%,則分別建立正權重集和負權重集,其中,正權重集滿足歸一化條件,即正權重總和為1,負權重集滿足絕對值的歸一化條件,即負權重絕對值的總和為1,正權重集及負權重集共同組成全息權重集;如果負權重值絕對值的總和小於正權重值總和的5%-10%,則取正負權重共同滿足歸一化條件,即所有權重的和為1,得到全息權重集;4)將診斷對象的症狀表現集合X與上述全息權重集進行模糊合成運算,得到疾病診斷的總評價集,或者得到疾病診斷的正作用評價集和負作用評價集;對於疾病診斷的總評價集,選取評價集的最大隸屬度為診斷結果;對於正作用評價集和負作用評價集,將正作用評價集的最大隸屬度與負作用評價集最大隸屬度的差值作為診斷結果,診斷結果分為若干級,包括確診、可能診斷、無法確診。
全文摘要
本發明涉及一種醫學全息權重診斷方法,針對表徵對象存在正相關因素和負相關因素特點,首先以病人症狀體徵發生率的統計數據作為基準權重,依據專家調查經驗值將疾病與症狀體徵的權重關係進行修正,再根據負權重值絕對值的總和與正權重值總和的比較,建立單一全息權重集或由正負權重集共同組成的全息權重集。然後將診斷對象的症狀表現集合與全息權重集進行模糊合成運算,得到疾病診斷的總評價集或正負作用評價集,選取總評價集中的最大隸屬度為診斷結果,或將正負作用評價集最大隸屬度的差值作為診斷結果。本發明不僅針對現有醫學領域診斷過程中採用的正相關信息進行處理,還能處理負相關信息,從而使得疾病診斷的結果更為理想準確。
文檔編號A61B5/00GK1820701SQ200610023638
公開日2006年8月23日 申請日期2006年1月26日 優先權日2006年1月26日
發明者朱訓生, 章浩偉 申請人:上海交通大學