论文摘要
对患者进行治疗是一个比较模糊的过程,它通常无法用一些准确的词语或数字来描述,这也是人们在看病时倾向于找有经验的医生的原因。然而由于治疗过程中病人的各项体征异常程度是一组由医生给出的评判值,客观上无法保证数值完全精确,因此要构建医学模糊决策模型,就需要将善于处理不确定性信息的理论和技术作为医学决策的设计基础。本文所研究的医学信息与情报主要是指患者的各项体征数据和体征间共同作用的情况。利用粗糙集和模糊集合理论在处理模糊信息方面都拥有各自的特色和优势,将理论和医学实际问题相结合研究,一方面应当考虑各症状的重要性,另外也要关注患者自身的具体情况。换言之,对病情的诊断就转化为如何发掘各体征的致病程度和其具体表现之间的关系问题。而描绘和分析这种关系,就是本文研究的医学模型的关键。非可加测度是对两种因素共同作用于某问题所产生的效果变化的一种数学描述。两种因素对问题的决定作用不是简单的等于两因素分别作用于该问题所产生的效应之和。两因素共同作用的效应之和大于二者单独作用的效应之和,我们称之为相乘作用,即积极作用;反之即为消极作用,相互抵消。在模糊决策模型中,非可加测度主要用于描述体征间共同作用对疾病的致病效果的变化。本模糊决策模型将粗糙集和模糊积分理论结合起来,利用粗糙集无需先验知识的特点,对数据进行预处理,去掉多余属性形成相应的规则。然后将得到的规则进行模糊化处理,用模糊集形式的规则与患者的症状集进行相应的模糊运算,以运算结果作为判别病症种类的依据。对于某些可以进一步划分类别的疾病,如某类肿瘤可能包含多个亚型病症情况,其区别往往表现为一些特定指标的差异。相比于粗糙集而言,模糊积分在处理连续型数据特别是对各分类指标进行综合评判上有着独特的优势。模型利用两种方法求解评判结果,一是使用Sugeno积分,即利用S积分从最小中取最大的特点,从各组指标中选取评判值最大的一组作为评价该类疾病的依据。另外使用w’积分,作为Wang积分的逆求解形式,w’积分把Wang积分中对因素间最优作用情况的求解转变为求解因素间最劣情况的组合,w’积分在模糊决策中可用于判别患者患某类疾病的最小可能性。模糊积分将各因素合理地融入到系统的关系结构之中,又无需保持评价指标间的相互独立,因而有利于得到科学的判别结果。