基于领域本体的亚健康中医辅助诊断系统的研究及应用

论文摘要

医学专家系统是人工智能技术应用的一个重要方向,医学诊断领域是医学专家系统的一个核心领域,因为医学的关键在于诊断技术。医学诊断辅助专家系统是医学专家系统在医学诊断领域的推广,它运用专家系统的设计原理,拥有大量专家的宝贵理论以及丰富的临床经验,模拟医学专家诊断疾病的思维过程,协助医生解决复杂的医学问题,可视为医生诊断的辅助工具,甚至能够直接为普通疾病患者提供辅助诊断而不一定需要医生的参与。医学诊断辅助专家系统的信息处理是基于知识智能推理的系统,在功能上它是在医学领域内具有专家水平解决问题能力的系统程序。它涉及到知识获取、知识表示、知识的存储、推理控制机制以及智能人机接口的研究,是集人工智能和领域知识于一体的系统,是一个前景十分广阔的应用领域。本文采用电子病案的形式半自动地获取知识。中医专家对患者进行诊治,与此同时助手或者专家填写电子病案,知识获取程序会自动按照定义好的框架表示形式,将电子病案获得的知识存入文本,然后知识工程师对这些病案知识进行再处理,分别形成知识框架和病案框架,最后将两种知识框架分别存入知识库和病案库。同时具体阐述了基于电子病案和模糊方法的患者自述与标准症状匹配问题。本文通过对本体及其构建的研究,针对中医亚健康领域知识,抽象了一种建立领域本体的形式化方法,并对中医诊断领域知识进行了本体形式化描述与设计。在领域本体的驱动下进行基于中医病案的知识获取,采用基于模糊推理的方法对亚健康症状中医辅助诊断知识进行推理。并在第四章4.5节系统地介绍了基于公理的中医脉诊知识分析与推理。最后本文把以上方法应用到了中医亚健康辅助诊断领域,具体介绍了中医亚健康辅助诊断知识(规则)库、症状库、证候库的分析与设计,并实现了中医亚健康辅助诊断专家系统的证候推理过程。作为人工智能一个重要分支的专家系统(Expert System,ES)是在20世纪60年代初期产生并发展起来的一门新兴的应用科学,而且正随着计算机技术的不断发展而日臻完善和成熟。专家系统是一种智能的计算机程序。这种程序使用知识与推理过程,求解那些需要杰出人物的专门知识才能求解的复杂问题,它能像专家一样解决困难的和复杂的实际问题的计算机(软件)系统。知识表示是为描述世界所作的一组约定,是知识的符号化、形式化或模型化,各种不同的知识表示方法,是各种不同的形式化的知识模型。知识表示的研究既要考虑知识的表示与存储,又要考虑知识的使用。用自然语言与计算机进行通信,这是人类长期以来所追求的。自然语言的识别和处理是人工智能研究的最重要的课题之一,也是人工智能研究的关键。如何去获取各种不同的知识,并以一种计算机可以使用和处理的方法表达知识是知识获取的根本问题。拥用知识是专家系统有别于其它计算机软件系统的重要标志,而知识的质量与数量又是决定专家系统性能的关键因素,但如何使专家系统获得高质量的知识,正是知识获取要解决的问题。知识获取的基本任务是为专家系统获取知识,建立起健全、完善、有效的知识库,以满足求解领域问题的需要。案例学习(CBI)是人工智能中的一种学习方法,该方法由一系列大同小异的学习策略组成,依靠过去的经验进行学习和求解问题.新的案例可以通过修改案例库中与当前情况相似的旧案例来获得。基于案例的推理技术尝试将叙述能力、知识整理进行融合,对有关问题的事件或案例的知识进行萃取。本体是概念化的明确的规范说明。本体可以表示不同的事物：术语表和数据词典,叙词表和分类法,框架和数据模型,形式本体和参考等。一个本体其实就是一个用某种本体语言表达的控制词表,该语言以语法规则限定了词表术语表达具体领域内容的方法,该语法形式上规定了本体控制词表的术语如何共同使用。以详细程度和领域依赖度两个维度作为对本体划分的基础,详细程度高的称作参考本体,详细程度低的称为共享本体。依照领域依赖程度,可以细分为顶级、领域、任务和应用本体等4类。另外,根据主题可分为知识表示本体、通用本体、领域本体、术语本体和任务本体；根据形式化程度分为完全非形式化、结构非形式化.半形式化、形式化的本体。在科学研究和日常生活中,人们一直在追求用一确定的数学模型或康托集合概念来解决问题或表征现象。但专家系统的问题求解一般不象数学、物理等学科那样具有严密性和精确性,它处理的信息往往是不确定的、不精确性的、不完全知道的,甚至是模糊的、不完备的。造成这种现象的原因主要有两点：一是推理依据的规则(或知识)不精确、不完善,而且对不同流派来说还是不一致的；二是证据本身的不确定、不完全甚至有干扰。因此,专家系统设计中不精确的推理使用,几乎是难于避免的,有时成为一个涉及到专家系统设计成败的重要问题。其中有代表性的是如下四种方法：确定性理论、主观Bayes方法、证据理论、模糊集理论。不管是哪一种不精确推理模型,尽管它们处理问题的基本思想和方法有很大差异,但本质是相同的,即都有相同的结构形式,即如下三部分：1)知识不确定性的描述；2)证据不确定性的描述；3)不确定性的更新算法。不精确推理的核心思想是在基于规则的专家系统中,为每个公理本身赋予一个不确定性度量,再给出一组算法,在此基础上,就可以通过这组算法,由公理的不确定性求出定理的不确定性。模糊集理论是一种处理模糊现象的一个极好方法。它多应用于预测型的专家系统中,如经济预测、气象预报、战略布署等。它引起不确定性原因是由模糊性所引起的。它采用隶属函数这种效值计算方法来表达不确定性。其核心思想是要确定诸如：可能性、可能性分布、可能性分布函数、条件可能性分布函数,.边缘可能性分布函数等几个度量和它们之问的关系,以及各种模糊命题的转换规则和不精确命题的推理规则等等。

论文目录

• 基于领域本体的亚健康中医辅助诊断系统的研究及应用
• 摘要
• Abstract
• 第一章 引论
• 1.1 问题的提出
• 1.2 专家系统方法及研究现状
• 1.3 专家系统方法与技术综述
• 1.3.1 基于规则的专家系统
• 1.3.2 基于案例的专家系统
• 1.3.3 基于框架的专家系统
• 1.3.4 基于模糊逻辑的专家系统
• 1.4 医学领域本体的研究现状
• 1.5 本文研究的内容
• 第二章 中医亚健康辅助诊断领域本体的设计与框架表示
• 2.1 中医亚健康辅助诊断系统原理与涉及的知识领域
• 2.2 本体基本组织结构
• 2.2.1 本体论相关理论
• 2.2.1.1 本体的描述语言
• 2.2.1.2 本体描述方法或建模元语
• 2.2.1.3 本体分类
• 2.2.1.4 构建本体方法论
• 2.2.1.5 本体的评估
• 2.2.1.6 本体的用途
• 2.3 医学诊断领域本体的基本结构
• 2.4 中医学诊断领域本体的基本结构
• 第三章 中医亚健康辅助诊断领域知识的获取方法
• 3.1 知识获取的任务
• 3.1.1 抽取知识
• 3.1.2 知识的转换
• 3.1.3 知识的输入
• 3.1.4 知识的检测
• 3.2 知识获取的方式
• 3.2.1 半自动知识获取
• 3.2.2 自动知识获取
• 3.3 知识获取的方法
• 3.3.1 显性知识及其获取方法
• 3.3.2 隐性知识及其获取方法
• 3.3.3 基于领域本体的知识获取
• 3.4 基于临床病案的知识获取方法
• 3.5 电子病案的基本概念
• 3.6 病案知识表示形式
• 3.7 病案知识再加工
• 3.8 中医诊断学公理获取和基于公理的知识推理
• 3.9 小结
• 第四章 症状匹配模糊逻辑推理方法
• 4.1 模糊逻辑
• 4.2 模糊知识表示模型
• 4.3 基于电子病案与模糊方法解决患者自述与标准症状的匹配问题
• 4.3.1 医学知识和模糊理论的关系
• 4.3.2 标志的分类
• 4.3.3 症状的合并
• 4.3.4 模糊规则的知识获取
• 4.4 电子病案系统中模糊逻辑推理方法应用研究
• 4.4.1 规则的概率推理方法
• 4.4.2 推理算法设计
• 4.5 利用脉象进行中医亚健康辅助机器诊断
• 4.5.1 中医脉诊本体类的划分
• 4.5.2 中医脉诊本体的表示方法
• 4.5.3 中医脉诊知识的表示方法
• 4.5.4 中医脉诊本体中的公理
• 4.5.5 基于公理的中医脉诊知识分析
• 4.5.6 基于公理的中医脉诊知识推理
• 4.5.6.1 基于类间公理的医学知识推理
• 4.5.6.2 基于类内公理的中医脉诊知识推理
• 第五章 中医亚健康辅助诊断专家系统的实现
• 5.1 中医亚健康辅助诊断专家系统的主要数据库结构与设计
• 5.2 中医亚健康辅助诊断专家系统的实现
• 5.3 证候推理过程描述
• 5.4 系统实现部分主界面
• 第六章 总结与讨论
• 6.1 结论
• 6.2 讨论
• 参考文献
• 附录
• 攻读学位期间发表的论文
• 致谢
• 知识处理中知识表示、获取及推理的一些问题研 综述
• 摘要
• Abstract
• 第一章 专家系统
• 1.1 专家系统概述
• 1.1.1 专家系统的产生与发展
• 1.1.1.1 初创期
• 1.1.1.2 成熟期
• 1.1.1.3 发展期
• 1.1.2 专家系统的研究现状
• 1.1.2.1 基于规则的专家系统
• 1.1.2.2 基于案例的专家系统
• 1.1.2.3 基于框架的专家系统
• 1.1.2.4 基于模糊逻辑的专家系统
• 1.1.2.5 基于D-S证据理论的专家系统
• 1.1.2.6 基于人工神经网络的专家系统
• 1.1.2.7 基于遗传算法的专家系统
• 1.1.3 专家系统的研究热点
• 1.1.3.1 知识的表示和获取
• 1.1.3.2 多Agent技术的运用
• 1.1.4 专家系统
• 1.1.4.1 通用性专家系统
• 1.1.4.2 分布式专家系统
• 1.1.4.3 协同式专家系统
• 1.2 医学专家系统
• 1.2.1 医学诊断专家系统理论研究
• 1.2.2 专项医学诊断专家系统
• 1.2.3 神经网络医学诊断专家系统
• 1.3 亚健康医学专家系统
• 第二章 知识表示
• 2.1 知识表示（一）
• 2.1.1 知识表示的定义
• 2.1.2 知识表示的选择
• 2.2 知识表示（二）
• 2.2.1 几种常用的知识表示方法
• 2.3 总结
• 第三章 知识获取的方法和技术
• 3.1 关于自然语言理解
• 3.1.1 自然语言理解产生的背景
• 3.1.2 国内外语言信息处理现状及研究方法
• 3.1.2.1 国外关于自然语言理解方面的研究
• 3.1.2.2 国内关于自然语言理解方面的研究
• 3.1.3 中文自然语言处理的难点及研究方向
• 3.2 知识获取的简介
• 3.3 知识获取的方式
• 3.3.1 半自动知识获取
• 3.3.2 自动知识获取
• 第四章 案例学习
• 4.1 基于案例推理机制
• 4.1.1 案例的分类和表示
• 4.1.1.1 事例特征属性表示方法
• 4.1.1.2 框架表示法
• 4.1.1.3 语义网络表示法
• 4.1.2 推理机设计
• 4.1.2.1 关联检索策略
• 4.1.2.2 归纳检索策略
• 4.1.2.3 基于知识检索策略
• 4.2 基于案例推理知识库系统
• 4.3 实现过程
• 第五章 自学习
• 5.1 学习系统主要有四个部件构成
• 5.2 自学习的方法
• 第六章 本体
• 6.1 本体论概念演变
• 6.2 本体
• 6.3 本体论相关理论
• 6.3.1 本体的描述语言
• 6.3.2 本体描述方法或建模元语
• 6.3.3 本体分类
• 6.3.4 构建本体方法论
• 6.3.5 本体的评估
• 6.3.6 本体的用途
• 6.4 OwL描述语言概述
• 6.5 本体论的研究和应用
• 6.5.1 本体论理论研究和语义
• 6.5.1.1 本体概念研究
• 6.5.1.2 本体构建研究
• 6.5.1.3 本体映射研究
• 6.5.1.4 本体进化研究
• 6.5.2 本体在信息系统中的应用
• 6.5.3 本体和语义网
• 第七章 不确定性知识推理技术
• 7.1 几种不精确推理模型
• 7.1.1 确定性理论
• 7.1.2 主观Bayes方法
• 7.1.3 证据理论
• 7.1.4 模糊集理论
• 7.2 简评几种不精确推理模型的性能
• 7.3 四种方法的优、缺点
• 7.4 结束语
• 参考文献
• Research and Application of TCM Sub-health Associate Diagnosis Sytem Based on Domain Ontology
• Abstract
• Chapter 1 Introduction
• 1.1 The problem proposed
• 1.2 Expert System Method and Research Status
• 1.3 Expert System Method and technology Survey
• 1.3.1 Rule-based expert system
• 1.3.2 Case-based expert system
• 1.3.3 The Expert System based on framework
• 1.3.4 The expert system based on fuzzy logic reasoning
• 1.4 The status of the medical domain ontology
• 1.5 The content of this article
• Chapter 2 The design of Traditional chinese medicine sub-healthassociate diagnosis domain ontology and framework show
• 2.1 System principle of Traditional chinese medicine sub-healthassociate diagnosis and field knowledge
• 2.2 Ontology basic organizational structure
• 2.2.1 Ontological theory
• 2.2.1.1 Ontology description language
• 2.2.1.2 Ontology description method and modeling yuan
• 2.2.1.3 Ontology Category
• 2.2.1.4 Construction ontology methodology
• 2.2.1.5 The assessment of ontology
• 2.2.1.6 The use of ontology
• 2.3 The basic structure of medical diagnosis domain ontology
• 2.4 The basic structure of TCM medical diagnosis domainontology
• Chapter 3 Acquisition method of Traditional chinese medicinesub-health associate diagnosis domain knowledge
• 3.1 The task of knowledge acquisition
• 3.1.1 Collected knowledge
• 3.1.2 Knowledge conversion
• 3.1.3 Input the knowledge
• 3.1.4 Detection knowledge
• 3.2 The way of knowledge acquisition
• 3.2.1 Non-automatic knowledge acquisition
• 3.2.2 Automatic knowledge acquisition
• 3.3 Method of knowledge acquisition
• 3.3.1 Dominant knowledge and acquisition method
• 3.3.2 Tacit knowledge and acquisition methods
• 3.3.3 Knowledge acquisition based on the domain ontology
• 3.4 Knowledge acquisition methods based on the clinical cases
• 3.5 The basic concept of electronic medical record
• 3.6 The form of knowledge cases
• 3.7 Knowledge of cases to deal with
• 3.8 TCM Diagnostics axiom acquisition and knowledge-basedreasoning
• 3.9 Summary
• Chapter 4 Symptoms matching fuzzy logic reasonng method
• 4.1 Fuzzy logic
• 4.2 Fuzzy knowledge show model
• 4.3 Electronic medical record and fuzzy logic solutions theproblem of the readme match with the standard symptoms
• 4.3.1 The relationship between medical knowledge and fuzzy theory
• 4.3.2 The classification of marks
• 4.3.3 Symptoms merger
• 4.3.4 Knowledge acquisition of fuzzy rules
• 4.4 Fuzzy logic method applied research in the electronic medicalrecord system
• 4.4.1 Probability reasoning method of rules
• 4.4.2 Algorithm Design
• 4.5 Using TCM diagnosis Pulse for sub-health associassion machinery
• 4.5.1 The category of TCM Pulse Diagnosis ontology
• 4.5.2 Pulse Diagnosis ontology expression method
• 4.5.3 Pulse Diagnosis knowledge expression method
• 4.5.4 Axiom of pulse diagnosis
• 4.5.5 TCM pulse diagnosis knowledge based on the axiom
• 4.5.6 TCM pulse diagnosis knowledge based on knowledge reasoning
• 4.5.6.1 Medical knowledge reasoning based on the type between the axiom
• 4.5.6.2 TCM Pulse Diagnosis knowledge reasoning based on the inner axiom
• Chapter 5 Achieving of TCM sub-health associate expert system
• 5.1 The main database structure and design
• 5.2 The main interface of system achieving
• Chapter 6 Summary and discussion
• 6.1 Conclusion
• 6.2 Discussion
• References
• Research on Some Problems of Knowledge Representation,Acquisition and Reasoning in Knowledge Processing
• Abstract
• Chapter 1 Expert System
• 1.1 Expert system outlined
• 1.1.1 Expert system for selecting and development
• 1.1.1.1 Embryonic stage
• 1.1.1.2 Maturity stage
• 1.1.1.3 Development stage
• 1.1.2 The status of expert system researching
• 1.1.2.1 Rule-based expert system
• 1.1.2.2 Case-based expert system
• 1.1.2.3 Based on the framework of expert system
• 1.1.2.4 Based on fuzzy logic expert system
• 1.1.2.5 Evidence Based on the D-S theory of expert system
• 1.1.2.6 Based on artificial neural network expert system
• 1.1.2.7 Based on genetic algorithm expert system
• 1.1.3 Hot spots of expert system researching
• 1.1.3.1 Knowledge expression and acquisition
• 1.1.3.2 Using more Agent technology
• 1.1.4 Expert System
• 1.1.4.1 Universal expert system
• 1.1.4.2 Distributed Expert System
• 1.1.4.3 Cooperative Expert System
• 1.2 Medical expert system
• 1.2.1 Medical Diagnosis Expert System theoretical research
• 1.2.2 Special medical diagnostic expert system
• 1.2.3 Neural network medical diagnostic expert system In recent years, artificial neural network technology to flourish
• 1.3 Sub-health medical expert system
• Chapter 2 Knowledge expression
• 2.1 Knowledge expression（a）
• 2.1.1 The definition of knowledge expresion
• 2.1.2 The choice of knowledge expresion
• 2.2 Knowledge expression（b）
• 2.2.1 Several methods of common knowledge expresion
• 2.3 Summary
• Chapter 3 Knowledge acquisition methods and techniques
• 3.1 About natural language understanding
• 3.1.1 The background of natural language understanding
• 3.1.2 The status of domestic and foreign language information processing and research methods
• 3.1.2.1 The research of abroad on natural language understanding
• 3.1.2.2 The research of domestic natural language understanding
• 3.1.3 Chinese natural language processing and the difficulty
• 3.2 Knowledge acquisition introduction
• 3.3 The way of knowledge acquisition
• 3.3.1 Non-automatic knowledge acquisition
• 3.3.2 Automatic knowledge acquisition
• Chapter 4 Case study
• 4.1 Case-based reasoning mechanism
• 4.1.1 Classification and expression of case
• 4.1.1.1 Examples features attributes express way
• 4.1.1.2 The framework express way
• 4.1.1.3 Semantic network express way
• 4.1.2 Inference engine design
• 4.1.2.1 Associated retrieval strategy
• 4.1.2.2 Summarized retrieval strategy
• 4.1.2.3 Retrieval strategy based on knowledge
• 4.2 Case-based reasoning Knowledge Base System
• 4.3 Realization process
• Chapter 5 Self-learning
• 5.1 Learning System has four main components comprise:
• 5.2 Self-learning method
• Chapter 6 Ontology
• 6.1 The evolution of Ontology concept
• 6.2 Ontology
• 6.3 The theory of Ontology
• 6.3.1 Description of ontology language
• 6.3.2 Description of ontology language modeling yuan
• 6.3.3 Ontology Category
• 6.3.4 Construction ontology methodology
• 6.3.5 The assessment of ontology
• 6.3.6 The use of ontology
• 6.4 Ontology description language OwL Summary
• 6.5. The research and application of Ontology
• 6.5.1 Ontology theoretical research and semantic
• 6.5.1.1 The concept of ontology
• 6.5.1.2 Construction of ontology
• 6.5.1.3 Ontology mapping study
• 6.5.1.4 Ontology evolution
• 6.5.2 The application of ontology in information systems
• 6.5.3 Ontology and Semantic Web
• Chapter 7 The uncertainty of knowledge reasoning
• 7.1 Some imprecise reasoning model
• 7.1.1 Uncertainty theory
• 7.1.2 Subjective Bayes methods
• 7.1.3 Evidence theory
• 7.1.4 Fuzzy set theory
• 7.2 On several imprecise reasoning model performance
• 7.3 The advantages and disadvantages of four methods
• 7.4 Conclusion
• Reference