医学决策支持系统 - PowerPoint 演示文稿知识分享.pptVIP

二、在线分析处理技术 （一）关系联机分析处理 （二）多维联机在线分析处理 （三）混合联机在线分析处理 P174 图8-3 三、数据挖掘技术 所谓数据挖掘，就是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息的过程。数据挖掘是KDD最核心的部分。数据挖掘与传统分析工具不同的是数据挖掘使用的是基于发现的方法，运用模式匹配和其它算法决定数据之间的重要联系。 （一）数据挖掘支持技术 数据库技术和人工智能技术 （二）数据挖掘方法与过程 方法： 决策树 关联规则 人工神经网络 粗糙集理论 遗传算法 过程： 对数据库数据整理，抽取出用来完成特定挖掘目标的数据集。 选择合适的挖掘方法和工具，在领域专家指导下进行知识获取研究 对事物的发展进行预测 数据采集与处理：从数据仓库中选取相关的数据集合。 知识库：指导数据挖掘和评价挖掘结果。 数据挖掘：对数据仓库中提取的数据进行分析处理。 知识评价：是以兴趣度作为衡量标准来查找和选择对最终决策活动友有益的的知识。 HIS 中的数据处理模型 Byes理论的局限： 难估计先验概率与条件概率 条件之间线性无关 早期医学决策使用 （二）决策树与决策分析 启发式推理形成树型决策树（p170） 决策树（decision tree）是一种能够有效地表达复杂决策问题的数学模型 主诉腹部疼痛 左上腹疼痛 右上腹疼痛 胆囊炎 右下腹疼痛 左下腹疼痛 阑尾炎 宫外孕 卵巢囊肿扭转 阑尾炎 阑尾炎 决策树由一些决策点、机会点和决策枝、机会枝组成。一般用圆圈“○”表示机会点，发生的结果不在医师的控制之下；小方框“□”表示决策点，在决策点，医师必须在几种方案中选取一种；决策点相应的分枝称为决策枝；机会点相应的分枝称为机会枝。（P171图8-1） 举例：决策树的应用： 最可能患胰腺癌者包括40岁以上，中腹部疼痛持续1～3周的人。假设这类人中胰腺癌的发生率为12％。如有一种不冒什么风险的早期诊断方法对胰腺癌的检出率为80％（敏感度），但对有类似症状的非胰腺癌患者的假阳性率为5％，用此法诊断确诊的胰腺癌患者手术死亡率为10％，治愈率为45％。 根据上述疾病概率，诊断概率和死亡、治愈概率，如对1000人进行诊断、治疗，其所获得的益处，是否比不进行诊断检查和手术更大？可以用一个决策树（下图）进行分析比较。 由JC Sisson等人的一个关于胰腺癌的决策树模型 从以上决策树可见，不作该项检查的死亡者为12例，均为胰腺癌病人。用该项检查手术后死亡12.5人，其中有5例为非胰腺癌病人。而且新的检查使44例非胰腺癌患者的胰腺功能因手术而可能受到损害。因此这项检查对病人是弊大于利，不宜使用。 （三）人工智能和专家系统技术 人工智能是用机器来模拟推理,学习与联想的功能。 专家系统是指运用一个或多个专家提供的特殊领域知识进行推理和判断, 以求解那些需要专家才能解决的复杂问题的一种智能计算机程序。 。 以专业知识来解决困难问题的计算机程序 以逻辑演绎或专家的经验法则来模拟人类的推理 其过程是透过对问题特征的了解，进而向系统中的专家知识库咨询，并藉由经验法则的应用，产生所需的答案 专家系统是一种具逻辑性推理能力，以其储存某特定领域或专家知识来解决现实问题的计算机系统 专家系统的优点 （1）具有高度的针对性： （2）具有启发性： （3）透明性： （4）灵活性： 专家系统的组成 （1）知识库 细菌感染病治疗专家系统MYCIN 的一条规则如下: 如果: 1) 有机体的本性不知道,且 2) 有机体的染色是革兰氏阴性,且 3) 有机体的形态是杆状的,且 4) 有机体的需氧性是需氧的, 则: 存在强有力的启发性证据说明有机体的类别是肠细菌科。 专家系统的组成 （2）数据库 在医疗专家系统中, 数据库中存放的是当前患者的姓名、年龄、症状等以及推理而得的结果、病情等 。 专家系统的组成 （3）推理机 在专家系统中, 推理方式有 ： 正向推理 ： 反向推理： 正反向混合推理 ： 专家系统的组成 知识获取模块 它应具有下列功能: (1)根据实践结果, 发现知识库中不合理或错误的知识( 规则) , 并予以删除。 (2) 根据实践结果, 总结出新知识,并加入知识库中 。 专家系统的组成 (5) 解释接口 如MYCIN中用户与系统的对答: 用户问:你怎么知道培养基是从无菌源取得的? MYCIN 答:RULE 001 和RULE 002 提供了证据。 用户问: RULE 001 是如何触发的? MYCIN 答: 已知培养基的无菌性取决于对该培养基进行检验的方法, 并且不知道是否小心地加以操作, 所以有很大的可能性证明培养基是从无菌源取得的。 专家系统的架构 知识库 知识擷取副系统 推理机 解释副系统 自然語言介面 使用者 问题状况 问题