一种应用于智能分诊的改进朴素贝叶斯方法.pdfVIP

现代医院２０２４年３月第２４卷第３期ＭｏｄｅｒｎＨｏｓｐｉｔａｌｓＭａｒ２０２４Ｖｏｌ２４Ｎｏ３

４２４

一种应用于智能分诊的改进朴素贝叶斯方法

１２

鲍琪琪孙超仁

１宿迁市第一人民医院江苏宿迁２２３８００；２上海市计算机研究所健康医疗大数据中心上海２０００９２

【摘要】针对朴素贝叶斯分类方法（ｎａｉｖｅｂａｙｅｓｉａｎｍｏｄｅｌ，ＮＢＭ）在应用于门诊智能分诊时，无法有效区分不同类

型的症状涉及的疾病学科范围不同问题，提出了一种朴素贝叶斯分类方法的改进算法，引入ＩＤＦ因子，为不同的症状类

型提供相应的权重。首先，基于权威医疗文献，收集整理诊断学相关的语料作为训练数据集，然后，基于朴素贝叶斯分类

方法计算先验概率、类条件概率，训练生成不同症状的ＩＤＦ因子，最后，在进行分类判断时对不同的症状组合引入ＩＤＦ因

子，平滑不同类型症状的重要程度。在智能分诊准确性对比实验中，改进后的算法召回率提升约１１％，明显高于朴素贝

叶斯分类方法。

【关键词】智能分诊；朴素贝叶斯；ＩＤＦ；多类别分类；有监督学习

中图分类号：Ｒ－０５；ＴＰ１８文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－３３２Ｘ．２０２４．０３．０２６

Ａｎｉｍｐｒｏｖｅｄｎａｉｖｅｂａｙｅｓｍｅｔｈｏｄａｐｐｌｉｅｄｔｏｉｎｔｅｌｌｉｇｅｎｔｄｉａｇｎｏｓｉｓ

１２

ＢＡＯＱｉｑｉ，ＳＵＮＣｈａｏｒｅｎ

１ＳｕｑｉａｎＦｉｒｓｔＨｏｓｐｉｔａｌ，Ｓｕｑｉａｎ２２３８００，Ｃｈｉｎａ；２ＳｈａｎｇｈａｉＩｎｓｔｉｔｕｔｅｏｆＣｏｍｐｕｔｉｎｇＴｅｃｈｎｏｌｏｇｙＣｅｎｔｅｒｆｏｒＢｉｇＤａｔａＲｅｓｅａｒｃｈｉｎ

Ｈｅａｌｔｈ，Ｓｈａｎｇｈａｉ２０００９２，Ｃｈｉｎａ

【Ａｂｓｔｒａｃｔ】ＦｏｃｕｓｉｎｇｏｎｔｈｅｉｓｓｕｅｔｈａｔｔｈｅｎａｉｖｅＢａｙｅｓｍｏｄｅｌ（ＮＢＭ）ｉｎｏｕｔｐａｔｉｅｎｔｉｎｔｅｌｌｉｇｅｎｔｄｉａｇｎｏｓｉｓ，ｉｔｉｓｎｏｔｅｆｆｅｃｔｉｖｅ

ｔｏｄｉｓｔｉｎｇｕｉｓｈｂｅｔｗｅｅｎｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｓｙｍｐｔｏｍｓｉｎｖｏｌｖｅｄｉｎａｄｉｆｆｅｒｅｎｔｒａｎｇｅｏｆｓｕｂｊｅｃｔｓ．Ａｎｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｆｏｒｔｈｅｎａｉｖｅ

Ｂａｙｅｓｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄ，ＩｎｔｒｏｄｕｃｉｎｇＩＤＦｆａｃｔｏｒ，Ｐｒｏｖｉｄｅｄｉｆｆｅｒｅｎｔｗｅｉｇｈｔｓｆｏｒｄｉｆｆｅｒｅｎｔｓｙｍｐｔｏｍｔｙｐｅｓ．Ｆｉｒｓｔｏｆａｌｌ，ｂａｓｅｄｏｎ

ａｕｔｈｏｒｉｔａｔｉｖｅｍｅｄｉｃａｌｌｉｔｅｒａｔｕｒｅ，Ｃｏｌｌｅｃｔｅｄａｎｄｓｏｒｔｅｄｔｈｅｒｅｌａｔｅｄｃｏｒｐｕｓｏｆｄｉａｇｎｏｓｔｉｃｓａｓａｔｒａｉｎｉｎｇｄａｔａｓｅｔ，Ｔｈｅｎ，ｂａｓｅｄｏｎｔｈｅ

ｎａｉｖｅＢａｙｅｓｍｅｔｈｏｄ，ｔｈｅｐｒｉｏｒｉｐｒｏｂａｂｉｌｉｔｙａｎｄｔｈｅｃｌａｓｓｃｏｎｄｉｔｉｏｎａｌｐｒｏｂａｂｉｌｉｔｙａｒｅｃａｌｃｕｌａｔｅｄ，ＴｒａｉｎｅｄｔｈｅＩＤＦｆａｃｔｏｒｓｆｏｒｄｉｆｆｅｒ

ｅｎｔｓｙｍｐｔｏｍｓ，Ｆｉｎａｌｌｙ，ＩＤＦｆａｃｔｏｒｉｓｉｎｔｒｏｄｕｃｅｄｔｏｄｉｆｆｅｒｅｎｔｃｏｍｂｉｎａｔｉｏｎｏｆｓｙｍｐｔｏｍｓｉｎｃｌａｓｓｉｆｉｃａｔｉｏｎｊｕｄｇｍｅｎｔ，ｔｏｓｍｏｏｔｈｅｄｔｈｅ

ｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｓｙｍｐｔｏｍｓ．Ｉｎｔｈｅａｃｃｕｒａｃｙｃｏｍｐａｒｉｓｏｎｅｘｐｅｒｉｍｅｎｔｏｆｉｎｔｅｌｌｉｇｅｎｔｄｉａｇｎｏｓｉｓ，ｔｈｅｒｅｃａｌｌｒａｔｅｏｆｔｈｅｉｍｐｒｏｖｅｄａｌｇｏ

ｒｉｔｈｍｉｓｕｐａｂｏｕｔ１１％，ｏｂｖｉｏｕｓｌｙｈｉｇｈｅｒｔｈａｎｔｈｅｎａｉｖｅＢａｙｅｓｍｅｔｈｏｄ．

【Ｋｅｙｗｏｒｄｓ】Ｉｎｔｅｌｌｉｇｅｎｔｄｉａｇｎｏｓｉｓ；Ｎａｉｖｅｂａｙｅｓ；ＩＤＦ；Ｍｕｌｔｉｃｌａｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎ；Ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ

随着人们生活水平的提升和对自身健康的关注，大朴素贝叶斯算法［６－７］就是其中一种经典的算法，朴素贝

家对医疗资源的需求也越来越高，有数据表明，全国的叶斯算法以概率论为理论基础，能够在数据较少的情况

医疗机构量截止至２０２３年３月底共计９７．８万个，其中下进行有效分类，可以处理多分类问题，应用广泛。

包括各级