论文部分内容阅读
中医问诊作为一种传统的诊察方法,能够根据已知症状信息估判出患者患有的最大可能证型,进而寻找支撑对应证型的更多症状信息,由此引出要询问的问题。然后根据得到的新的症状信息进一步辨证,寻找更全面的症状信息,直到准确辨证为止。问诊的过程实际是一个辨证过程,其诊断结果受限于医生的医学水平和临床经验。辨证经验往往成为评判中医诊病能力最主要的因素,尤其对缺少经验的医生,很难在问诊过程中准确高效地确定每一步的问诊症状,导致收集了过多无关的症状,不仅影响问诊效率,更增加了辨证难度,降低了辨证准确率。针对上述问题,复杂网络不仅可以直观地刻画症状间的复杂关系,而且其具有的社区结构特性可以很好地描述症状与证型之间的关系。基于复杂网络的推荐方法能够通过分析中医问诊数据得到下一步问诊提示,提高医生辨证的准确性。本文提出了基于重叠社区发现的症状关联网络构建算法;为了提高问诊症状推荐的准确性和针对性,提出了基于症状关联网络的中医辅助问诊提示推荐算法。具体工作如下:(1)为了发现中医问诊数据中症状与证型之间的关联,提出基于重叠社区发现的症状关联网络构建算法OCDSAN。该算法利用症状间的相关性构建无向带权重的初始症状网络;考虑到症状在不同证型间的重叠,为提高症状的区分度,提出节点信任度,筛选种子节点;从种子节点开始依次扩展其邻居节点,发现所有重叠社区,构建症状关联网络。在真实数据集上的实验结果表明,OCDSAN算法在不同规模的网络上都有较好的稳定性和较高的重叠模块度,EQ值比其余两种算法高9%~14%,能有效地发现症状与证型间的关联。(2)为了根据症状间的内在关联为医生提供有针对性的问诊提示,提出基于症状关联网络的问诊提示推荐算法RASAN。该算法综合考虑症状对不同证型的影响,提出社区归属度,估判出患者最大可能的证型集合;提出节点重要度衡量社区内每个症状的重要性,基于随机游走在不同证型社区形成问诊提示列表。在真实数据集上的实验表明,RASAN算法与其它算法相比,准确率和召回率提高了5%~10%。该算法能为医生提供有效的问诊提示。(3)为验证本文所提算法在实际问诊场景中的可行性和有效性,本文设计并实现了一个基于Eclipse平台的中医辅助问诊提示推荐原型系统。该系统可以在问诊过程为医生提供准确而有针对性的问诊提示,辅助医生完成患者症状收集,并根据收集的患者症状信息给出辨证结果。