专利名称：面向偏差性症状描述的自动辅助诊断方法
技术领域：
本发明涉及一种辅助诊断方法，属于信息分析与辅助决策领域，可用于分诊系统。
背景技术：
现代医疗诊断中的五大危机(1)医疗费用的不断增长，超出了个人和社会的承受能力；(2)知识爆炸性的增长与混乱，年轻医生无法快速掌握，即便是经验丰富的医生也很难掌握跨科室的诊疗知识；(3)医疗专家地区分布不均，大部分地区缺少高水平的医生； (4)需要高水平医疗服务的人越来越多与可能提供的高质量服务产生激烈的矛盾；(5)尽管不断使用高科技的诊断技术，但误诊误治率仍居高不下。解决现代医疗诊断中的五大危机，特别是如何有效地降低医疗诊断费用和误诊误治率，应该是信息技术在医疗诊断领域研究开发的主导方向，也正是本发明的设计初衷。此外分诊是病人在医院就医时所经历的首要环节，只有正确的分诊，将病患分流到对症的科室，才能使患者得到适合的医治，而如果没有正确分诊，不仅造成患者重新就诊，还造成不必要的医务资源的浪费。现实中医院就诊的病人去哪个科室看病(或选择哪家专科医院)就诊，主要取决于导致患者有不适症状的疾病属于哪个科室，因此判断出疑似的疾病，是分诊的关键所在。现阶段，医院分诊完全是依靠人工来实现，一方面是病人自我判断，另一方面是通过医院分诊台的人工咨询。正确的分诊工作需要专业医生依据患者不适的症状和医学经验，根据患者对象描述的症状进行分诊，不仅依赖于分诊人员的专业能力，也受医患双方的情感、语言描述及沟通等因素的干扰。近年来随着信息技术的发展，产生了一些辅助诊断的新方法和新产品，从症状可辅助判断患何种疾病，在这些系统中通常事先已经定义了一系列症状集合，供用户选择自己出现的症状，为了提高诊断的正确性，症状条目和表达方式的增多通常会造成数据库庞大，词库分类困难，或者操作繁冗导致用户使用体验不愉快；因此出现了可让病人主动输入症状的辅助诊断系统，然而病人所描述症状由于缺乏医疗知识或者存在语言习惯和表述多样化等问题，时常会与数据库中的症状产生偏差，这时急需提供一种能够面向偏差性症状描述的辅助诊断方法。
发明内容
本发明的目的在于提供一种面向偏差性症状描述的辅助诊断方法，以快速准确的解决公众(针对医疗知识匮乏的人群或者语言习惯和表述多样化)由于错误或不确切的描述症状而造成的诊断结果错误。通过症状到疾病的映射，实现辅助诊断功能。本发明所述面向偏差性症状描述的自动辅助诊断方法，包括如下步骤步骤1 根据医学知识库中的症状的规范名称补充与这些基本症状具有上下位、 同位等关联关系的症状条目，将基本症状条目和补充的各症状条目作为症状库的构成元素，并建立和保存症状库中每两个症状之间的关联关系；所述每两个症状之间的关联关系包括上下位、同位关联关系；其中所述上下位关系包括症状之间的从属关系，所述同位关系包括同义、近义、相似关系。步骤2 将每种疾病相关的症状条目的集合构成一个疾病模型(即每种疾病表现出来的症状集合，集合元素为患该疾病时可能出现的症状)，将各疾病模型作为疾病库的构成元素；例如疑似疾病A的模型为α = (ai, a2,…，ak,…，，共包含m个症状；步骤3 把每个疾病模型构建为一个疾病向量，构建方法为以该疾病模型包含的所有症状的权值构成疾病向量)(f、，Wai,...，
Kk，...，％ )，其中^^是该疾病模型中症状％的权值，其取值表示症状\与该疾病之间的关联程度，权值越大则关联程度越高；是根据临床经验和专家数据预先设置的；步骤4:将当前患者提供的所有症状的集合构成一个患者模型；即患者模型B为 β = (bi; b2,…，b」，…，bn)，共包含η个症状；步骤5 将当前患者模型构建为一个患者向量；构建方法为以当前患者模型B中包含的所有症状的权值构成患者向量云(％， Wh,…，Wbj ’ ··.， )，其中表示症状模型B中的症状…的权值，对其赋值采用如下两种方法之一(1)根据用户输入该症状的顺序或主观感觉在所有症状中的主要程度进行赋值， 症状越主要或输入顺序越靠前则权值越大；(2)患者模型B中的各症状均采取相同的权值，即不区分症状输入顺序和主要程度；步骤6 采用如下两种方法之一，获得该患者患有疑似疾病的可能性(1)当患者向量和疾病向量需具有同样的维度，即患者模型和疾病模型需具有同样的症状个数，并且相同症状应在这两个模型中位于相同的位置，即相同下标的4和bj应具有相同的含义的情况下，计算患者向量云与步骤3构建的各疾病向量之间的角度，向量之间角度越小则认为患者患有该疾病的可能性越大；(2)计算当前患者模型B与各疾病模型之间的相似度，相似度越大则认为该患者患有该疾病的可能性越大，疾病模型A和患者模型B之间的相似度采用如下公式来计算
权利要求
1.面向偏差性症状描述的自动辅助诊断方法，其特征在于，包括如下步骤 步骤1 根据医学知识库中的症状的规范名称补充与这些基本症状具有上下位、同位等关联关系的症状条目，将基本症状条目和补充的各症状条目作为症状库的构成元素，并建立和保存症状库中每两个症状之间的关联关系；步骤2 将每种疾病相关的症状的集合构成一个疾病模型α = ( , a2…，ak,…，affl)， 其中m为该疾病所表现出的症状的个数；将各疾病模型作为疾病库的构成元素； 步骤3 把每个疾病模型构建为一个疾病向量，构建方法为以该疾病模型包含的所有症状的权值构成疾病向量j:(^；，K1'...， Wat, ...，％ )，其中『&是该疾病模型中症状\的权值，其取值表示症状\与该疾病之间的关联程度，权值越大则关联程度越高；根据临床经验和专家数据预先设置；步骤4 将当前患者提供的所有症状的集合构成一个患者模型；即患者模型B为β = (bi; b2,…，b」，…，bn)，共包含η个症状；步骤5 将当前患者模型构建为一个患者向量；构建方法为以当前患者模型B中包含的所有症状的权值构成患者向量云(％， Wb2，…，Wbj,…， )，其中表示症状模型B中的症状…的权值，对其赋值采用如下两种方法之一(1)根据用户输入该症状的顺序或主观感觉在所有症状中的主要程度进行赋值，症状越主要或输入顺序越靠前则权值越大；(2)患者模型B中的各症状均采取相同的权值，即不区分症状输入顺序和主要程度； 步骤6 采用如下两种方法之一，获得该患者患有疑似疾病的可能性(1)当患者向量和疾病向量需具有同样的维度，即患者模型和疾病模型需具有同样的症状个数，并且相同症状应在这两个模型中位于相同的位置，即相同下标的％和…应具有相同的含义的情况下，计算患者向量5与步骤3构建的各疾病向量之间的角度，向量之间角度越小则认为患者患有该疾病的可能性越大；(2)计算当前患者模型B与各疾病模型之间的相似度，相似度越大则认为该患者患有该疾病的可能性越大，疾病模型A和患者模型B之间的相似度采用如下公式来计算
2.根据权利要求1所述面向偏差性症状描述的自动辅助诊断方法，其特征在于，步骤1 所述每两个症状之间的关联关系包括上下位、同位关联关系；其中所述上下位关系包括症状之间的从属关系，所述同位关系包括同义、近义、相似关系。
3.根据权利要求1所述面向偏差性症状描述的自动辅助诊断方法，其特征在于，步骤 6中，患者模型B中的症状与待比对的疾病模型A中的症状％两症状之间的距离取值如下屯与％完全相同则之间距离Tkj为1 ；若bj与％为从属关系则距离为0. 5 ；若bj与％ 为兄弟关系则距离为0. 25 ；若…与％为同义关系则距离为1 ；若…与％为相似关系则距离为0. 6 ；若…与％为无关系则距离为0。
4.根据权利要求1所述面向偏差性症状描述的自动辅助诊断方法，其特征在于，步骤 6中，和的取值原则为两症状完全相同则距离为1 ；从属关系则距离为0. 5 ；兄弟关系则距离为0. 25 ；同义关系则距离为1 ；相似关系则距离为0. 6 ；无关系则距离为0。
5.根据权利要求1所述面向偏差性症状描述的自动辅助诊断方法，其特征在于，步骤 6进行之前，还包括预先对疾病模型进行粗筛，然后对粗筛得到的疑似疾病集合再进行步骤 6，即计算当前患者模型B与粗筛获得的疑似疾病集合中各疾病的疾病模型之间的相似度。
6.根据权利要求5所述面向偏差性症状描述的自动辅助诊断方法，其特征在于，所述对疾病模型进行粗筛获得疑似疾病集合的方法包括如下步骤步骤a 计算患者对疾病库中的每个疾病的患病概率；方法是，该患者患有疾病Hi的概率为=P (Hi I β ) = [P (Hi I bD +P (Hi I b2) +··· +P (Hi I bj) +··· +P (Hi | bn) ] /n ；其中
7.根据权利要求6所述面向偏差性症状描述的自动辅助诊断方法，其特征在于，步骤b 所述预设阈值取0.2。
全文摘要
本发明所述面向偏差性症状描述的自动辅助诊断方法，属于信息分析与辅助决策领域。首先建立疾病库和症状库及其关联关系，将用户输入的症状建立患者模型，与疾病模型进行相似度计算，进行推理和疑似疾病的排序。本发明的有益效果在于，能够在把用户误认为的症状作为推理条件的情况下，弱化错误干扰结果，并依据错误的症状条件，结合现有的症状之间的关联关系，让正确的症状参与推理运算，从而实现推理的正确性和抗干扰性。可用于电子分诊或健康咨询系统，也可用于医学训练或临床参考。
文档编号G06F19/00GK102184314SQ20111008402
公开日2011年9月14日 申请日期2011年4月2日 优先权日2011年4月2日
发明者代涛 申请人:中国医学科学院医学信息研究所