医学知识获取与发现的研究.pdf

中文摘要中文摘要医学知识自动获取与发现对医学研究分析具有重要现实意义，是解决“数据 丰富，知识贫乏”问题，提高医学工作者知识水平的关键性技术。本文提出了融基于知识编辑器的知识获取系统和基于数据挖掘技术的知识 发现系统于一体的医学知识获取与发现系统构架。以糖尿病及并发症为研究实 例，构建了一套完整的解决方案。方案包含了知识编辑和知识挖掘技术的各个功 能模块；在完成医学数据的冗余性消除、规范化储存以及数据无缝融合与共享等 任务后，实现知识归纳、提取及冗余性知识消除与可视化表达等功能。利用“知 识编辑”把医学知识整理成系统模型，并把它作为数据挖掘的原始参考。“知识 挖掘”和“知识编辑”两种技术相互印证，互为补充构成本论文的目标。本课题工作重点在定性数据的关系挖掘、定量数据的聚类分析以及知识的可 视化模型化表达等方面。除了构建医学知识获取与发现系统框架外，讨论了关联 模型、Rough信息决策模型等定性数据的定量化挖掘方法以及人工神经网络、模 糊聚类分析等定量数据挖掘的技术；改进了数据挖掘理论中的关联模型：针对知 识规则的冗余性问题，提出运用集合的Apriori性质，以逆向递归方式消减冗余 规则；参照多尺度分析的概念，增加了次级支持度的参数，用条件置信度阈值均 衡知识规则的质和量，减少数据挖掘过程中丢弃的知识规则。在知识表达方法中 引入图论中的生成树的形式；同时尝试用统一建模语言实现面向计算机的知识表 达；探讨模型化解析化方式实现现有文本知识的精化和融合，以糖尿病数据分析 为实例，设计并实现基于知识编辑器的交互式知识获取系统。上述工作在糖尿病 并发症流行病学分析和糖尿病相关的生理参数的数据挖掘实验中进行了检验。关键字：专家系统医学知识发现系统数据挖掘可视化表达人工神经网络 模糊C均值聚类糖尿病糖耐量低减胰岛素抵抗ABSTRACTABSTRACTAutomation of medical knowledge acquirement and discovery is significant to medical research.It is essential to solve the conflict of“data rich but knowledge poor”which is important to improve the medical researchers5 knowledge.In this paper,a systematic architecture of medical knowledge acquirement and discovery is provided including medical knowledge acquirement system based on extended knowledge editor and medical knowledge discovery system based on data mining technique.A solution based on this architecture is designed to diabetes syndrome and complication study,which includes all function modules of the medical knowledge discovery architecture and the medical knowledge acquirement architecture.“Knowledge editor is used to summarize the medical knowledge to systematic model,which is used as the prototype of data mining.The task of this study is how to promote,fuse and complement the techniques of data mining and knowledge editor”in medical research.In this subject study,we focus on the technique details of quantitative mining from qualitative data,cluster analysis of quantitative data,visualization and modeling expression of knowledge and interactive data mining under the user instruction.Besides establishment of the architecture of knowledge acquirement and discovery,we discuss the association rule model and rough information decision model which are the typical techniques of quantitative mining from qualitative data and artificial neural network and fuzzy C-eans cluster which are typical to quantitative data mining.The classic association rule model is modified in two ways below:the Apriori attribute of data set is used to solve the rules redundancy which means that the redundant rules would be stepwise eliminated from the rule set with k-1 length while a new rule is added to the rule set with k length.Like the mutliscale analysis,an inferior support threshold index is added to balance the quality and quantity of rules output by the system,which could reduce the rules thrown away in the long knowledge rules mining process.Scheme based on the span tree in graph theory is designed to implement knowledge induction and visualization and Unified Modeling Language is used to express the knowledge to computer.Refinement and fusion model of text knowledge is also studied.An interactive data mining system based on knowledge editor is designed to analyze in the diabetes research.All of these data mining techniques are tested in the epidemiological ABSTRACTanalysis of diabetes syndrome and complication and the statistic distribution analysis of some physiological parameters relevant to diabetes mellitus.“Keywords:expert system medical knowledge discovery system data mining visual expression artificial neural network fuzzy C-eans cluster diabetes mellitus impaired glucose tolerance insulin resistance第一章绪论第一章绪论近年来，计算机和微电子技术的迅猛发展引起了一场新的技术革命，用计算 机模拟思维及学习过程直接导致了一门新的学科的诞生人工智能（Artificial mtelligence,简称AI）。目前，作为二十世纪末的带头学科人工智能的各项技术 已经渗透到各个研究领域。为了借助计算机强大的运算能力，降低劳动强度提 高劳动效率，实现高精度自动化控制，各种专家系统、计算机辅助设计系统、机 器人乃至最近发展起来的数据挖掘技术纷纷应运而生。专家系统（Expert system,简称ES）是在某领域内模拟专家的思维活动，进行推理判断实现专门问题的自动化求解的计算机程序系统。医学专家系统是其 中最典型的、最富有成果的分支之一。医学专家系统是医学工程和人工智 能研究的技术结晶，它运用专家系统的设计原理与方法，模拟医学专家诊断、治 病治疗的思维过程，帮助医生解决复杂的医学问题。这种系统除了作为医生诊断、治疗以及预后评估的辅助工具外，还有助于医学资料的电子化、规范化的保存、整理和交流。所以，作为计算机以及计算数学和医学科学的交叉医学专家系 统一度成为生物医学工程的研究热点【小31.1 医学专家系统的研究现状与面临的问题1982年匹兹堡大学的Miller等研制成功著名的Internist-1内科计算机辅助诊 断系统，其知识库包含572种疾病，4500多种症状；1991年哈佛医学院开发 的“DXPLAIN”系统包含2200种疾病和5000多种症状【皿；此外除了这些多疾 病大型专家系统外，针对某一种疾病的专项医学专家系统及其类似软件更是举不 胜数。1990年，Umbaugh开发了皮肤癌辅助诊断系统。引；Provan等人研制了用 于诊断慢性腹痛的决策支持系统即；1996年Birndorf等人开发了贫血诊断报告 系统；2000年Wells等人开发了计算机辅助乳腺治疗计划系统对；Siromoney 等根据MRI影像数据区分病人是脑膜瘤还是星细胞瘤口刀;Sacha通过心脏SPECT 影像对心肌灌注进行分类从而诊断是否患有冠心病网；Bojarezuk CC等人用遗 传算法实现胸痛12种疾病分类网等等。我国医学专家系统的研制起步较晚,1978 年北京中医学院著名教授关幼波及北京中医医院肝病科与计算机室的科研人员 合作开发了“关幼波肝病诊断程序是我国最早基于中医理论的医学专家系统；上个世纪80年代以来随着我国经济的腾飞、计算机应用的普及，各界有识之上 都看到了医学专家系统的良好前景，国内迅速涌现了一批专科医学专家系统，如 肝病营养疗法专家系统、昏迷诊断计算机专家系统、急性肾衰诊断系统、颈腰疾 第一章绪论病专家系统、精神疾病诊断系统、甲亢诊断系统、贫血鉴别系统、肺癌诊断系统、心功能辅助诊断系统、针灸专家系统及医病诊疗用药系统2卜四】；其中随着动态 心电图系统的广泛应用，基于计算机的心电工作站软件的研制开发是最具临床应 用前景的计算机辅助医学诊断系统，有关心电图的自动识别和分类系统的研究也 最为深入【I。分析有关计算机辅助医学专家系统的研究报道可以发现此类系统的研发在 上世纪80年代到90年代中期达到高潮，然而随着研究的深入，一些技术瓶颈也 开始逐渐显现份L根据国内外计算机辅助医学诊断系统的成功和失败经验可以 发现以下重要事实：1）知识成熟性的限制。计算机辅助医学专家系统的研发是一项多学科交叉型研 究。研发团队中既要有医学专家、又要有专业人工智能开发人员、还要有深入了 解各项医学仪器的测量技术的专业人士。由于医学技术、人工智能、医学测量技 术都自成一体，体系庞大；而且都处于成长期中，学科发展远未成熟；因此，合 理地组建和管理医学专家系统开发团队本身就是一项庞大的系统工程。总体开发 策略和方法只能处在实践基础上进行摸索总结的阶段，这样必然导致开发进度缓 慢而且实用性也较差凶。2）权威性难以形成。尽管医学理论和医学测量技术都在发生日新月异的变化！然而，医学仍然处于“表象”的阶段，临床诊断仍然离不开个人的经验。由于发 展的差异、环境的不同以及文化心理因素的影响，很多已开发的计算机辅助医学 分析系统的权威性得不到承认，甚至得不到临床测试的机会，大大降低了系统应 用范围和价值8卜。3）知识获取形成制约早期开发的医学专家系统基本上都是传统的基于知识推 理的系统生】，知识获取技术存在缺陷。开发基于规则和知识的专家系统大约 60%70%人力物力花费在知识获取这一环节，但采取的方法基本上是由通过一 系列启发式的逻辑规则来表示专家们的医学经验。由于从专家那里获取知识，存 在表达困难且带有定性和主观的特点，因此难于定量和客观表示，从而造成了知 识的脆弱，同时由于知识获取方法和推理技术的局限也导致了推理上的困难自回 顾计算机辅助医学专家系统的发展过程不难看出，在现阶段“利用计算机制定出 诊断疾病的规则，让医生去运用”的目标是不现实的均粕J。针对早期开发的专家系统的上述缺点，出现了神经网络专家系统之类智能诊 断系统，这类系统具有自学习功能，可以通过大规模并行分布式处理实现知识的 自动获取，并且可以进行并行联想和自适应推理，具有较好的实时性和较好的鲁 棒性、良好的启发性灵活性，在分类诊断以及分类的智能控制和优化求解等方面 较原有的专家系统有了很大的提高，但是此类系统还存在一些固有的缺点：1）2第一章绪论适用于解决一些规模较小的问题；2)系统的性能在很大程度上受训练数据集的 限制，难以解决异类数据源的融合和共享；3)知识提取过程繁杂而低效，存在“黑箱”操作，从而导致医学工作者的不信任。4)规则推理与知识决策技术尚 处于起步阶段。这一切决定目前医学智能诊断系统不可能具有很高的智能水平和 实用价值，也就是说目前技术条件下，在医学仍然处于“表象”的阶段，实现高 智能的可以在临床中直接应用的计算机辅助医学诊断系统时机还不成熟。1.2 医学知识获取和发现知识的自动获取是专家系统的重要组成部分，分析国内外医学专家系统的报 道可以发现此类系统的解决方案在上世纪末发生了质的变化：1)以前医学知识主要来源于医学专家，获取知识后系统将之分解成若干简单的 元规则，再通过各元规则之间的布尔操作形成诊断准则。早期医学专家系统大多 采用此类解决方案，尤其是国内的中医类专家系统，所以也有人将这种医学专家 自己构建知识库所用的程序称为基于知识的编辑器(Knowledge-based editor,KBE)。TEIRESIAS系统就是Davis开发的旨在为前面提到的MYCIN专家系统 提供知识的基于规则的程序，目的在于鉴别知识并将之分解成为元规则】；ONCOCIN是由Musen领导开发的一个图形交互界面的知识获取系统卬】；KAVAS-2是由Talmon等人开发的一个集医学知识获取和分析为一体的知识获取 工具MJ；1995年欧洲的GAMES II项目就是为了开发一个可以让人工智能专家 和医学专家紧密合作的医学知识获取工具13%2001年Achour等人提出统一医学 语言系统(Unified Medical Language System,UMLS)的概念，并尝试研发此类 知识获取软件【4叫 此类系统模仿人类思维，将研究重点集中在专家知识的描述 表达和模糊推理环节，力求让计算机“理解”、“学会”专家的“思维决策”方式。为了提高实际系统的智能水平，一方面要增量式多次咨询多个专家，另一方面为 了解决专家之间潜在的认识冲突不得不增加系统复杂性，而这种知识冲突条件下 的智能推理技术的研究本身尚处于起步状态，因此这也是近年来医学诊断系统热 潮降温的一个重要原因。2)。二十世纪中期相比，目前医学数据的质量和数量都有了巨大的提高；因此，部分“经验积累”工作可以由计算机来承担。从大量临床数据中寻找经验或知识 正是知识发现技术的目标和任务，这也是我们研究的主要内容。山于电子测量技术、网络技术、数据库技术以及多媒体技术的迅猛发展，这 些技术把大量医学信息精确地记录下来，导致医学资料爆炸性增长。尤其随着医 院信息系统(Hospital Information System,简称HIS)在各大医院逐渐投入使用，收集到信息不仅包括影像、曲线、参数等各项生理指标，而且还有病人年龄、性 3第一章绪论别、身高、体重、既往病史等大量详细的背景资料，医学数据的完整性也有了很 大的提高。数据库技术的发展解决了海量数据的存储和数据检索的效率问题，然 而数据类型的多样性和数据量的庞大已经远远超出了人的理解能力，大量的数掂 档案很少被访问，结果大型数据库变成了“数据坟墓”(data tombs)；引发了“数 据丰富，信息贫乏(Data rich but information poor)的现象“习。高性能计算机的普及为研究工作者进行大量繁琐、复杂的数据分析带来了可 能。在计算机的帮助下，发现隐藏在这些海量数据背后的那些有学术价值新的医 学知识已经成为迫切需要生物医学工程研究人员解决的课题四】。为了解决这个 在信息领域普遍性的“知识发现”问题(Knowledge Discovery in Databasest简 称KDD),近几年产生了一项从海量数据中提取知识的系统性技术数据挖 掘。作为近年来发展起来一门人工智能研究的新兴分支，数据挖掘是集数据处理 技术最新成果的系统性理论，尤其适用于医学数据分析这类缺乏先验知识的多维 数据分析。数据挖掘系统采用数据库技术管理数据，使用多维数据集(也称为数 据仓库)技术实现多种数据源的共享和融合：从多种数据源提取样本，消除噪声 并剔除不一致数据；根据不同目的检索样本，用时间序列分析、神经网络、小波 技术等数据处理技术对数据进行各种变换；用统计分析、关联分析之类方法设计 挖掘引擎，从变换后的样本中提取数据模式；并根据某种评价指标或评价体系识 别、更新、增添表示知识的目标模式；再引入图论和其他可视化技术实现知识的 表达；有效地整合了数据储存、数据处理、模式识别和表达等各个环节，提供了 一套完整地解决系统建模的构架模型。当然其中数据挖掘引擎的算法设计是关 键，这方面的研究报道也很多。早在1992年，CCChan等人就提出了将概率诱 导学习方法用于医学专家系统的知识获取於刀；1998年，TsumotoS.等尝试用粗糙 集理论在医学数据库中自动提取诊断规则囤回；同年Vaughn M.L用多层感知机 结构的神经网络方法发现背痛的诊断规则】,2000年H.FKwok等人提出模糊逻 辑知识提取方法图】；2002年P.Vincens、T.Oyama W.Zhu等学者分别带领各自的 课题组从事用关联模型分析在目标样本中同时出现的基因种类，从而研究基因组 和对基因间的连锁互换现象RZ55；总之如何将人工智能领域中机器学习和知识 发现技术成功应用于生物医学工程领域是解决医学知识瓶颈的关键和希望。数据挖掘做为一种新的知识发现手段，就是从大量数据中发现隐含的知识和 规律。它既是一种知识获取技术，又是一个数据处理过程。经过十几年的发展，对数据挖掘的研究从最初表面的、孤立的问题向系统的、全面的方向发展阿 目前，对数据挖掘的研究主要集中在以下3个方面H。：1)数据挖掘的理论研究。其目标是建立完整的数据挖掘理论体系，建立通用、有效的处理模型，用科学的方法论指导发现知识的过程，使之成为一种主流 技术。4第一章绪论2）数据挖掘技术和算法的研究。数据挖掘是从人工智能发展而来，因此人工智 能中的许多技术成果都可以移植到数据挖掘中来。传统的统计、聚类、决策 树、集合论，近年来十分活跃的关联规则、粗糙集理论、人工神经网络、遗 传算法和进化计算等在数据挖掘中都有应用，这一方面的文献、资料也最丰 富。但是由于数据挖掘面对的是大量数据，因此人工智能领域的许多技术不 能照搬照用。如遗传算法，当优化属性在上百个以后，计算速度难以忍受。又如人工神经网络，由于获取的知识是以权值形式表示的隐含形式，因此一 般不适合单独应用于数据挖掘，往往需要与其它方法相结合。3）应用研究。应用研究的划分一种是按照处理的数据类型分，产生了时间序列 数据挖掘、空间数据挖掘、文本数据挖掘等。应用研究的另一种划分是按照 应用领域，如股票价格分析与预测，金融风险分析，信用卡欺诈分析，气象 预报，生物医学工程等。随着Internet的普及与发展，对Internet数据的挖掘，如基于Web数据的挖掘也是一个十分活跃的应用领域研究方向。1.3 本课题意义与研究内容在临床医学中经验起着关键的作用，从人工智能的角度看，经验就是保存的 信息和规则。在没有计算机的时代，获取信息、总结规则都是个人的行为。现在 由于科学技术的进步，数据的质量和数量都有了巨大的提高，甚至出现了知识爆 炸，而计算机数据库技术基本上解决了海量信息的保存和检索问题。因此，计算 机不可避免地要部分承担起“经验总结和积累”的任务。数据挖掘技术将可能是 计算机赖以实现这个目标的手段。随着社会的进步，人们的健康需求越来越高；社会的健康开支也就越来越大；包括我国在内的许多国家，医疗费用快速增长给社会造成了巨大的压力。发展社 区医疗、合理运用医疗资源是解决这种矛盾的一个主要出路；加之社区医疗的便 民性，社区医疗的发展前景应该是光明的。当前的问题是社区医生的临床经验不 足影响到社区医疗的服务水平。因此，我们设想了一种具有下述功能与特点的，主要提供给社区医生用的知识服务系统：1）具有知识发现功能：这种功能可以充分利用现有的各种医学数据，提高“医 学知识”的增长速度，增强临床医学的活力。2）具有知识编辑功能：医学理论和医学专家的临床经验是一笔宝贵财富。把它 们整理成适于保存、便于检索的系统知识，方便医生的查询；就会提高知识的利 用率，使这些知识增值；为社会创造出可观的社会效益。3）实现系统与用户的交互：一个对用户友好的系统应该充分听取、接纳用户的 想法，并与用户交流。因此，知识编辑器应该允许用户输入自己的经验，把与现 5第一章绪论有知识一致的内容归纳入系统，还能找到、并分析专家之间潜在的认识冲突，与 用户交流沟通。4)良好的知识表达功能：如果系统知识发现能力很强时，也可能出现“知识爆 炸”问题。良好的表达功能有助于人们对知识的理解，提高人们接受知识的能力。这个系统不应是一个专家诊断系统，在“表象医学”的阶段，机器独立进行 临床诊断是不现实的.回顾医学专家系统以往的发展历程，既然知识提取以及保 存的花费占整个系统的60%以上，而且医学知识的自动获取的确对医学研究分析 具有重要现实意义，我们提出不如把这部分功能从医学诊断系统中独立出来，构 成计算机辅助医学知识发现系统(Computer aided medical knowledge discovery system,CAMKDS)。该系统可以作为医学诊断系统的前端，主要实现医学数据 的冗余性消除、规范化储存以及数据无缝融合与共享，知识的提取的自动化以及 冗余性知识的消除，知识的归纳与可视化表达等功能。尽管关于知识工程和医学专家系统在国内外已进行了大量工作，该领域的研 究仍然处于探索阶段，我们的工作更是处于起步！为了方便论文工作的开展，也 考虑到获取数据方便，本论文选择糖尿病为实例，从这个实例入手，开始我们的 研究。考虑到高血压、心脏病、糖尿病是社区医疗中最为普遍和严重的疾病，其中 糖尿病并发症多，病生理复杂，病症不明显，近年来发病率上升迅猛，社会经济 危害性严重，从发展趋势上看尤其值得重视。做为一种慢性代谢性疾病，糖尿病 基本上无法痊愈，是一种终生性疾病。I型糖尿病患者在确诊后的5-7年内很少 有慢性并发症的出现；相反，大部分II型糖尿病患者在确诊之前就已经有糖尿 病并发症发生固阳。英国糖尿病前瞻性研究(UKPDS)中发现有半数新确诊的II 型糖尿病患者中已存在有一种或一种以上糖尿病慢性并发症出现；有些患者是因 为存在这些并发症才发现糖尿病，此时糖尿病患者往往已处于较晚期的状态了 的阳网L II型糖尿病患者众多，对社会经济带来极大负担，近年来有关糖尿病 并发症的研究逐渐成为糖尿病研究的重点之一。建立健康普查档案，了解这种疾 病及其并发症的流行趋势是防治工作的关键【7。卜门”在发达国家糖尿病的流行给 社会经济造成了严重负担，欧盟国家由英国带头组织了 CODE-2(Cost of Diabetess in Europe-Type II)研究计划叫 不久,美国、加拿大、日本等国也开展了类似 的研究。这个情况表明了国际社会对降低糖尿病患者健康护理的总经济成本的关 心叫目前，流行病学研究的最大特点就是数据来源复杂多样，数量庞大，质量无 法保证，数据整理和归档工作量大、费时费力，而研究分析的基本方案是根据研 究者的直觉针对某些数据进行统计，从而实现对研究者某种假设的验证。研究结 6第一章绪论果很大程度上取决于研究者的先验知识，而且往往方案的小小变动导致所有指标 需要全部重新计算，计算过程与计算结果的可重用性很差。正是这些原因使得流 行病学研究工作进展缓慢77H8。应用人工智能的技术系统性构建计算机辅助医 学研究分析系统，实现医学知识发现自动化是流行病学研究的必然趋势，这同时 也是远程医疗和社区医疗最主耍研究方向和任务之一。所以我们以糖尿病作为研 究对象，目的以数据挖掘理论为指导，构建一套完整的基于数据挖掘理论的计算 机辅助医学知识发现系统解决方案。国内外有关糖尿病并发症的流行病学研究报道很多【6讣8汽内容涉及高血压、高血脂、冠心病、肾病、白内瘴、听力障碍、肺结核、皮肤病等多个脏器、多种 疾病，但是每篇研究文献基本都是只涉及某一种并发症，除了综述性的论述之外 基本上未发现有关多种并发症的联合分析的研究报道和相关的样本数据。由于患 者个体差异明显，各种并发症的研究结果来自不同的样本，影响了统计指标的可 对比性，也无法实现对糖尿病多种并发症统一评估。根据医学上的分析，许多并 发症存在内在联系，例如高血压、高血脂与冠心病之间有着密切的关系，由此推 理针对同一批样本由高血糖导致此三类疾病的发生率从数值上应当存在一定的 关联关系。既然按研究报道糖尿病的并发症不下几十种，我们认为很有必要就这 几十种并发症之间的关联关系进行进一步的研究。由于糖尿病的发病机理尚未完全探明，目前国内外医务工作者采用症状、体 征、尿糖、静脉血浆血糖、空腹血糖和餐后2小时血糖、做75gOGTT、糖化血 红蛋白（HbAlC）以及一些辅助的有关检查方法来诊断糖尿病并预测并发症，主要的诊断标准有附1、我国1979年甘肃省兰州市召开的全国糖尿病研究会议上提出的糖尿病暂行诊 断标准，1980年修订并经卫生部审批；2、国际健康组织（WHO）糖尿病专家委员会根据美国NDDG1979年提出的糖 尿病诊断标准加以修改后于1980年和1985年推出的暂行标准；3、国际健康组织（WHO）1999年推荐新的糖尿病诊断标准；4、Joslirfs糖尿病诊断标准；分析上述标准可以发现这些诊断标准主要都从OGTT试验结果出发，参比空腹 血糖数据，操作比较复杂，难以在大规模的普查中实施，况且以上各个标准不仅 相互之间存在一定的差异，而且同一标准各条判定规则在部分病例诊断过程中也 存在分歧。本研究课题的数据主要来自Pima印第安部落糖尿病研究生理参数数 据库和天津医科大学总医院采集的生理试验样本的相关数据。本课题研究内容包括：基于数据挖掘系统的计算机辅助医学知识发现系统框 架设计；改进数据挖掘理论中的关联模型和Rough信息决策模型实现定性数据的 7第一章绪论定量化挖掘并实现挖掘算法引擎比较分析算法性能；应用神经网络和模糊聚类分 析技术实现定量数据的挖掘；引入图论中树的形式实现挖掘结果的可视化表达，同时探讨模型化解析化方式实现现有文本知识的精化和融合，尝试用统一建模语(Unified Modeling language)实现面向计算机的知识表达；设计并实现基 于知识编辑器的交互式知识获取系统用于糖尿病及并发症的医学分析。医学上涉 及糖尿病并发症的流行病学研究、糖尿病患者各项生理指标的分布、胰岛内各类 细胞互作用关系以及它们分泌的血糖代谢调节激素的水平与糖尿病及多种并发 症之间发生发展关系三部分。论文组织分为七章：第一章介绍医学专家系统的发展状况和面临的瓶颈，提出数据挖掘理论的优 势和该类系统作为目前计算机辅助医学知识获取与发现系统的可行性和必然性。第二章从医学知识发现系统内部功能设计角度出发，提出融知识编辑器和知 识发现系统的于一体的医学知识发现系统性架构；而后提出基于知识编辑器的医 学知识发现系统构架，分析各模块功能以及涉及的各模块的实现技术和技术难 点；介绍数据挖掘系统的基本理论和发展趋势，指出基于数据挖掘系统的计算机 医学知识发现系统前景和功能模块划分；然后提出系统框架，实现医学资料的数 据库储存、异类数据的共享与融合、样本中各种医学知识(数据模式)的自动搜索 与储存以及这些知识的归纳与可视化表达。针对样本数据类型和医学知识来源的 差异，设计不同挖掘模型实现定性数据的定量化挖掘和定量数据挖掘；以糖尿病 并发症为例，按照构架实现一套完整的解决方案，内容涵盖从数据采集到最后知 识表达各个环节。第三章重点分析定性数据的定量化挖掘模型、算法引擎。以从天津医科大学 附属总医院病案室获得的3022例数据为样本，将关联模型引入糖尿病并发症的 流行病学研究，应用集合论中的Apriori性质，实现关联规则的挖掘引擎设计。研究分析模型的输出和中间结果，针对模型输出的知识规则的数量、质量以及算 法性能和知识规则的冗余性等问题对关联模型做出改进；而后应用Rough决策 信息模型设计挖掘引擎，分析算法性能。第四章采用人工神经网络和模糊C均值聚类理论设计定量化数据挖掘模型 并设计算法引擎，分析评估输出结果。以世界卫生组织公布的糖尿病研究权威数 据库Pima印第安部落糖尿病研究生理参数数据库和从天津医科大学总医院 采集的生理试验的相关数据为样本，从定量化的角度研究II型糖尿病患者生理 参数的变化。采用人工神经网络和模糊C均值聚类的方法对糖尿病患者和对照 组的样本数据进行聚类分析，并检验它们作为预测器的分类结果。在对研究结果 进行评价分析后，结合目前糖尿病普查中的诊断标准对结果的医学意义进行探 讨，同时通过对模糊C均值聚类的输出分析印证了糖耐量低减这种介于健康和 8第一章绪论患病之间的亚健康状态的存在.第五章研究分析医学知识的可视化模型化表达方法。以第三章中定性数据的 定量化挖掘得到的知识规则为研究对象，尝试用图论中生成树的形式实现糖尿病 并发症的关联型知识的可视化表达；用决策树形式定量化表现糖尿病引起其他疾 病的危险程度；探讨用数学模型实现医学知识的模型化解析化表达方法，并以 PIMA印第安部族糖尿病生理参数样本数据为例，用Logistic方程形式实现定性 因变量的定量化回归模型，解决因定性因变量异方差等特性导致常规逐步回归模 型不适合的问题。第六章研究基于知识编辑器的医学知识获取系统中两项核心技术：1医学 理论知识的抽象以及抽象知识的统一建模语言(Unified Modeling Language,简称 UML)表达2)用户诱导的交互式医学知识挖掘。具体内容包括：分析胰岛素抵 抗现象的危害性和其对糖尿病的作用，针对胰岛微观组成进行分析，从胰岛中四 种主要细胞调节糖代谢的激素分泌以及它们相互间作用的角度结合生理系统血 糖代谢，进行系统性的知识抽象与归纳，并用UML实现模型面向计算机的知识 表达；采用PowerBuild编程语言实现糖尿病及并发症的交互式医学知识获取系 统的人机界面开发，用Microsoft SQL2000实现分布式数据库管理.整个系统采 用C/S模式、多层体系结构，数据采集和数据管理分离，数据挖掘和界面显示分 离，实现代码低耦合性、高可移植性、高可重用性；应用实例介绍针对糖尿病及 并发症的交互式数据挖掘并分析挖掘结果。第七章描述计算机辅助医学知识获取与发现系统的应用前景和发展中可能 遇到的几类问题。对课题的研究结果进行总结，归纳研究工作中的创新点和不足，指出未来研究趋势和热点。最后以附录形式介绍糖尿病的危害性以及当前糖尿病研究趋势和内容，指出 目前流行病学研究基本模式和遇到的瓶颈,用基于web文本的数据挖掘方式分析 糖尿病的流行趋势以及在我国的流行特点。9第一章绪论L4论文的创新性本课题对医学知识工程进行了一次探索，以糖尿病研究为例，将许多属于人 工智能领域范畴的方法和理论应用于知识获取与发现系统的研究中并对其中的 部分方法进行了较大的改进，主要创新之处表现在以下几方面：1）构建了一个基于数据挖掘理论的医学辅助研究分析系统框架，这个系统框架 实现了医学资料的数据库储存、异类数据的共享与融合、各种隐含的医学知 识（数据模式）的自动搜索与储存以及这些知识的归纳与可视化表达。2）将数据挖掘理论中的关联模型引入糖尿病并发症的流行病学研究分析系统，在实现关联规则的挖掘引擎设计中，对关联模型作出以下几点改进：针对模型输出中规则的冗余性问题，提出逆向运用Apriori性质的方法，在长度为k的关联规则生成同时逆向递归地消减长度为kT的冗余性关联 规则；实践证明改进后算法高效地解决了关联知识规则的冗余性问题；针对在递推挖掘长规则过程中，样本数目的减少导致残余数据迅速增加的 问题，从系统输出的规则知识的质量和数量两方面均衡角度，参照多尺度 支持度分析的思想，增加次级支持度这一指标，结合条件置信度作为附加 兴趣度改进关联模型，使得在一定置信度的保证下模型输出的知识数量有 了很大的提高；3）用图论的生成树方法处理糖尿病并发症关联模型输出的知识规则，简炼地实 现了相关知识的归纳和表达；并进一步将生成树的理论和关联规则挖掘的算 法进行融合，提出一种新的算法：用生长树的形式压缩样本信息，通过树的 遍历替代数据库扫描，在降低算法开销的同时用树的形式实现中间结果的保 存，从而实现增量学习和知识可视化表达，经过算法效率分析要比原挖掘算 法有了很大的提高；4）采用决策树方法中的“信息增益烯”作为启发信息，指导选择样本的分类属 性；对并发病例超过100例的8种疾病的敏感性进行划分，以决策树形式形 象地描述了糖尿病引发其它疾病危险程度。5）将模糊理论与C均值聚类思想结合，提出用模糊C均值聚类的方法对糖尿病 患者和对照组的样本数据进行聚类分析；实践证明该方法的解释性明显强于 神经网络分类器。通过对模糊C均值聚类输出结果的分析可以印证了糖耐量 低减这种介于健康和患病之间的亚健康状态的存在，并且可以从定量角度解 释糖耐量低减患者未来向健康和患病两种方向发展的概率趋势。6）归纳了现有医学理论中关于胰岛中各细胞相互间作用以及它们对于人体内 环境中血糖调节这些定性医学知识，按照系统动力学思想用P-D模型的形式 总结出血糖调节的系统模型；用统一建模语言（皿L）实现面向计算机的知 10第一章绪论识表达。把医学理论知识归纳抽象和计算机软件工程有机结合起来，完成了 医学知识编辑器的构架。7）设计基于知识编辑器的医学知识发现系统用于糖尿病及并发症研究，采用 Microsoft SQL Server2000实现分布式数据库管理，实现在线数据处理和更新 和交互式数据挖掘的功能。用户根据相关主题的医学知识构建知识模式，计 算机完成数据的过滤与集成，由用户根据数据的支持情况数字统计量评估知 识模式的价值，使得知识规则的有效性和解释性的完美结合。11第二章基于数据挖掘技术的计算机辅助医学知识发现系统构架第二章医学知识获取和发现系统构架从第一章的讨论可以看到，医学知识获取与发现有两条技术路