[发明专利]一种基于规则推理引擎的疾病辅助判别方法和系统

说明书

技术领域

本发明涉及计算机领域，特别涉及一种基于规则推理引擎的疾病辅助判别方法和系统。

背景技术

疾病辅助诊断系统作为医生诊断的辅助工具，借助知识库体系和推理分析计算机制，将医学专家的理论知识和临床经验用于病人病情的分析当中，为诊断治疗和方案决策提供辅助支持信息。

得益于计算机技术的飞速，神经网络的记忆与学习能力不断加强，出现很多基于神经网络的辅助诊断系统，文献(侯桂英,孙佰清,关振中,冯英浚,"应用智能医疗诊断系统诊断高血压的研究,"哈尔滨医科大学学报,vol.37,pp.223-225,2003.)中，作者利用人工神经网络和专家系统相结合的方法，对100份高血压病例提取特征进行训练构建预测模型，再使用该模型根据高血压病症的特征进行诊断。然而，这种机制有个最明显的缺陷是神经网络模型的不可解释性，它并不能告诉用户其背后的推理过程，并且由于系统特征选取过于简单，很容易造成过拟合的情况。因而，基于神经网络模型的专家系统功能还很有限，目前只适用于解决规模较小的问题，且效果与性能明显受训练数据集限制。

基于产生式规则的推理机制是国内医疗辅助诊断系统的另一主要机制，如文献(陈再旺和陈景长,"一个医疗辅助诊断专家系统的设计与实现,"计算机系统应用,pp.50-51,2001.)中构建了一个基于产生式规则以及冲突消解的急性腹痛辅助诊断专家系统，该系统采用正向推理以及深度优先结合剪枝的搜索策略，一步步匹配用户的输入直到寻找一个答案。这种方式产生的结果具有很充足的事实依据。目前的规则匹配方法在接收到病人的事实集后，也多是采用类似“解释器”的数据处理方式将规则解析和匹配逐条同时进行。也就是说，每次取出一个规则，需要按规则语言的语法翻译为程序代码(如表达式和形参)，再将事实集(作为实参)代入并计算出结果，如此往复，直到匹配完所有规则。这种规则匹配方式的缺点在于处理效率较低，如果规则量级比较大，则匹配过程就会相对较慢。

中国专利申请201510040911.1提出一种规则匹配方法及装置，实现了对规则匹配过程的优化。根据预设的第一编码规则，为各条规则中的条件编码，得到各个规则对应的编码；当接收到任一事实集时，根据所述第一编码规则，为所述事实集编码，得到所述事实集的编码；当所述事实集的编码与任一规则对应的编码符合预设的匹配条件时，确定所述事实集与所述规则匹配。

该匹配方法首先需要设置第一编码规则中的编码模式(可以理解为子条件)，并在满足编码模式时编码为1。然后需要设置第一编码规则中的二值码编码模板，其中，所述二值码编码模板中包括预设个数的编码位，各个编码位具有与其唯一对应的编码模式，且所述二值码编码模板中的各个编码位之间具有预设的顺序关系。就是说，当规则包含多个编码模式时，在规则对应的二值码中，该模式位对应的编码为1。若想要表达的规则中的几个子条件之间是“或”的关系，采用此编码规则就会出现问题。虽然可以将这样的条件单独的作为一个编码模式，但是，当子条件的逻辑表述较为复杂时，子条件的匹配几乎与规则的开销相当，并不能起到很好的优化效果。在医疗行业，同种疾病对应的病人情况多种多样，需要的判断逻辑也较为复杂，会出现各种“与”、“或”、“非”的条件组合，上述实例的规则匹配方法及装置并不能很好地适用于该情景，其实现不便于辅助诊断方面的应用。

因此，本领域的技术人员致力于开发一种能针对复杂的业务规则进行快速计算的技术方案。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于规则推理引擎的疾病辅助判别方法和系统。

为实现上述目的，本发明提供了一种基于规则推理引擎的疾病辅助判别方法，包括：

第一步骤：利用规则推理引擎，对规则库中的规则进行解析，将规则库中的规则表达式转换为由变量组合的布尔逻辑表达式，其中每个变量代表规则中一个最基本的原子条件，原子条件表示不包含布尔运算，同时将所有涉及到的原子条件存放在原子条件集中；

第二步骤：接收需要进行规则匹配的数据实例；

第三步骤：针对该数据实例，计算出第一步骤中原子条件集中每个原子条件的结果，并将结果与第一步骤中的变量对应起来；然后将第一步骤中得到的布尔表达式中的变量的值代入，利用预定的统一的表达式计算函数计算出结果，以获取规则条件部分的匹配情况；

第四步骤：利用计算出的结果，对于规则库中匹配的规则，按照预定的权重分配方式进行排序，将权重较高的规则的操作结果返回用户，并将权重较高的规则相应的医学信息作为推理结论中疾病相应的诊断标准返回给用户。