[发明专利]基于马尔科夫逻辑网的院内感染定植排查智能推理方法

说明书

本发明公开了一种基于马尔科夫逻辑网的院内感染定植排查智能推理方法，该方法包括：利用SQL server在LIS数据库中完成病人病原菌数据的收集，确定需定植排查的病人；将案例库中的疾病作为先验知识和《医院感染诊断标准》一起加入到背景知识中；釆用归纳逻辑程序(ILP)技术智能学习诊断规则，其中通过启发函数找到最优特征从而形成诊断规则集；采用信息抽取技术和SQL语句归纳整理院内感染诊断的一阶规则和规则数量；在HIS数据库中使用SQL语句计算每一规则的权重；利用马尔科夫逻辑网推理技术，完成院内感染的推理诊断。本发明基于马尔科夫逻辑网的院内感染定植排查智能推理方法，具有较高的诊断判断准确率。

技术领域

本发明涉及一种基于马尔科夫逻辑网的院内感染定植排查智能推理方法，具体涉及一种基于医院信息系统的、使用马尔科夫逻辑网进行院内感染定植排查智能推理的人工智能处理方法，属于医学知识推理技术领域。

背景技术

院内感染的判定有其特定的复杂性和不确定性，其中定植的排查尤为突出。大多数定植菌对人体并无害处，且可与人体和谐共生，但当人体抵抗力下降时，一些定植菌可大量繁殖并导致感染。而目前，院内感染使用的软件以关系/逻辑表示的一阶谓词逻辑为主，用以紧凑表达领域知识和有效处理逻辑问题。一阶逻辑知识库是在一系列可能的世界上加上了一套硬约束：哪怕只与一条规则冲突也不行。但现实医学诊断中由于病人的病情千差万别，诊断存在大量的不确定性。使用马尔科夫逻辑网能健全地处理不确定性、容许有瑕疵甚至矛盾的知识库，降低脆弱性。它是每个规则或语句都有权重的一阶逻辑知识库，其中常数代表库中对象。每个规则都和一个反映其约束强度的权重关联；在其它情况一样的前提下，权重越高的，满足和不满足此规则的事件的对数概率差就越大。通过这种方法可以很大程度提高院内感染诊断的准确率，协助医生临床的诊疗。

发明内容

本发明所要解决的技术问题是提供一种基于马尔科夫逻辑网的院内感染定植排查智能推理方法。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于马尔科夫逻辑网的院内感染定植排查智能推理方法，包括以下具体步骤：

步骤1，完成病人病原菌数据的收集，确定需定植排查的病人；

步骤2，将案例库中的疾病作为先验知识和《医院感染诊断标准》作为背景知识；

步骤3，基于步骤2中的先验知识和背景知识，釆用归纳逻辑程序ILP技术智能学习诊断规则，其中通过启发函数找到最优特征，从而形成诊断规则集；

步骤4，采用信息抽取技术和SQL语句归纳整理院内感染诊断的一阶规则和规则数量；

步骤5，在HIS数据库中使用SQL语句计算每一规则的权重；

步骤6，利用马尔科夫逻辑网推理技术，完成院内感染的推理诊断。

作为本发明的进一步技术方案，利用SQL server在LIS数据库中完成病人病原菌数据的收集。

作为本发明的进一步技术方案，步骤1中收集到的病原菌包括：白色假丝酵母、鲍曼不动杆菌、大肠埃希菌、肺炎克雷伯菌肺炎亚种、肺炎链球菌、金黄色葡萄球菌、近平滑假丝酵母菌、雷氏普罗威登斯菌、鲁氏不动杆菌、葡萄球菌、奇异变形菌、热带假丝酵母菌、屎肠球菌、嗜麦芽窄食单胞菌、铜绿假单胞菌、阴沟肠杆菌阴沟亚种和粘质沙雷菌。

作为本发明的进一步技术方案，步骤3具体为：