醫(yī)學(xué)知識獲取與發(fā)現(xiàn)的研究.pdf

1、醫(yī)學(xué)知識自動獲取與發(fā)現(xiàn)對醫(yī)學(xué)研究分析具有重要現(xiàn)實意義,是解決"數(shù)據(jù)豐富,知識貧乏"問題,提高醫(yī)學(xué)工作者知識水平的關(guān)鍵性技術(shù).該文提出了融基于知識編輯器的知識獲取系統(tǒng)和基于數(shù)據(jù)挖掘技術(shù)的知識發(fā)現(xiàn)系統(tǒng)于一體的醫(yī)學(xué)知識獲取與發(fā)現(xiàn)系統(tǒng)構(gòu)架.以糖尿病及并發(fā)癥為研究實例,構(gòu)建了一套完整的解決方案.方案包含了知識編輯和知識挖掘技術(shù)的各個功能模塊;在完成醫(yī)學(xué)數(shù)據(jù)的冗余性消除、規(guī)范化儲存以及數(shù)據(jù)無縫融合與共享等任務(wù)后,實現(xiàn)知識歸納、提取及冗余性知識消除與

2、可視化表達等功能.利用"知識編輯"把醫(yī)學(xué)知識整理成系統(tǒng)模型,并把它作為數(shù)據(jù)挖掘的原始參考."知識挖掘"和"知識編輯"兩種技術(shù)相互印證,互為補充構(gòu)成本論文的目標.該課題工作重點在定性數(shù)據(jù)的關(guān)系挖掘、定量數(shù)據(jù)的聚類分析以及知識的可視化模型化表達等方面.除了構(gòu)建醫(yī)學(xué)知識獲取與發(fā)現(xiàn)系統(tǒng)框架外,討論了關(guān)聯(lián)模型、Rough信息決策模型等定性數(shù)據(jù)的定量化挖掘方法以及人工神經(jīng)網(wǎng)絡(luò)、模糊聚類分析等定量數(shù)據(jù)挖掘的技術(shù);改進了數(shù)據(jù)挖掘理論中的關(guān)聯(lián)模型:針對知

3、識規(guī)則的冗余性問題,提出運用集合的Apriori性質(zhì),以逆向遞歸方式消減冗余規(guī)則;參照多尺度分析的概念,增加了次級支持度的參數(shù),用條件置信度閾值均衡知識規(guī)則的質(zhì)和量,減少數(shù)據(jù)挖掘過程中丟棄的知識規(guī)則.在知識表達方法中引入圖論中的生成樹的形式;同時嘗試用統(tǒng)一建模語言實現(xiàn)面向計算機的知識表達;探討模型化解析化方式實現(xiàn)現(xiàn)有文本知識的精化和融合,以糖尿病數(shù)據(jù)分析為實例,設(shè)計并實現(xiàn)基于知識編輯器的交互式知識獲取系統(tǒng).上述工作在糖尿病并發(fā)癥流行病學(xué)