模糊粗糙集與模糊積分在醫(yī)學情報中的應用.pdf

1、對患者進行治療是一個比較模糊的過程，它通常無法用一些準確的詞語或數(shù)字來描述，這也是人們在看病時傾向于找有經(jīng)驗的醫(yī)生的原因。然而由于治療過程中病人的各項體征異常程度是一組由醫(yī)生給出的評判值，客觀上無法保證數(shù)值完全精確，因此要構建醫(yī)學模糊決策模型，就需要將善于處理不確定性信息的理論和技術作為醫(yī)學決策的設計基礎。本文所研究的醫(yī)學信息與情報主要是指患者的各項體征數(shù)據(jù)和體征間共同作用的情況。利用粗糙集和模糊集合理論在處理模糊信息方面都擁有各自的特

2、色和優(yōu)勢，將理論和醫(yī)學實際問題相結(jié)合研究，一方面應當考慮各癥狀的重要性，另外也要關注患者自身的具體情況。換言之，對病情的診斷就轉(zhuǎn)化為如何發(fā)掘各體征的致病程度和其具體表現(xiàn)之間的關系問題。而描繪和分析這種關系，就是本文研究的醫(yī)學模型的關鍵。
　　 非可加測度是對兩種因素共同作用于某問題所產(chǎn)生的效果變化的一種數(shù)學描述。兩種因素對問題的決定作用不是簡單的等于兩因素分別作用于該問題所產(chǎn)生的效應之和。兩因素共同作用的效應之和大于二者單獨作用

3、的效應之和稱之為相乘作用，即積極作用；反之即為消極作用，相互抵消。在模糊決策模型中，非可加測度主要用于描述體征間共同作用對疾病的致病效果的變化。
　　 本模糊決策模型將粗糙集和模糊積分理論結(jié)合起來，利用粗糙集無需先驗知識的特點，對數(shù)據(jù)進行預處理，去掉多余屬性形成相應的規(guī)則。然后將得到的規(guī)則進行模糊化處理，用模糊集形式的規(guī)則與患者的癥狀集進行相應的模糊運算，以運算結(jié)果作為判別病癥種類的依據(jù)。
　　 對于某些可以進一步劃分類

4、別的疾病，如某類腫瘤可能包含多個亞型病癥情況，其區(qū)別往往表現(xiàn)為一些特定指標的差異。相比于粗糙集而言，模糊積分在處理連續(xù)型數(shù)據(jù)特別是對各分類指標進行綜合評判上有著獨特的優(yōu)勢。模型利用兩種方法求解評判結(jié)果，一是使用Sugeno積分，即利用S積分從最小中取最大的特點，從各組指標中選取評判值最大的一組作為評價該類疾病的依據(jù)。另外使用w’積分，作為Wang積分的逆求解形式，w’積分把Wang積分中對因素間最優(yōu)作用情況的求解轉(zhuǎn)變?yōu)榍蠼庖蛩亻g最劣情況