预览加载中,请您耐心等待几秒...
1/7
2/7
3/7
4/7
5/7
6/7
7/7

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113555130A(43)申请公布日2021.10.26(21)申请号202110823977.3(22)申请日2021.07.21(71)申请人杭州甘之草科技有限公司地址310000浙江省杭州市滨江区西兴街道聚工路11号7幢1层110室(72)发明人薛江涛(74)专利代理机构绍兴市寅越专利代理事务所(普通合伙)33285代理人堵烨辉(51)Int.Cl.G16H70/20(2018.01)G16H50/70(2018.01)G16H20/90(2018.01)权利要求书1页说明书3页附图2页(54)发明名称一种基于案例推理的中医临床决策支持系统的构建方法(57)摘要本发明提供一种基于案例推理的中医临床决策支持系统的构建方法,包括案例表示:在中医临床数据仓库中以已有的中医临床经验作为基础案例,将诊疗经验中的症状、诊断、药物提取为案例的属性,案例检索:定义合适的相似度算法,根据相似度算法在案例库中检索相似的案例,案例修正:将检索得到的相似的案例与新问题进行对比,如果该案例的问题与新问题的描述一致,则该案例的解无需修改可直接用于解决新问题;若该案列的问题描述与新问题的描述有出入,则需要适当修改以适应新问题;案例学习与维护:将案例修正后得到的解与其解决的新问题相结合并加入案例库,本发明提供了一种易于得出结论的基于案例推理的中医临床决策支持系统的构建方法。CN113555130ACN113555130A权利要求书1/1页1.一种基于案例推理的中医临床决策支持系统的构建方法,其特征在于,包括如下:(1)案例表示:在中医临床数据仓库中以已有的中医临床经验作为基础案例,将诊疗经验中的症状、诊断、药物提取为案例的属性;(2)案例库构建:每个临床案例由用户信息表、案例基本信息表、案例就诊信息表、案例症状表、案例字典表、案例诊断表、诊断字典表、案例方剂表、案例中药表、案例西药中成药表和案例疗效相互关联而成,其中案例就诊信息表是连接案例与临床案例的中间表,每个案例对应多个就诊ID,每个就诊ID对应一个临床案例,每个临床案例的信息由案例症状表、案例诊断表、案例方剂表、案例中药表和案例西药中成药表组成,其中,案例症状表和案例诊断表分别关联各自的字典表,根据上述方法将现有的临床案例录入系统,形成案例库;(3)案例检索:定义合适的相似度算法,根据相似度算法在案例库中检索相似的案例;(4)案例修正:将检索得到的相似的案例与新问题进行对比,如果该案例的问题与新问题的描述一致,则该案例的解无需修改可直接用于解决新问题;若该案列的问题描述与新问题的描述有出入,则根据两个案例的问题描述差异,判断已有的完整案例的解决方案部分地方可以重用,部分地方需要适当修改以适应新问题;(5)案例学习与维护:将案例修正后得到的解与其解决的新问题相结合,形成一个新的完整的案例,并将新得到的案例加入案例库。2.根据权利要求1所述的一种基于案例推理的中医临床决策支持方法,其特征在于:步骤(1)中每个案例由五个属性组成包括:病人的基本信息、病人的四诊信息、医生诊断集、医生处方集、诊疗方案的疗效。3.根据权利要求1所述的一种基于案例推理的中医临床决策支持方法,其特征在于:步骤(3)中的修改方式包括增加、删除、替换和改造。4.根据权利要求1所述的一种基于案例推理的中医临床决策支持方法,其特征在于:步骤(5)中新案例加入案例库的标准由系统研发者和相关领域专家决定或者制定通用标准。2CN113555130A说明书1/3页一种基于案例推理的中医临床决策支持系统的构建方法技术领域[0001]本发明涉及医学技术领域,具体为一种基于案例推理的中医临床决策支持系统的构建方法。背景技术[0002]目前中医临床决策支持系统的主要实现方法有以下几种:(1)基于规则推理的方法(市面主流),该方法主要基于IF_THEN规则。而基于此种方法实现的系统,多由三部分组成‑‑‑知识库、推理引擎和交流机制。知识库存储编译后的相关医学数据的规则;推理引擎将病人的信息与知识库中的规则相结合;交流机制为用户提供一个良好的交互界面,以供用户输入信息及查看系统的反馈结果。基于规则的优点是效率高。存储空间相对较小和知识库容易构造;而缺点是推理复杂、知识获取困难、表述规则难度大以及存在知识瓶颈,并且维护很困难。(2)基于机器学习的方法,该方法主要基于临床数据构建出相应的模型。而鉴于贝叶斯因果推理与医学推断的相似性,使得贝叶斯模型在医学领域具有典型的适用性。基于机器学习模型的方法适用于知识不清楚的领域,相比于基于规则的方法,该方法降低了知识表示与抽取的难度,而系统的性能则取决于机器学习模型本身的性能及所依赖数据的质量和涵盖度,基于上述两种方法的缺陷,本案由此而生。发