CN101751509A - 一种猪病诊断系统和方法 - Google Patents
一种猪病诊断系统和方法 Download PDFInfo
- Publication number
- CN101751509A CN101751509A CN200810239519A CN200810239519A CN101751509A CN 101751509 A CN101751509 A CN 101751509A CN 200810239519 A CN200810239519 A CN 200810239519A CN 200810239519 A CN200810239519 A CN 200810239519A CN 101751509 A CN101751509 A CN 101751509A
- Authority
- CN
- China
- Prior art keywords
- disease
- symptom
- swine
- swine disease
- pig
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及一种猪病诊断系统及其方法,属于信息处理技术范围。该系统主要包括:诊断数据存储装置、可信度获取装置及诊断装置。此系统还包括辅助数据存储装置;病历管理装置,系统管理装置。该诊断系统使用简单方便,诊断准确率高,速度快,具有很强的科学性、先进性和实用性;系统诊断方法多样,辅助功能强大。该诊断系统适用范围广,不仅适用于各类养猪场和兽医诊疗部门,也适用于各饲料厂、兽药厂、饲料兽药经销商等进行售后服务使用。该猪病诊断系统的推广将大大提高基层兽医的临床诊断水平,产生很大的社会效益和经济效益,为畜牧业生产提供强有力的保障。
Description
技术领域
本发明属于信息处理技术范围,涉及一种猪病诊断系统和方法。
背景技术
自20世纪60年代中期,美国Feigenbaum推出世界上第一个专家系统(DENDRAL)以来,专家系统的研制已遍及各个领域。1984年于船等就用电子计算机对家畜21种病证进行辨证施治,属国内中兽医领域首次尝试。1994年,陆钢家等对张克家等设计的猪常见腹泻病电子计算机诊断专家系统进行病例回顾验证,选择1980年1月至1992年10月近12年来国内13种畜牧兽医杂志上所记载的属于“猪拉稀”病类的病例95例,北京农业大学兽医诊断室1986年3月至1991年12月所记载的属于此类的病例15例,并计110例。然后将110例病例中的诊断信息逐个输入电子计算机,用专家系统进行回顾性诊断,以验证本系统的实用性和正确性,结果完全符合和基本符合的共有87例,占79.09%。类似的猪病诊断专家系统在我国已经有2至3种产品,在个别养猪场得到了应用,但并没有推广到广大农村中小规模养猪农户。据农业部畜牧业司统计,我国2005年出栏的6.61亿头商品猪中,全国年出栏50头以下生猪的小规模饲养比重占62.8%,但每年因猪群健康管理不当、疾病发生后未及时处置给这些养殖户带来巨大的经济损失。猪病专家系统没能在这些养猪农户推广开的主要原因是现有猪病诊断专家系统的方便性不够,功能不强,诊断准确率不高等问题。所以在开发猪病诊断专家系统时,一方面要重视系统的方便实用性,提高诊断准确率,另一方面还要重视运行终端的方便性。
发明内容
本发明提供了一种猪病诊断系统和方法,以克服现有技术中方便性不够,功能不强,诊断准确率不高的缺陷。
本发明的一种猪病诊断系统,包括:诊断数据存储装置,用于存储猪病病名及对应的症状;可信度获取装置,用于根据猪病的症状,采用层次分析法对猪病症状的发生概率进行模糊综合评判和聚类分析,并根据症状的发生概率获取猪病的可信度;诊断装置,用于根据用户观察到的症状,与所述诊断数据存储装置存储的猪病的病名、症状及获取的可信度,对猪病进行诊断。
其中,所述诊断装置包括:多症状组合诊断单元,用于根据相应病组及用户观察到的病猪的一系列症状,诊断出猪病的病名和发病概率;主要症状诊断单元,用于根据相应病组、用户观察到的病猪的主要症状及至少一个相关症状,诊断出猪病的病名和发病概率;怀疑病名诊断单元,用于根据相应的猪病分类、用户怀疑病名和用户观察到的病猪的症状,诊断出猪病的病名和发病概率。
其中,所述病组包括:常见易发症状组,皮肤身体症状组,呼吸系统症状组,消化系统症状组,神经运动系统症状组,繁殖系统症状组,心、脑病变症状组,肝、胆、脾、肾病变症状组,胃、肠病变症状组,胸、肺、气管病变症状组,肌肉、骨骼病变症状组和解剖的其他病变症状组。
其中,所述猪病分类包括:猪的病毒性传染病,猪的细菌性传染病,猪的寄生虫病,猪的中毒病,猪的营养缺乏和代谢病,猪的内科病,猪的外科病,猪的产科病。
其中,所述系统还包括辅助数据存储装置,用于存储猪病详情、症状图谱、兽药知识和/或猪病视频的数据。
其中,所述系统还包括:病历管理装置,用于新建病历、修改病历、查询病历、打印病历、删除病历;系统管理装置,用于用户管理、密码修改和疾病信息维护。
本发明还提供一种猪病诊断方法,其特征在于,所述方法包括以下步骤:获取用户观察到的症状;根据症状的发生概率获取猪病的可信度;根据猪病的病名、症状及可信度,诊断出猪病的病名和发病概率。
其中,所述根据症状的发生概率获取猪病的可信度的步骤,具体包括:采用层次分析法对症状发生概率进行聚类;根据模糊集合论将症状发生的概率划分为几个概率集合;根据公式
其中,Di为猪病i的可信度的和值;m为猪病症状;K为猪病所有罗列的主要症状数;CF为猪病症状m对猪病i的可信度;n为系统能诊断的猪病的个数。
其中,所述根据猪病的病名、症状及可信度,诊断出猪病的病名和发病概率的步骤,具体包括:根据相应病组及用户观察到的病猪的一系列症状,诊断出猪病的病名和发病概率;或根据相应病组、用户观察到的病猪的主要症状及至少一个相关症状,诊断出猪病的病名和发病概率;或根据相应的猪病分类、用户怀疑病名和用户观察到的病猪的症状,诊断出猪病的病名和发病概率。
其中,所述方法还包括病历管理和系统管理步骤,所述病历管理步骤具体包括新建病历、修改病历、查询病历、打印病历、删除病历的步骤;所述系统管理步骤具体包括用户管理、密码修改和疾病信息维护的步骤。
与现有技术相比,本发明的技术方案具有如下优点:
该诊断系统的诊断准确率高,速度快,经过大量病历验证,诊断准确率高达95%以上。具有很强的科学性、先进性和实用性;另外,本发明诊断方法多样,系统设计三种诊断方案选择:多症状组合诊断法、根据主要症状诊断法和根据怀疑病名诊断法,用户可以根据自己情况灵活选用;进一步,本发明辅助功能强大,辅助工具包括疾病详情、症状图谱、兽药知识和猪病视频四个部分。单机版本还具有病历管理和系统管理功能。
附图说明
图1是本发明的一种猪病诊断系统的结构图;
图2是本发明的一种猪病诊断方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明实施例的一种猪病诊断系统的结构如图1所示,包括诊断装置11、可信度获取装置12、诊断数据存储装置13、病历管理装置14、系统管理装置15和辅助数据存储装置16。
诊断装置11用于根据用户观察到的症状,与所述诊断数据存储装置存储的猪病的病名、症状及获取的可信度,对猪病进行诊断。诊断装置11包括多症状组合诊断单元111、主要症状诊断单元112和主要症状诊断单元113。多症状组合诊断单元111用于根据相应病组及用户观察到的病猪的一系列症状,诊断出猪病的病名和发病概率;主要症状诊断单元112用于根据相应病组、用户观察到的病猪的主要症状及至少一个相关症状,诊断出猪病的病名和发病概率;怀疑病名诊断单元113用于根据相应的猪病分类、用户怀疑病名和用户观察到的病猪的症状,诊断出猪病的病名和发病概率。
其中,所述病组包括:常见易发症状组,皮肤身体症状组,呼吸系统症状组,消化系统症状组,神经运动系统症状组,繁殖系统症状组,心、脑病变症状组,肝、胆、脾、肾病变症状组,胃、肠病变症状组,胸、肺、气管病变症状组,肌肉、骨骼病变症状组和解剖的其他病变症状组。所述猪病分类包括:猪的病毒性传染病,猪的细菌性传染病,猪的寄生虫病,猪的中毒病,猪的营养缺乏和代谢病,猪的内科病,猪的外科病,猪的产科病。
可信度获取装置12用于根据猪病的症状,采用层次分析法对猪病症状的发生概率进行模糊综合评判和聚类分析,并根据症状的发生概率获取猪病的可信度。下面对本发明中的可信度进行详细说明:
①产生式规则:产生式的基本结构包括前提和结论两部分:前提(或IF部分)描述状态,结论(或THEN部分)描述在状态存在的条件下所产生的某些动作。它的表示格式为:
如果条件集合成立,则结论成立。
以字符的形式可表示为:IF{A},THEN B
{A}表示若干条件因素的集合,B表示结论因素。条件因素集合中,各条件因素可以是“与”的关系,程序表达上用“and”表示,也可以是“或”的关系,程序表达上用“or”表示,或者是“非”的关系,程序表达上用“not”表示,或都是它们三种关系的组合,例如:
IF A1 and A2 and A3 and...and An,THEN B
表示当A1到An条件均为真时,则B为真;
IF A1 or A2 or A3 or...or An,THEN B
表示当A1到An中只需一个条件为真时,则B为真;
IF notA{n},THEN B
表示当A1到An中条件都不成立时,则B为真;
产生式规则可以很好地表示能分解为因果关系的知识。动物疾病诊断是一个问题的求解过程,主要原理是用观察到的患病动物的症状来确定动物患何种疾病,症状与疾病之间的关系可以表示为因果关系,所以用基于规则的知识表示方法可以很好地表示动物疾病诊断知识。
表示方法为:IF症状THEN疾病
例如:当病猪出现拉稀时,可构建如下的产生式规则:
IF(猪龄=1周龄内)and(粪便=黄色水样)THEN仔猪黄痢
②可信度的引入:
猪病诊断知识的数量是相当大的,有些疾病的症状可能有数十个之多,并且经常出现多个疾病具有共同症状的情况,这给我们书写疾病诊断规则带来了相当大的困难,一是规则数量相当多,因为每种疾病症状的出现随动物的个体状况、疾病的发生时间和环境因素的不同而不同,我们要实现疾病的正常诊断,就需要对各种可能以规则的形式表示出来,更多的情况下症状和疾病的发生之间的关系存在着症状的排列组合问题,所以要表示清楚疾病与症状之间的关系还是有很大困难的,而且如果要完成这样的工作,规则的数量将是无法预期的,另外,疾病之间存在共同症状的情况,使我们在遇到一组症状可以作为多个疾病的诊断条件时无法一步的处理,我们无法确定应该启用哪一条规则,根据一条规则我们可得到若干假设结论,在临床上专家可根据经验对假设结论进行取舍,而专家系统必须对所有假设结论进行验证,这样的验证过程会大大降低系统的效率。
那么我们对规则进行了一定的扩展,即在产生式规则中引入可信度(CF)来限定规则搜索和计算的顺序。规则的可信度又称为确定性因子、规则强度,描述的是规则条件对结论的支持程度,对于猪病诊断知识就是表示症状对疾病的支持程序,即症状存时疾病的发生概率。引入可信度后,产生式规则可表示为:
IF症状THEN疾病CF;
这里的症状是一个单一的症状,CF是在症状存在的情况下,疾病的发生概率,用这种方法我们就可以表示同一症状对不同疾病的支持程度,如下例所示:
IF(猪龄=1周龄内)and(粪便=黄色水样)THEN仔猪黄痢CF=0.6
产生式规则的缺点是欠缺体现知识之间结构的能力,只能实现线性的推理过程。可信度的引入是对产生规则的扩展,可信度的赋值依据是症状存在的情况下,疾病的发生概率,也就是规则中条件对结论的支持程度。可信度的引入对于系统的推理性能和推理效率是至关重要的,通过对可信度进行限定或赋值可描述规则之间的关系,体现疾病诊断知识结构,限定推理条件,控制推理方向,提高推理效率。
③可信度赋值方法
鉴于猪病诊断知识的不确定性和模糊性,我们采用模糊集合理论对知识进行模糊处理,即采用层次分析法对猪病症状的发生概率进行模糊综合评判和聚类分析,然后根据症状的发生概率对可信度赋值。
(A)症状发生概率的模糊处理:当动物发生疾病时,症状在发病动物群中的出现概率在0-1之产。当某病发生时,如果症状在动物群中的出现概率高,说明该症状对疾病的支持程度高,当该症状发生时,所对应的疾病发生概率也相应高,所以可根据症状出现的频率来确定可信度值。
根据层次分析法,当一个事件的发生概率在一定范围变化时,产生的影响或作用不变,所以采用层次分析法对症状发生概率进行聚类。同时根据模糊集合论将症状发生的概率划分为几个概率集合,每个概率集合包含的各概率意义和作用相同,而概率集合的划分依据来自专家经验。如表1所示:
表1
概率集合 | 概率集合内症状的意义 |
0 | 疾病发生时不出现的症状 |
0-0.3 | 在少数病例中出现,但能单独作为诊断依据 |
0.3-0.5 | 在小部分病例中出现,具有一定的诊断意义,在缺少高概率症状时可以作为诊断依据。 |
0.5-0.9 | 可发生于多数病例,为示病症状,可以作为诊断依据。 |
0.9以上 | 可发生于绝大多数病例,可判定该症状为典型示病症状,可作为诊断的主要依据。 |
根据专家经验,当某些症状0-0.3之间的症状在少数病例中出现,对于诊断有一定参考价值,但不能单独作为诊断依据。发生频率处于0.3-0.5之间的症状在小部分病例中出现,具有一定的诊断意义,在缺少高概率症状时可以作为诊断依据。发生频率处于0.5-0.9之间的症状可发生于多数病例,为示病症状,可以作为诊断依据。发生频率处于0.9以上的症状可发生于绝大多数病例,可判定该症状为典型示病症状,可作为诊断的主要依据。
根据层次分析法选择某个具有代表性的概率值代表各概率集合内的所有概率,即概率0.1代表面0-0.3之间的根率集合;0.4代表0.3-0.5之间的概率集合;0.7代表0.5-0.9之间的概率集合;1代表0.9以上的概率集合,从而达到症状发生概率的模糊处理。
(B)可信度的计算方法:由于采用产生式规则知识表示方法,疾病诊断的推理过程可描述为当某一些症状出现时,系统通过推理计算动物患某种疾病的概率大小的过程。猪病诊断专家系统的知识表示方法为:
IF E THEN H(CF(H.E))
其中,E是知识的前提条件,即症状;H是结论,即疾病;CF(H,E)是该条知识的可信度。由于采用以上知识表示方法,疾病诊断的推理过程可描述为当某一些症状出现时,系统通过推理计算动物患某种疾病的概率大小的过程。在概率的计算中,假设A表示症状,B表示疾病,则P(B/A)表示当具有A症状时,疾病B发生的概率,P(A/B)表示患疾病B时,症状A发生的概率。那么根据贝叶斯公式(1):
来确定一组症状A1,A2,...Ak出现时,动物患疾病Bj的概率。
在推理过程中,将概率计算结果中值最大的疾病B作为诊断的中间结果或结果。在公式(2)中,所有疾病诊断推理过程中的分母都是相同的,所以为了简化推理过程中的运算量,将公式(2)简化为公式(3)Pi=P(Bi).P(A1/Bi).P(A2/Bi)...P(Ak/Bi)(3)的形式:
在知识库设计中,考虑到动物患各种疾病的可能性高低不同,对疾病做了分类,分为常发病、次常发病、少发病和罕发病,每类病对应于不同的发生概率P,另外,在同一类疾病中,对各个疾病根据发生的频率不同再次进行排序,以解决在推理过程中当出现相同概率计算值时,系统决定规则的优先匹配问题。
由于概率计算后的值很小,所以我们按照陈铮等提出的采用10[lgP(A/B)+1]的形式对系统的概率进行换算,将该计算值四舍五入折算成整数作为概率的可信度CF,则CF的取值范围为:-10≤CF≤10。为了在推理过程中计算方便,我们采用公式(4)的算法进行疾病发生可信度值的计算方法:
其中,Di为猪病i的可信度的和值;m为猪病症状;K为猪病所有罗列的主要症状数;CF为猪病症状m对猪病i的可信度;n为系统能诊断的猪病的个数
疾病发生概率的可信度(CF)的取值呈正态分布,如果CF处于-10~0之间,表示该症状的发生对疾病发生无意义,即疾病发生时不发生该症状,我们只考虑疾病本身具有的症状对诊断的贡献,只针对这些症状赋值,所以CF的范围由-10≤CF≤10变为O≤CF≤10,这样处理可以使计算简单化,提高推理效率
诊断数据存储装置13用于存储猪病病名及对应的症状。
病历管理装置14用于新建病历、修改病历、查询病历、打印病历、删除病历。
系统管理装置15用于用户管理、密码修改和疾病信息维护。在猪病信息维护功能中,用户可以根据自己的经验和实际情况修改和保存自己的知识库,方便用户查阅和学习。
辅助数据存储装置16用于存储猪病详情、症状图谱、兽药知识和/或猪病视频的数据。猪病详情是指每种猪病的概述、病原、流行病学、临床症状、病理变化、诊断鉴别和防治措施,这部分知识主要借鉴权威书籍和兽医专家的临床防治心得。症状图谱与症状描述相对应,从而更加直观生动地表现症状,这方面的知识主要进行搜集,整理,图片修整,图片描述等,其中猪病症状图片共734张。猪病视频为搜集和整理以视频方式讲解猪病,视频相对于文字和图片更加生动直观,是了解和学习猪病知识的有力工具,共整理猪病视频7段。
本发明实施例的一种猪病诊断方法如图2所示,包括以下步骤:
步骤s201,获取用户观察到的症状。
步骤s202,根据症状的发生概率获取猪病的可信度。具体包括:
采用层次分析法对症状发生概率进行聚类;
根据模糊集合论将症状发生的概率划分为几个概率集合;
其中,Di为猪病i的可信度的和值;m为猪病症状;K为猪病所有罗列的主要症状数;CF为猪病症状m对猪病i的可信度;n为系统能诊断的猪病的个数。
步骤s203,根据猪病的病名、症状及可信度,诊断出猪病的病名和发病概率。具体包括:多症状组合诊断法:根据相应病组及用户观察到的病猪的一系列症状,诊断出猪病的病名和发病概率;主要症状诊断法:根据相应病组、用户观察到的病猪的主要症状及至少一个相关症状,诊断出猪病的病名和发病概率;怀疑病名诊断法:根据相应的猪病分类、用户怀疑病名和用户观察到的病猪的症状,诊断出猪病的病名和发病概率。下面分别对三种方法进行具体说明;
1、多症状组合诊断法
专家系统将我国已发现的142种猪病的易发症状详细划分为12个症状组,即常见易发症状组,皮肤身体症状组,呼吸系统症状组,消化系统症状组,神经运动系统症状组,繁殖系统症状组,心、脑病变症状组,肝、胆、脾、肾病变症状组,胃、肠病变症状组,胸、肺、气管病变症状组,肌肉、骨骼病变症状组和解剖的其他病变症状组。每症状组下的症状条目都尽可能配有患病猪的症状图片,用户在诊断时根据患病猪的症状先点击进入相应病组,选取专家系统给出的与用户观察到病猪相符的一系列症状,然后按“诊断”按钮,专家系统就会给出诊断结果,诊断出病猪可能患有疾病的病名和发病概率,且专家系统会提示用户,为了达到确诊用户应该仔细观察是否有的其他症状,如果有与用户诊断的病猪相符的症状可再次选取,执行再次诊断,如此反复,用户就会得到专家系统给用户的准确结果。同时专家系统还提供给用户疾病的详细情况、防治措施和彩色症状图谱,便与用户了解和学习。
根据多症状组合诊断法诊断猪病实例如下:
有一窝仔猪,两周龄,刚开始观察到的病症是:①吃奶减少或不吃;②消瘦;③怕冷、聚压一起;④排白色糊状稀粪、有腥臭味。其患病比例大于10%,死亡率小于5%,体温变化不明显,刚开始也没有做病理解剖观察。现在我们就利用专家系统的多症状组合诊断法进行诊断。
步骤1:进入专家系统后,点击“疾病诊断”菜单,然后点击“多症状组合诊断法”或直接在常用工具栏内点击“多症状法”,都可进入多症状组合诊断法窗口
步骤2:在多症状组合诊断法窗口中,我们首先选择相应的发病日龄、患病比例、死亡率和体温变化。然后点击左下面的常见易发症状按钮,在中间待选症状中找到“采食减少或不食”双击或先单击选中,然后点击“选取”按钮,都能完成选取操作。消瘦;怕冷、聚压一起;排白色糊状稀粪、有腥臭味症状用同样的选取方法,大部分症状专家系统还配有图谱,通过右上方小窗口显示出来。选出的症状会显示在“已选症状”窗口中
步骤3:在多症状组合诊断法窗口中,点击诊断按钮,专家系统就会给出诊断结果,如下图所示。从诊断结果我们可以看出猪患仔猪白痢的发病概率为62%,患猪球虫病的发病概率为34%,患猪皮炎的发病概率为32%,患猪食道口线虫病的发病概率为30%,患猪胃线虫病的发病概率为29%。
步骤4:专家系统会在猪可能所患疾病的后面提示“为达到确诊,请您再注意观察有无以下症状”,假设我们发现病猪还有精神沉郁、嗜睡和寒战症状,我们在下面选中,选中时前面会有对号,字体颜色也会变浅,执行“再次诊断”按钮,专家系统就会作出再次诊断并给出诊断结果,如下图所示。从诊断结果我们可以看出猪患仔猪白痢的发病概率为74%,患猪球虫病的发病概率为34%,患猪皮炎的发病概率为32%,患猪食道口线虫病的发病概率为30%,患猪胃线虫病的发病概率为29%。
步骤5:执行再次诊断后,从诊断结果我们可以看出猪患仔猪白痢的发病概率已为74%,我们可以初步断定猪患了仔猪白痢,如果您对病理解剖也熟悉的话,可以解剖几只刚死亡或病情严重的猪来观察一下它们的典型病理变化,假如经过解剖几只病猪发现它们的胃内有奶和凝乳块、肠内充盈气体,我们选中该症状,同样执行再次诊断,专家系统就会第三次作出诊断并给出诊断结果,如下图所示。从诊断结果我们可以看出猪患仔猪白痢的发病概率为95%,这时我们基本上可以断定猪群患了仔猪白痢。
步骤6:在诊断结果窗口中点击“防治措施”按钮,专家系统就会弹出仔猪白痢的防治措施,如下图所示。在该窗口中还可以查看“疾病描述”和“症状图谱”切换窗,还可以通过左下方“保存到病历库”、“页面设置”、“打印预览”和“关闭”按钮执行相应操作。
2、根据主要症状诊断法
同多症状组合诊断法类似,专家系统将我国已发现的142种猪病的易发症状详细划分为12个症状组,每症状组下的症状条目都尽可能配有患病猪的症状图片,用户在诊断时根据患病猪的主要症状进入相应病组,选取专家系统给出的与用户观察到病猪相符的主要症状,专家系统右边窗口会给出与主要症状相关的其他症状,用户需要至少选择一个相关症状,专家系统才能进行诊断,按“诊断”按钮,专家系统就会给出诊断结果,诊断出病猪可能患有疾病的病名和发病概率,且专家系统会提示用户,为了达到确诊用户应该仔细观察是否有的其他症状,如果有与用户诊断的病猪相符的症状可再次选取,执行再次诊断,如此反复,用户就会得到专家系统给用户的准确结果。同时专家系统还提供给用户疾病的详细情况、防治措施和彩色症状图谱,便与用户了解和学习。
根据主要症状诊断法诊断猪病实例如下:
有一群青年母猪,观察到主要症状是耳部、体表皮肤呈蓝紫色,此外还有不吃食,腹泻,呼吸困难,眼睑水肿,打喷嚏等。我们根据主要症状诊断法来诊断该猪病。
步骤1:进入专家系统后,点击“疾病诊断”菜单,然后点击“根据主要症状诊断法”或直接在常工具栏内点击“主要症状”,都可进入根据主要症状诊断法窗口。
步骤2:在根据主要症状诊断法窗口中,我们首先点击左边症状分组中“皮肤身体症状”按钮,在中间“请选择主要症状”列表中找到耳部、体表皮肤呈蓝紫色并单击,则在右边“请选择相关症状”窗口中会显示与主要症状相关的症状列表,我们选中“母猪、青年母猪、公猪”,“吃食减少或不食”,“眼睑水肿”,“呼吸困难”,“喷嚏”,“一般腹泻”症状,选中时前面复选框中会出现对号钩。
步骤3:在根据主要症状诊断法窗口中,点击诊断按钮,专家系统就会给出诊断结果,如下图所示。从诊断结果我们可以看出猪患繁殖和呼吸障碍综合征的发病概率为36%,患猪产褥热的发病概率为27%,患猪结肠小袋虫病的发病概率为17%,患猪鼻炎的发病概率为17%,患猪感冒的发病概率为16%。
步骤4:同多症状组合诊断法一样,专家系统会在猪可能所患疾病的后面提示“为达到确诊,请您再注意观察有无以下症状”,用户可以根据自己实际情况进行操作,在此不再重复。
步骤5:在诊断结果窗口中点击“防治措施”按钮,专家系统就会弹出猪繁殖和呼吸障碍综合征等的防治措施,如下图所示。在该窗口中还可以查看“疾病描述”和“症状图谱”切换窗,还可以通过左下方“保存到病历库”、“页面设置”、“打印预览”和“关闭”按钮执行相应操作。
3、根据怀疑病名诊断法
专家系统将我国已发现的142种猪病根据致病因素划分为8组,即猪的病毒性传染病,猪的细菌性传染病,猪的寄生虫病,猪的中毒病,猪的营养缺乏和代谢病,猪的内科病,猪的外科病,猪的产科病。用户如果对猪病诊断有一定经验,已经初步诊断出病猪可能所患的疾病,可以采用“根据怀疑病名诊断”的方法进行验证和再次诊断。点击左边用户怀疑病名的相应病组按钮,然后在点击怀疑病名,专家系统右边窗口会给出与该疾病相关的症状,选取与用户观察相符的症状,然后按“诊断”按钮,专家系统就会给出诊断结果,诊断出病猪可能患有疾病的病名和发病概率,且专家系统会提示用户,为了达到确诊用户应该仔细观察是否有的其他症状,如果有与用户诊断的病猪相符的症状可再次选取,执行再次诊断,如此反复,用户就会得到专家系统给用户的准确结果。同时专家系统还提供给用户疾病的详细情况、防治措施和彩色症状图谱,便与用户了解和学习。
根据怀疑病名诊断法诊断猪病实例如下:
有一肥育猪群,只有个别几只出现咳嗽,打喷嚏,流鼻液症状,触诊猪体耳尖、蹄部等身体末梢发凉,猪只没有死亡。我们依据经验判断猪可能是患了感冒,那么我们就可以根据怀疑病名诊断法验证和重新诊断猪所患疾病。
步骤1:进入专家系统后,点击“疾病诊断”菜单,然后点击“根据怀疑病名诊断法”或直接在常工具栏内点击“怀疑病名”,都可进入根据怀疑病名诊断法窗口。
步骤2:在根据怀疑病名诊断法窗口中,我们首先点击左边疾病分组中“猪的内科病”按钮,在中间“请选择怀疑病名”列表中找到猪感冒并单击,则在右边“请选择相关症状”窗口中会显示与该病相关的症状列表,我们选中“生长、肥育猪发病”,“患病比例小于10%”,“死亡率上升小于5%”,“耳尖、蹄部等身体末梢发凉”,“咳嗽”,“喷嚏”,“流鼻液”症状,选中时前面复选框中会出现对号钩。
步骤3:在根据怀疑病名诊断法窗口中,点击诊断按钮,专家系统就会给出诊断结果,如下图所示。从诊断结果我们可以看出猪患感冒的发病概率为56%。因此我们可以初步断定猪患了感冒。
步骤4:在诊断结果窗口中点击“防治措施”按钮,专家系统就会弹出猪感冒的防治措施,如下图所示。在该窗口中还可以查看“疾病描述”和“症状图谱”切换窗,还可以通过左下方“保存到病历库”、“页面设置”、“打印预览”和“关闭”按钮执行相应操作。
本实施例中还包括病历管理和系统管理步骤,所述病历管理步骤具体包括新建病历、修改病历、查询病历、打印病历、删除病历的步骤;所述系统管理步骤具体包括用户管理、密码修改和疾病信息维护的步骤。
本发明不仅适用于各类养猪场和兽医诊疗部门进行临床诊断,也适用于各饲料厂、兽药厂、饲料兽药经销商进行售后服务使用。因此,猪病诊断专家系统的推广必将大大提高基层兽医的临床诊断水平,产生很大的社会效益和经济效益,为畜牧业生产提供强有力的保障。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种猪病诊断系统,其特征在于,所述系统包括:
诊断数据存储装置,用于存储猪病病名及对应的症状;
可信度获取装置,用于根据猪病的症状,采用层次分析法对猪病症状的发生概率进行模糊综合评判和聚类分析,并根据症状的发生概率获取猪病的可信度;
诊断装置,用于根据用户观察到的症状,与所述诊断数据存储装置存储的猪病的病名、症状及获取的可信度,对猪病进行诊断。
2.如权利要求1所述的猪病诊断系统,其特征在于,所述诊断装置包括:
多症状组合诊断单元,用于根据相应病组及用户观察到的病猪的一系列症状,诊断出猪病的病名和发病概率;
主要症状诊断单元,用于根据相应病组、用户观察到的病猪的主要症状及至少一个相关症状,诊断出猪病的病名和发病概率;
怀疑病名诊断单元,用于根据相应的猪病分类、用户怀疑病名和用户观察到的病猪的症状,诊断出猪病的病名和发病概率。
3.如权利要求2所述的猪病诊断系统,其特征在于,所述病组包括:常见易发症状组,皮肤身体症状组,呼吸系统症状组,消化系统症状组,神经运动系统症状组,繁殖系统症状组,心、脑病变症状组,肝、胆、脾、肾病变症状组,胃、肠病变症状组,胸、肺、气管病变症状组,肌肉、骨骼病变症状组和解剖的其他病变症状组。
4.如权利要求2所述的猪病诊断系统,其特征在于,所述猪病分类包括:猪的病毒性传染病,猪的细菌性传染病,猪的寄生虫病,猪的中毒病,猪的营养缺乏和代谢病,猪的内科病,猪的外科病,猪的产科病。
5.如权利要求1所述的猪病诊断系统,其特征在于,所述系统还包括辅助数据存储装置,用于存储猪病详情、症状图谱、兽药知识和/或猪病视频的数据。
6.如权利要求1所述的猪病诊断系统,其特征在于,所述系统还包括:
病历管理装置,用于新建病历、修改病历、查询病历、打印病历、删除病历;
系统管理装置,用于用户管理、密码修改和疾病信息维护。
7.一种猪病诊断方法,其特征在于,所述方法包括以下步骤:
获取用户观察到的症状;
根据症状的发生概率获取猪病的可信度;
根据猪病的病名、症状及可信度,诊断出猪病的病名和发病概率。
9.如权利要求7所述的猪病诊断方法,其特征在于,所述根据猪病的病名、症状及可信度,诊断出猪病的病名和发病概率的步骤,具体包括:
根据相应病组及用户观察到的病猪的一系列症状,诊断出猪病的病名和发病概率;或
根据相应病组、用户观察到的病猪的主要症状及至少一个相关症状,诊断出猪病的病名和发病概率;或
根据相应的猪病分类、用户怀疑病名和用户观察到的病猪的症状,诊断出猪病的病名和发病概率。
10.如权利要求7所述的猪病诊断方法,其特征在于,所述方法还包括病历管理和系统管理步骤,所述病历管理步骤具体包括新建病历、修改病历、查询病历、打印病历、删除病历的步骤;所述系统管理步骤具体包括用户管理、密码修改和疾病信息维护的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810239519A CN101751509A (zh) | 2008-12-12 | 2008-12-12 | 一种猪病诊断系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810239519A CN101751509A (zh) | 2008-12-12 | 2008-12-12 | 一种猪病诊断系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101751509A true CN101751509A (zh) | 2010-06-23 |
Family
ID=42478485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810239519A Pending CN101751509A (zh) | 2008-12-12 | 2008-12-12 | 一种猪病诊断系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101751509A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331455A (zh) * | 2014-10-30 | 2015-02-04 | 北京科技大学 | 一种中医气血辨证演绎推理的再现方法及装置 |
CN105069505A (zh) * | 2015-08-14 | 2015-11-18 | 北京农信互联科技有限公司 | 一种猪病知识库自动训练学习方法及猪病辅助诊断装置 |
CN106815479A (zh) * | 2017-01-17 | 2017-06-09 | 北京农信互联科技有限公司 | 牲畜养殖远程诊断系统及方法 |
CN108629556A (zh) * | 2018-03-20 | 2018-10-09 | 广西壮族自治区水牛研究所 | 一种牛场兽医信息管理系统 |
CN109360650A (zh) * | 2018-10-24 | 2019-02-19 | 周升志 | 一种软件设计畜禽疾病快速诊疗系统 |
CN110310739A (zh) * | 2018-03-20 | 2019-10-08 | 贺丽君 | 信息处理系统及方法、健康信息专家系统 |
CN111261280A (zh) * | 2020-01-19 | 2020-06-09 | 东北农业大学 | 一种基于图像分类的家畜疾病诊疗方法及系统 |
CN111292848A (zh) * | 2019-12-31 | 2020-06-16 | 同方知网(北京)技术有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
CN111951955A (zh) * | 2020-08-13 | 2020-11-17 | 神州数码医疗科技股份有限公司 | 一种基于规则推理的临床决策支持系统构建方法及装置 |
CN112331356A (zh) * | 2020-11-26 | 2021-02-05 | 微医云(杭州)控股有限公司 | 推荐治疗方案的方法、装置、电子设备及存储介质 |
JP6828928B1 (ja) * | 2020-02-28 | 2021-02-10 | 株式会社Eco‐Pork | 家畜疾病管理システム、家畜疾病管理サーバ、家畜疾病管理方法、及び家畜疾病管理プログラム |
-
2008
- 2008-12-12 CN CN200810239519A patent/CN101751509A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331455A (zh) * | 2014-10-30 | 2015-02-04 | 北京科技大学 | 一种中医气血辨证演绎推理的再现方法及装置 |
CN104331455B (zh) * | 2014-10-30 | 2018-03-13 | 北京科技大学 | 一种中医气血辨证演绎推理的再现方法及装置 |
CN105069505A (zh) * | 2015-08-14 | 2015-11-18 | 北京农信互联科技有限公司 | 一种猪病知识库自动训练学习方法及猪病辅助诊断装置 |
CN106815479A (zh) * | 2017-01-17 | 2017-06-09 | 北京农信互联科技有限公司 | 牲畜养殖远程诊断系统及方法 |
CN110310739A (zh) * | 2018-03-20 | 2019-10-08 | 贺丽君 | 信息处理系统及方法、健康信息专家系统 |
CN108629556A (zh) * | 2018-03-20 | 2018-10-09 | 广西壮族自治区水牛研究所 | 一种牛场兽医信息管理系统 |
CN109360650A (zh) * | 2018-10-24 | 2019-02-19 | 周升志 | 一种软件设计畜禽疾病快速诊疗系统 |
CN111292848A (zh) * | 2019-12-31 | 2020-06-16 | 同方知网(北京)技术有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
CN111292848B (zh) * | 2019-12-31 | 2023-05-16 | 同方知网数字出版技术股份有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
CN111261280A (zh) * | 2020-01-19 | 2020-06-09 | 东北农业大学 | 一种基于图像分类的家畜疾病诊疗方法及系统 |
JP6828928B1 (ja) * | 2020-02-28 | 2021-02-10 | 株式会社Eco‐Pork | 家畜疾病管理システム、家畜疾病管理サーバ、家畜疾病管理方法、及び家畜疾病管理プログラム |
JP2021135956A (ja) * | 2020-02-28 | 2021-09-13 | 株式会社Eco‐Pork | 家畜疾病管理システム、家畜疾病管理サーバ、家畜疾病管理方法、及び家畜疾病管理プログラム |
CN111951955A (zh) * | 2020-08-13 | 2020-11-17 | 神州数码医疗科技股份有限公司 | 一种基于规则推理的临床决策支持系统构建方法及装置 |
CN112331356A (zh) * | 2020-11-26 | 2021-02-05 | 微医云(杭州)控股有限公司 | 推荐治疗方案的方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101751509A (zh) | 一种猪病诊断系统和方法 | |
CN107066814A (zh) | 一种基于望闻问切协同的中医智能辅助诊断系统 | |
CN101911077B (zh) | 用于分层搜索的方法和装置 | |
CN106778042A (zh) | 心脑血管患者相似性分析方法及系统 | |
CN105528529A (zh) | 基于大数据分析的中医临床技能评价体系的数据处理方法 | |
CN102078183A (zh) | 家禽疾病诊疗系统 | |
US20040015372A1 (en) | Method and system for processing and aggregating medical information for comparative and statistical analysis | |
CN106919804A (zh) | 基于临床数据的药物推荐方法、推荐装置及服务器 | |
CN101744660B (zh) | 一种鸡病诊断系统 | |
Wang et al. | A monitoring system for type 2 diabetes mellitus | |
CN201578361U (zh) | 动物疾病诊疗与处理系统 | |
CN106407664A (zh) | 呼吸气体诊断系统的领域自适应方法及装置 | |
CN103619240B (zh) | 用于确定hrv和rrv并且用来识别潜在病症发作的方法和系统 | |
Chadaga et al. | Predicting cervical cancer biopsy results using demographic and epidemiological parameters: A custom stacked ensemble machine learning approach | |
Lee et al. | Uncovering insights from healthcare archives to improve operations: an association analysis for cervical cancer screening | |
CN106951710A (zh) | 基于特权信息学习支持向量机的cap数据系统及方法 | |
CN107436997A (zh) | 一种生理数据的分析系统及方法 | |
CN112466462B (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
Razali et al. | Generating treatment plan in medicine: A data mining approach | |
McVey et al. | Invited Review: Applications of unsupervised machine learning in livestock behavior: Case studies in recovering unanticipated behavioral patterns from precision livestock farming data streams | |
Darwish et al. | Enhancing Cervical Pre-Cancerous Classification Using Advanced Vision Transformer | |
Yang et al. | Mapping institutions and their weak ties in a specialty: A case study of cystic fibrosis body composition research | |
Liu | The application of deep learning on fast skin cancer diagnosis | |
Li et al. | Shrink: A breast cancer risk assessment model based on medical social network | |
Duan et al. | Neural Network Based Clinical Treatment Decision Support System for Co-existing Medical Conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100623 |