CN114089632B - 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 - Google Patents
基于模糊逻辑的风湿免疫疾病特征识别方法及系统 Download PDFInfo
- Publication number
- CN114089632B CN114089632B CN202111350869.5A CN202111350869A CN114089632B CN 114089632 B CN114089632 B CN 114089632B CN 202111350869 A CN202111350869 A CN 202111350869A CN 114089632 B CN114089632 B CN 114089632B
- Authority
- CN
- China
- Prior art keywords
- characteristic
- disease
- fuzzy
- rheumatic
- immune disease
- 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.)
- Active
Links
- 208000026278 immune system disease Diseases 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 70
- 208000025747 Rheumatic disease Diseases 0.000 claims abstract description 86
- 230000000552 rheumatic effect Effects 0.000 claims abstract description 86
- 208000024891 symptom Diseases 0.000 claims abstract description 73
- 201000010099 disease Diseases 0.000 claims abstract description 53
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 53
- 230000006870 function Effects 0.000 claims description 43
- 230000014509 gene expression Effects 0.000 claims description 33
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000001900 immune effect Effects 0.000 claims description 4
- 238000005452 bending Methods 0.000 claims description 3
- 210000002310 elbow joint Anatomy 0.000 claims description 3
- 210000000323 shoulder joint Anatomy 0.000 claims description 3
- 230000008961 swelling Effects 0.000 claims description 3
- 206010002556 Ankylosing Spondylitis Diseases 0.000 claims description 2
- 201000005569 Gout Diseases 0.000 claims description 2
- 206010018634 Gouty Arthritis Diseases 0.000 claims description 2
- 208000021386 Sjogren Syndrome Diseases 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000036244 malformation Effects 0.000 claims description 2
- 201000008482 osteoarthritis Diseases 0.000 claims description 2
- 201000000596 systemic lupus erythematosus Diseases 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 206010003246 arthritis Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000009921 Rheumatoid Nodule Diseases 0.000 description 1
- 230000001363 autoimmune Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 206010039073 rheumatoid arthritis Diseases 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Vascular Medicine (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种风湿免疫疾病特征识别方法及系统，方法包括：收集风湿免疫疾病信息，构建风湿免疫疾病特征关键词集合、特征集合、表征疾病类型集合；在风湿免疫科医生的专业指导下，基于构建的集合建立模糊规则、进行模糊推理；选择去模糊化方法，形成模糊逻辑的风湿免疫疾病特征识别方法。运用本发明所述疾病特征识别方法，给予医生疾病特征识别结果及其患病可能性；使用模糊逻辑对风湿免疫疾病特征进行识别，与现有的风湿免疫疾病特征识别方法相比，能够在面对相似症状的情况下，为医生更好地对疾病进行特征识别和决策提供初步的识别数据，降低误诊率；还能够在医生短缺的情况下，帮助患者先一步对自身情况进行判定。
Description
技术领域
本发明融合了医学、信息科学以及计算机应用等领域的知识，具体涉及一种基于模糊逻辑的风湿免疫疾病特征识别方法及系统。
背景技术
风湿免疫疾病是内科学中的一种系统性疾病，也是内科学里的一个亚专科学，主要是指一组主要累及骨、关节和软组织的疾病，与自身免疫系统息息相关，易造成关节炎等各个系统器官的损伤。风湿免疫疾病症状多种多样，且和其它疾病症状相似。判别风湿免疫疾病是一种繁琐的过程，为了更好地确定患者所患风湿免疫疾病的类型，需要仔细分析患者各个症状和症状的表现，结合患者的临床表现、辅助检查、病史等资料，排除相似疾病症状，以正确的判断确定疾病类型。
发明内容
本发明提出一种基于模糊逻辑的风湿免疫疾病特征识别方法及系统，从患者过往病历中将医生和专家判断风湿免疫疾病依据的症状及症状表现提取出来，进行充分利用，并进行辅助医生治疗，减轻医生压力，提高医疗诊治效率。
为实现上述目的，本发明所采用的技术方案为：一种基于模糊逻辑的风湿免疫疾病特征识别方法，包括以下步骤：
收集风湿免疫疾病的特征，构建特征关键词集合，所述特征反映风湿免疫疾病症状；
基于所述特征关键词集合，用自然语言描述所述特征所反映风湿免疫疾病症状的具体表现、持续时间、症状表现部位及数量，得出风湿免疫疾病的累及关节数，构建特征集合，所述特征集合反映风湿免疫疾病的症状表现，将所述集合中的元素作为模糊逻辑中的语言变量与语言值；
根据所述特征关键词集合和特征集合，在风湿免疫科医生的专业指导下，构建反映风湿免疫疾病类型的表征疾病类型集合；
根据所述特征关键词集合、所述特征集合以及所述表征疾病类型集合，在风湿免疫科医生的专业指导下，为特征集合中的元素确定出隶属函数及参数；
设计模糊规则；
在风湿免疫科医生的专业指导下，结合所述模糊规则的模糊推理机制，进行模糊推理和选择去模糊化方法；
将特征关键词和特征集合作为输入，经过模糊逻辑过程，得到表征疾病类型的特征及可能性。
在临床医生和专业领域专家的指导下，建立特征关键词集合S＝{脊柱，双肩关节，双肘关节，…}和特征关键词对应的特征集合，即特征集合D＝{{畸形，呈生理弯曲}，{压痛，上抬活动不受限}，{压痛，肿胀}，{…}，…}以及反映风湿免疫疾病类型的表征疾病类型集合T＝{骨关节炎，强直性脊柱炎，痛风性关节炎，系统性红斑狼疮，干燥综合征…}，且每个集合中的元素都清晰明确。
就诊病历数据涵盖风湿免疫疾病的所有症状表现；定期更新特征关键词集合、特征集合，在特征表现关键词中，明确说明症状的具体表现以及持续的时间，多于一处的个别症状说明其数量。
构建反映风湿免疫疾病类型的表征疾病类型集合包括以下步骤：
将所述的疾病特征关键词集合S和所述的特征集合D关联起来，使得每一种症状关键词都有对应的表现集合，即对于集合S＝{s1,s2,s3,s4,…}中的元素si应与D＝{{d11,d12,d13,…},{},{},{},…}中的di＝{di1,di2,di3,…}对应；
基于风湿免疫科医生的专业指导，将所有可能的风湿免疫疾病类型进行整理，构成表征疾病类型集合T。
为特征集合中的元素确定出隶属函数及参数时，
首先，分析模糊规则库中高斯型隶属函数、三角型隶属函数、梯型隶属函数、钟型隶属函数、Sigmoid型隶属函数、π型隶属函数和Z型隶属函数的优缺点，对应特征集合中的每一个元素为其选择隶属函数，隶属函数能够描述症状表现对于症状的隶属程度；
其次，在风湿免疫科医生的专业指导下，根据实际情况中的症状表现对症状的影响程度，设置隶属函数参数，使其能够更好地表现疾病症状的特征。
设计模糊规则时，
在风湿免疫科医生的专业指导下，根据实际情况，将特征关键词、症状表现以及疾病类型做匹配，并在多种情形下，利用模糊规则中的“and”，“or”，“not”将症状表现连接起来，得到初步模糊规则，去除初步模糊规则中重复的规则；
专业的医学知识转化为模糊条件语句，模糊控制规则具体如下：
(1)状态评估模糊控制规则
R1：If x是A1 and y是B1，Then z是C1
also R2：If x是A2 and y是B2，Then z是C2
…
also R1：If x是An and y是Bn，Then z是Cn；
(2)目标评估模糊控制规则
Ri:If[u是Ci→(x是Ai and y是Bi)]，Then u是Ci
集合A，B是症状的表现集，C是症状对应的可能疾病类型。
进行模糊推理时，在模糊控制中，用一组自然语言描述的规则来表示专家的知识，继而进行推理，其形式如下：
IF(满足一组条件)THEN(可以推出一组结论)
其中，所有n条模糊控制规则的总模糊蕴含关系为
已知输入模糊量为：x是A＇ and y是B＇，则根据模糊规则进行模糊推理，可得出输出模糊量z，用模糊集合C＇表示为
C＇＝(A＇ and B＇)°R
式中，μ(A＇ and B＇)(x，y)＝μA＇(x)∧μB＇(y)或μ(A＇ and B＇)(x，y)＝μA＇(x)·μB＇(y)步骤综合考虑获取的各集合，分析各模糊推理方法、去模糊化函数的优势；将得到的输出模糊量进行去模糊化，即，进行清晰化计算和论域变换；在清晰化计算中，采用最大隶属度法、中位数法或加权平均法将模糊量转换成精确量。
另外，本发明还提供一种基于模糊逻辑的风湿免疫疾病特征识别系统，包括信息收集模块、特征表现评估模块以及识别模块；
信息收集模块，用于收集风湿免疫疾病的特征，构建特征关键词集合，所述特征反映风湿免疫疾病症状；基于所述特征关键词集合，用自然语言描述所述特征所反映风湿免疫疾病症状的具体表现、持续时间、症状表现部位及数量，得出风湿免疫疾病的累及关节数，构建特征集合，所述特征集合反映风湿免疫疾病的症状表现，将所述集合中的元素作为模糊逻辑中的语言变量与语言值；根据所述特征关键词集合和特征集合，在风湿免疫科医生的专业指导下，构建反映风湿免疫疾病类型的表征疾病类型集合；
特征表现评估模块，在获取特征关键词集合、所述特征集合以及所述表征疾病类型集合的基础上，设计模糊规则，在风湿免疫科医生的专业指导下，结合模糊推理机制，进行模糊推理和选择去模糊化方法；
识别模块，将特征关键词和特征集合作为输入，经过模糊逻辑过程，得到表征疾病类型的特征及可能性。
本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述基于模糊逻辑的风湿免疫疾病特征识别方法。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于模糊逻辑的风湿免疫疾病特征识别方法。
与现有技术相比，本发明至少具有以下有益效果：
本发明使用模糊逻辑对风湿免疫疾病特征进行识别，与现有的风湿免疫疾病特征识别方法相比，能够在面对相似症状的情况下，为医生更好地对疾病进行特征识别和决策提供初步的识别数据，降低误诊率；能够在医生短缺的情况下，帮助患者先一步对自身情况进行判定，提高诊断效率；能够促进医生和患者的交流，提升医院的服务质量。
附图说明
图1为一种风湿免疫疾病特征识别方法流程图。
图2为一种风湿免疫疾病特征识别系统识别阶段流程图。
图3为一种风湿免疫疾病特征识别系统结构图。
图4为一种风湿免疫疾病特征识别系统数据交互示意图。
具体实施方式
按照图1所示的风湿免疫疾病特征识别方法的流程图，主要有以下步骤：
步骤1，收集疾病相关信息。
收集疾病相关信息，主要是通过查阅病历、阅读专业文献资料、咨询医生和专家等方式。收集的疾病相关信息主要包括各种风湿免疫疾病的症状、症状表现、类型名称等。通过查阅病历可以从实际案例的角度补充其他途径获取的知识，使收集到的信息更为完整。
步骤2，建立风湿免疫疾病症状集合、症状的表现集合、疾病类型集合。
根据步骤1收集到的相关疾病信息，选取关键词，建立模糊集合，分别为S，D，T。S集合表示风湿免疫疾病的症状集合，主要包括风湿免疫疾病常见的症状如脊柱、双肩关节、双肘关节等等，D表示症状的表现集合，针对S中的每一个元素都有D中的元素di与之对应，如D＝{{畸形，呈生理弯曲}，{压痛，上抬活动不受限}，{压痛，肿胀}，…}，T表示疾病的类型集合。
步骤3，确定风湿免疫疾病症状表现集合的隶属函数。
根据步骤2所知，集合D中的元素di描述了S中的每一个症状的所有表现，并为每一个症状si选择隶属函数。
在模糊推理系统中，有很多种类的隶属函数，主要有高斯型隶属函数、钟型隶属函数、π型隶属函数、Sigmoid型隶属函数、梯形隶属函数、三角型隶属函数、Z型隶属函数，为了更好地描述症状的具体表现和症状的关系，可以选择将多种隶属函数进行组合，并为其选择合适的参数。
步骤4，建立模糊规则。
模糊控制规则库是由一系列“IF-THEN”型的模糊条件语句所构成。在风湿免疫疾病的特征识别方法中，在风湿免疫科医生的专业指导下，将专业的医学知识转化为模糊条件语句。
在模糊控制中，主要有两种形式的模糊控制规则，其形式具体如下：
(1)状态评估模糊控制规则
R1：If x是A1 and y是B1，Then z是C1
also R2：If x是A2 and y是B2，Then z是C2
…
also R1：If x是An and y是Bn，Then z是Cn。
(2)目标评估模糊控制规则
Ri:If[u是Ci→(x是Ai and y是Bi)]，Then u是Ci
依据模糊规则的形式，在本发明中，根据症状的表现确定症状的严重程度，即如上述规则中，集合A，B是症状的表现集，C是症状的可能疾病类型。在针对某一疾病类型，可有以下规则：
R1：If晨僵至少持续1小时以上(病程>＝6周)and有对称性关节炎(病程>＝6周)and有类风湿结节and类风湿因子(RF)阳性，Then疾病类型是类风湿关节炎，患病率为99.99％。
步骤5，模糊推理。
本步骤主要是依据上一步骤结果进行模糊推理。在模糊控制中，可以用一组自然语言描述的规则来表示专家的知识，继而进行推理，其形式如下：
IF(满足一组条件)THEN(可以推出一组结论)
其中，所有n条模糊控制规则的总模糊蕴含关系为
已知输入模糊量为：x是A＇ and y是B＇，则根据模糊规则进行模糊推理，可得出输出模糊量z(用模糊集合C＇表示)为
C＇＝(A＇ and B＇)°R
式中，μ(A＇ and B＇)(x，y)＝μA＇(x)∧μB＇(y)或μ(A＇ and B＇)(x，y)＝μA＇(x)·μB＇(y)。
步骤6，选择去模糊化方法。在模糊推理系统中，去模糊化方法可以采用最大隶属度法或中位数法。将得到的输出模糊量进行去模糊化，即，进行清晰化计算和论域变换；在清晰化计算中，采用最大隶属度法、中位数法或加权平均法将模糊量转换成精确量；其中，最大隶属度法中又可以采用平均值法、最大值法或最小值法。
1)最大隶属度法
如果输出量z模糊集合C＇的隶属函数只有一个最大值，则在模糊集合中选取隶属度函数为最大的论域元素作为输出量的清晰值，即
μC′(z0)>＝μC′(z)z∈Z
其中z0表示清晰值。
如果输出量z模糊集合C＇的隶属函数有多个最大值，则通常采用以下三种方法来获得输出量的清晰值。
(1)平均值法
若输出量模糊集合隶属度函数的最大值对应多个论域元素，则取它们的平均值作为输出量的清晰值。
(2)最大值法
若输出量模糊集合隶属度函数的最大值对应多个论域元素，则取绝对值最大的作为输出量的清晰值。
(3)最小值法
若输出量模糊集合隶属度函数的最大值对应多个论域元素，则取绝对值最小的作为输出量的清晰值。
2)中位数法
中位数法是取μC′(z)的中位数作为z的清晰值，即z0＝df(z)＝μC′(z)的中位数，它满足
3)加权平均法
这种方法取μC′(z)的加权平均值为z的清晰值，即
对于论域为离散的情况则有
在论域变换中，变换的方法可以是线性的，也可以是非线性的。若z0的变换范围为[zmin,zmax]，实际控制量的变换范围为[μmin,μmax]，若采用线性变换，则
其中，称为量化因子。
步骤5，输出了病症类型。在这一步骤中，将前面所得结论进行清晰化，继而得到患病可能性，使结论更加准确、完整。
步骤7，获取就诊信息，进行疾病特征识别。本步骤中形成了基于模糊逻辑的识别方法，其识别流程如图2所示。
图3所示基于模糊逻辑的风湿免疫疾病特征识别系统，包括以下模块：
信息收集模块、特征表现评估模块以及识别模块；
信息收集模块，用于收集风湿免疫疾病的特征，构建特征关键词集合，所述特征反映风湿免疫疾病症状；基于所述特征关键词集合，用自然语言描述所述特征所反映风湿免疫疾病症状的具体表现、持续时间、症状表现部位及数量，得出风湿免疫疾病的累及关节数，构建特征集合，所述特征集合反映风湿免疫疾病的症状表现，将所述集合中的元素作为模糊逻辑中的语言变量与语言值；根据所述特征关键词集合和特征集合，在风湿免疫科医生的专业指导下，构建反映风湿免疫疾病类型的表征疾病类型集合；
特征表现评估模块，在获取特征关键词集合、所述特征集合以及所述表征疾病类型集合的基础上，设计模糊规则，在风湿免疫科医生的专业指导下，结合模糊推理机制，进行模糊推理和选择去模糊化方法；
识别模块，将特征关键词和特征集合作为输入，经过模糊逻辑过程，得到表征疾病类型的特征及可能性。
图4所示风湿免疫疾病特征识别系统的交互图。
在实际生活中，医疗数据来自于实际诊断过程，经过系统的信息收集模块的收集，可以得到最新、最常见的症状信息，同时在诊断过程中还要考虑患者的其它情况，如既往病史、家族病史等等。在图4中，风湿免疫疾病患者在与系统交互时，可以输入自己的疾病症状、表现、辅助检查结果等，通过本发明所述的特征识别系统得到疾病特征识别结果。
另外，本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述基于模糊逻辑的风湿免疫疾病特征识别方法。
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于模糊逻辑的风湿免疫疾病特征识别方法。
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。
Claims (6)
1.一种基于模糊逻辑的风湿免疫疾病特征识别方法，其特征在于，包括以下步骤：
收集风湿免疫疾病的特征，构建特征关键词集合，所述特征反映风湿免疫疾病症状；
基于所述特征关键词集合，用自然语言描述所述特征所反映风湿免疫疾病症状的具体表现、持续时间、症状表现部位及数量，得出风湿免疫疾病的累及关节数，构建特征集合，所述特征集合反映风湿免疫疾病的症状表现，将所述集合中的元素作为模糊逻辑中的语言变量与语言值；
根据所述特征关键词集合和特征集合，在风湿免疫科医生的专业指导下，构建反映风湿免疫疾病类型的表征疾病类型集合；构建反映风湿免疫疾病类型的表征疾病类型集合包括以下步骤：
将所述的疾病特征关键词集合S和所述的特征集合D关联起来，使得每一种症状关键词有对应的表现集合，即对于集合S＝{s1,s2,s3,s4,…}中的元素si应与D＝{{d11,d12,d13,…},{},{},{},…}中的di＝{di1,di2,di3,…}对应；
基于风湿免疫科医生的专业指导，将所有可能的风湿免疫疾病类型进行整理，构成表征疾病类型集合T；
根据所述特征关键词集合、所述特征集合以及所述表征疾病类型集合，在风湿免疫科医生的专业指导下，为特征集合中的元素确定出隶属函数及参数；为特征集合中的元素确定出隶属函数及参数时，首先，分析模糊规则库中高斯型隶属函数、三角型隶属函数、梯型隶属函数、钟型隶属函数、Sigmoid型隶属函数、π型隶属函数和Z型隶属函数的优缺点，对应特征集合中的每一个元素为其选择隶属函数，隶属函数能够描述症状表现对于症状的隶属程度；其次，在风湿免疫科医生的专业指导下，根据实际情况中的症状表现对症状的影响程度，设置隶属函数参数，使其能够更好地表现疾病症状的特征；
设计模糊规则；设计模糊规则时，
在风湿免疫科医生的专业指导下，根据实际情况，将特征关键词、症状表现以及疾病类型做匹配，并在多种情形下，利用模糊规则中的“and”，“or”，“not”将症状表现连接起来，得到初步模糊规则，去除初步模糊规则中重复的规则；
专业的医学知识转化为模糊条件语句，模糊控制规则具体如下：
(1)状态评估模糊控制规则
R1：If x是A1and y是B1，Then z是C1
also R2：If x是A2and y是B2，Then z是C2
…
also R1：If x是An and y是Bn，Then z是Cn；
(2)目标评估模糊控制规则
Ri:If[u是Ci→(x是Ai and y是Bi)]，Then u是Ci
集合A，B是症状的表现集，C是症状对应的可能疾病类型；
在风湿免疫科医生的专业指导下，结合所述模糊规则的模糊推理机制，进行模糊推理和选择去模糊化方法；
将特征关键词和特征集合作为输入，经过模糊逻辑过程，得到表征疾病类型的特征及可能性。
2.根据权利要求1所述的基于模糊逻辑的风湿免疫疾病特征识别方法，其特征在于，在临床医生和专业领域专家的指导下，建立特征关键词集合S＝{脊柱，双肩关节，双肘关节，…}和特征关键词对应的特征集合，即特征集合D＝{{畸形，呈生理弯曲}，{压痛，上抬活动不受限}，{压痛，肿胀}，{…}，…}以及反映风湿免疫疾病类型的表征疾病类型集合T＝{骨关节炎，强直性脊柱炎，痛风性关节炎，系统性红斑狼疮，干燥综合征…}，且每个集合中的元素都清晰明确。
3.根据权利要求1所述的基于模糊逻辑的风湿免疫疾病特征识别方法，其特征在于，就诊病历数据涵盖风湿免疫疾病的所有症状表现；定期更新特征关键词集合、特征集合，在特征表现关键词中，明确说明症状的具体表现以及持续的时间，多于一处的个别症状说明其数量。
4.一种基于模糊逻辑的风湿免疫疾病特征识别系统，其特征在于，用于实现权利要求1-3任一项所述的基于模糊逻辑的风湿免疫疾病特征识别方法，包括信息收集模块、特征表现评估模块以及识别模块；
信息收集模块，用于收集风湿免疫疾病的特征，构建特征关键词集合，所述特征反映风湿免疫疾病症状；基于所述特征关键词集合，用自然语言描述所述特征所反映风湿免疫疾病症状的具体表现、持续时间、症状表现部位及数量，得出风湿免疫疾病的累及关节数，构建特征集合，所述特征集合反映风湿免疫疾病的症状表现，将所述集合中的元素作为模糊逻辑中的语言变量与语言值；根据所述特征关键词集合和特征集合，在风湿免疫科医生的专业指导下，构建反映风湿免疫疾病类型的表征疾病类型集合；
特征表现评估模块，在获取特征关键词集合、所述特征集合以及所述表征疾病类型集合的基础上，设计模糊规则，在风湿免疫科医生的专业指导下，结合模糊推理机制，进行模糊推理和选择去模糊化方法；
识别模块，将特征关键词和特征集合作为输入，经过模糊逻辑过程，得到表征疾病类型的特征及可能性。
5.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1～3中任一项所述基于模糊逻辑的风湿免疫疾病特征识别方法。
6.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～3中任一项所述的基于模糊逻辑的风湿免疫疾病特征识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111350869.5A CN114089632B (zh) | 2021-11-15 | 2021-11-15 | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111350869.5A CN114089632B (zh) | 2021-11-15 | 2021-11-15 | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114089632A CN114089632A (zh) | 2022-02-25 |
| CN114089632B true CN114089632B (zh) | 2023-08-18 |
Family
ID=80300964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111350869.5A Active CN114089632B (zh) | 2021-11-15 | 2021-11-15 | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114089632B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0446066A2 (en) * | 1990-03-09 | 1991-09-11 | Hitachi, Ltd. | Method of and system for evaluating and modifying knowledge |
| CA2538326A1 (en) * | 2003-09-11 | 2005-03-24 | Entelos, Inc. | Apparatus and method for identifying therapeutic targets using a computer model |
| WO2008037420A1 (en) * | 2006-09-29 | 2008-04-03 | Roche Diagnostics Gmbh | Assessing the risk of disease progression for a patient with rheumatoid arthritis |
| CN108564136A (zh) * | 2018-05-02 | 2018-09-21 | 北京航空航天大学 | 一种基于模糊推理的空域运行态势评估分类方法 |
| RU2698007C1 (ru) * | 2018-08-27 | 2019-08-21 | Михаил Борисович Богданов | Автоматическая система поддержки медицинских решений при сочетанной патологии |
| CN113420152A (zh) * | 2021-08-23 | 2021-09-21 | 北京好欣晴移动医疗科技有限公司 | 基于模糊逻辑的业务处理方法、装置和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106557653B (zh) * | 2016-11-15 | 2017-09-22 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
-
2021
- 2021-11-15 CN CN202111350869.5A patent/CN114089632B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0446066A2 (en) * | 1990-03-09 | 1991-09-11 | Hitachi, Ltd. | Method of and system for evaluating and modifying knowledge |
| CA2538326A1 (en) * | 2003-09-11 | 2005-03-24 | Entelos, Inc. | Apparatus and method for identifying therapeutic targets using a computer model |
| WO2008037420A1 (en) * | 2006-09-29 | 2008-04-03 | Roche Diagnostics Gmbh | Assessing the risk of disease progression for a patient with rheumatoid arthritis |
| CN108564136A (zh) * | 2018-05-02 | 2018-09-21 | 北京航空航天大学 | 一种基于模糊推理的空域运行态势评估分类方法 |
| RU2698007C1 (ru) * | 2018-08-27 | 2019-08-21 | Михаил Борисович Богданов | Автоматическая система поддержки медицинских решений при сочетанной патологии |
| CN113420152A (zh) * | 2021-08-23 | 2021-09-21 | 北京好欣晴移动医疗科技有限公司 | 基于模糊逻辑的业务处理方法、装置和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 丁卫平 ; 顾卫江 ; 董建成 ; 祁恒 ; .模糊逻辑推理在电子病历智能辅助诊断系统中的应用研究.南通大学学报(自然科学版).2006,(第04期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114089632A (zh) | 2022-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8554580B2 (en) | Automated management of medical data using expert knowledge and applied complexity science for risk assessment and diagnoses | |
| Lee et al. | Data mining techniques applied to medical information | |
| US11205516B2 (en) | Machine learning systems and methods for assessing medical interventions for utilization review | |
| US20180130559A1 (en) | Artificial General Intelligence System and Method for Medicine | |
| Mokeddem | A fuzzy classification model for myocardial infarction risk assessment | |
| CN101911077A (zh) | 用于细化相似病例搜索的方法和装置 | |
| US20200075165A1 (en) | Machine Learning Systems and Methods For Assessing Medical Outcomes | |
| CN102405473A (zh) | 医护点动作医疗系统和方法 | |
| Steen | Approaches to predictive modeling | |
| Pal et al. | Data mining approach for coronary artery disease screening | |
| US20230057653A1 (en) | Method and system and apparatus for quantifying uncertainty for medical image assessment | |
| CN118280579B (zh) | 基于多模态数据融合的脓毒症患者病情评估方法及系统 | |
| CN114089632B (zh) | 基于模糊逻辑的风湿免疫疾病特征识别方法及系统 | |
| Mishra et al. | A review on the applications of fuzzy expert system for disease diagnosis | |
| Feng et al. | Multimodal Fusion of Echocardiography and Electronic Health Records for the Detection of Cardiac Amyloidosis | |
| WO2021255652A1 (en) | Intelligent assessment and analysis of medical patients | |
| CN117315217A (zh) | 基于cl-fcm的风湿免疫疾病数据预处理方法及系统 | |
| Avati et al. | Predicting inpatient discharge prioritization with electronic health records | |
| CN114783587A (zh) | 严重急性肾损伤智能预测系统 | |
| Myrzakerimova et al. | Development of an automated expert system for diagnosing diseases of internal organs | |
| Celebiler | heart disease diagnosis using neural networks on electrocardiogram datasets | |
| CN113393939B (zh) | 重症监护室患者住院天数预测方法及系统 | |
| CN118230978B (zh) | 一种疾病风险预测方法、系统、电子设备、介质 | |
| CN115732096A (zh) | 一种基于shap值的风湿免疫疾病特征分类方法及系统 | |
| US20240071627A1 (en) | System and method for stratifying and managing health status |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |