基于统计分析技术的疾病智能辅助诊断系统的研究

摘要

本文将统计分析技术引入到医疗领域，研制、开发了基于统计分析技术的疾病智能辅助诊断系统，其核心是文本分类技术。其中的关键技术有：文本分词、特征选取和分类算法，均列举了当前几种通用和较为成熟的做法。文本分词采用了当前较为成熟做法——基于字符串匹配与统计相结合的分词方法。特征选取是特征降维的主要方法，本文采用特征选取中的文档频度、信息增益和χ2-统计量三种方法进行实验。分类算法中详细地阐述了Bayes方法和MaximumEntropy方法。本文从原理和实验两个方面比较了各种做法的优劣，并选择了适合于疾病智能辅助诊断要求的方法构建了本系统。 同时，将本系统同医疗专家系统进行了比较，表明了本系统的特点。也分析了本系统目前存在的缺陷，这也指明了今后工作的方向。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章前言

1.1中、美两国卫生费用概况

1.2就诊难问题较为突出

1.3本章小结

第二章当前疾病智能辅助诊断方法

2.1医疗专家系统

2.1.1专家系统概述

2.1.2医疗专家系统的特点

2.1.3医疗专家系统的缺点

2.2远程医疗

2.3本章小结

第三章疾病智能辅助诊断系统相关技术原理

3.1文本预处理

3.2文本分词

3.2.1基于字符串匹配的分词方法

3.2.2基于理解的分词方法

3.2.3基于统计的分词方法

3.2.4本系统采用字符串匹配和统计相结合的分词方法

3.3特征选取

3.3.1文档频率(DF)特征选取算法

3.3.2信息增益(IG)特征选取算法

3.3.3 x2-统计量(CHI)特征选取算法

3.4文本表示

3.5评价算法

3.6本章小结

第四章分类器系统的设计

4.1 Naive Bayes算法

4.1.1 Bayes理论中的几个基本概念

4.1.2 Bayes分类器算法的实现步骤

4.2 Maximum Entropy算法

4.2.1 ME理论的产生及发展

4.2.2 ME模型的原理

4.2.3 ME分类器算法的实现

4.3本章小结

第五章系统实现与评价

5.1基于统计分析技术的疾病智能辅助诊断系统的结构

5.1.1训练系统

5.1.2测试系统

5.2基于统计分析技术的疾病智能辅助诊断系统的实验

5.2.1实验条件

5.2.2实验过程

5.2.3实验结果

5.2.4实验结果分析

5.3与医疗专家系统相比本系统的优点

5.4本系统有待改进方面

5.5本章小结

第六章结束语

6.1本文的贡献

6.2将来的工作

参考文献

致谢