疾病状态检测及风险预测知识Petri网建模研究及应用—以心脑血管疾病为例

摘要

作为知识推理的一个应用子集，健康知识推理在实际应用中存在体量大、结构相对复杂、不同类型的参数多（模糊、概率、时间等）等特点。而随着我国人口的逐渐老龄化，社会对于以心脑血管疾病为主的健康问题越来越重视。本文以传统Petri网及其拓展模型为理论基础，讨论了健康知识规则网络化推理的具体方案，并最终通过实例验证了方案的可行性。
　　根据实际应用的需求不同，健康知识可以分为状态识别、风险预测和方案管理三个部分，其中状态识别类知识具有的共同特点是不确定性较大，根据相同或相似的前置状态（病症），可以推理出的疾病情况可能有几十上百种。面对状态识别类知识的不确定性，我们采用模糊Petri网（FPN）建模，并以《中国高血压防治指南》中的高血压危险分层知识为例，验证了FPN应用于状态识别知识推理的可能性。
　　与状态识别类知识不同，风险预测类知识具有概率性和时间性的特点，此时相同的建模方法将不再适用，在此我们基于健康知识规则网络化的特点（变迁多、库所共用），改良了传统的时延概率Petri网，将时延参数和概率参数赋予给变迁，从而完成风险预测类知识的网络化建模，并使用《Framingham危险评分》中的节选表格进行建模，验证其有效性。
　　最后，在实际操作中我们发现，面对海量的健康知识原始规则，传统的手工建模方法将难以应对，为解决这一难题，我们针对健康知识原始规则库的特点，设计了健康知识网络化自动建模的技术路线和具体算法，并最终通过程序实现了自动建模。与手动建模相比，自动建模具有效率高、不易出错的特点，这将有利于Petri网模型在健康知识推理领域的应用。

目录

声明

第一章 导论

1.1 课题背景

1.2 医疗决策系统研究现状

1.3 面向健康管理的大数据知识挖掘研究现状分析

1.4 知识推理研究现状

1.5 Petri网研究现状

1.6 本章小结

第二章 Petri网原理

2.1 Petri基本概念

2.2 经典Petri网的数学定义

2.3 Petri网数理基础

2.4 Petri网基本性质

2.5 Petri网分析方法

2.6 本章小结

第三章 状态识别及风险预测知识建模方案与实例

3.1 方案背景

3.2 状态识别知识网络化建模方法

3.3 风险预测知识网络化建模方法

3.5 本章小结

第四章 面向大规模知识推理的Petri网建模及分析方法

4.1 方案阐述

4.2 故障判断及解决

4.3 方案实例与分析

4.4 本章小结

第五章 结论与展望

参考文献

附录

附录一：Framingham危险评分全表（男性）

附录二：大规模健康知识自动建模程序节选

攻读硕士学位期间已发表或录用的论文