基于语义Web的本体表示及其在医学领域的应用研究

摘要

现有Web上的资源不能由机器做出准确的语义识别。为了探索解决的方法，本文以在医学领域的应用研究为例，对基于语义Web的电子病历本体结合辅助诊断的分类方法的体系结构进行了设计，并对其中的一些关键技术进行了详细的设计并对辅助诊断分类器进行了实现。本文提出的这种方法对实现医学领域充分的信息共享和智能的信息资源利用有重要的作用，在其他应用领域也可以参照此方法。 首先，本文研究了基于语义Web的本体研究的研究背景并概述在医学领域应用研究现状。通过对本体技术的深入研究来确定适合本文的基于语义Web的电子病历本体样例的本体描述语言及本体构建方法。 然后，描述了基于语义Web的电子病历本体结合辅助诊断的分类方法的体系结构。给出了基于本体的医学领域相关知识的表示方法，并用OWL DL本体描述语言生成了医学领域两种疾病的电子病历本体样例片段；并结合机器学习的知识，提出了适合于利用电子病历本体库进行辅助诊断的基于熵的属性加权的最近邻算法。 最后，根据本文提出的基于熵的属性加权的最近邻算法，在实验中用Java编写出该算法的程序，以心脏病电子病历样例库和肝炎电子病历样例库中的数据为例，在Eclipse软件上运行出分类判断的实验结果，并比较分析了在Weka软件上运行的最近邻算法IBK、朴素贝叶斯算法、贝叶斯信念网算法、J48决策树算法、AdaBoostMl算法等其他机器学习算法对以上两个样例库进行分类判断的实验结果。通过实验证明，本文设计的基于熵的属性加权的最近邻算法判断病例的准确率高于其他传统的机器学习方法，说明了本课题研究的价值。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权说明

第一章绪论

第二章本体技术研究

第三章基于本体辅助诊断治疗方法的体系结构

第四章基于本体辅助诊断治疗方法的实验及结果

第五章结论与展望

参考文献

致谢

攻读学位期间主要研究成果