疾病狀態(tài)檢測及風(fēng)險預(yù)測知識Petri網(wǎng)建模研究及應(yīng)用—以心腦血管疾病為例.pdf

1、作為知識推理的一個應(yīng)用子集，健康知識推理在實(shí)際應(yīng)用中存在體量大、結(jié)構(gòu)相對復(fù)雜、不同類型的參數(shù)多（模糊、概率、時間等）等特點(diǎn)。而隨著我國人口的逐漸老齡化，社會對于以心腦血管疾病為主的健康問題越來越重視。本文以傳統(tǒng)Petri網(wǎng)及其拓展模型為理論基礎(chǔ)，討論了健康知識規(guī)則網(wǎng)絡(luò)化推理的具體方案，并最終通過實(shí)例驗(yàn)證了方案的可行性。
　　根據(jù)實(shí)際應(yīng)用的需求不同，健康知識可以分為狀態(tài)識別、風(fēng)險預(yù)測和方案管理三個部分，其中狀態(tài)識別類知識具有的共同特

2、點(diǎn)是不確定性較大，根據(jù)相同或相似的前置狀態(tài)（病癥），可以推理出的疾病情況可能有幾十上百種。面對狀態(tài)識別類知識的不確定性，我們采用模糊Petri網(wǎng)（FPN）建模，并以《中國高血壓防治指南》中的高血壓危險分層知識為例，驗(yàn)證了FPN應(yīng)用于狀態(tài)識別知識推理的可能性。
　　與狀態(tài)識別類知識不同，風(fēng)險預(yù)測類知識具有概率性和時間性的特點(diǎn)，此時相同的建模方法將不再適用，在此我們基于健康知識規(guī)則網(wǎng)絡(luò)化的特點(diǎn)（變遷多、庫所共用），改良了傳統(tǒng)的時延概率

3、Petri網(wǎng)，將時延參數(shù)和概率參數(shù)賦予給變遷，從而完成風(fēng)險預(yù)測類知識的網(wǎng)絡(luò)化建模，并使用《Framingham危險評分》中的節(jié)選表格進(jìn)行建模，驗(yàn)證其有效性。
　　最后，在實(shí)際操作中我們發(fā)現(xiàn)，面對海量的健康知識原始規(guī)則，傳統(tǒng)的手工建模方法將難以應(yīng)對，為解決這一難題，我們針對健康知識原始規(guī)則庫的特點(diǎn)，設(shè)計了健康知識網(wǎng)絡(luò)化自動建模的技術(shù)路線和具體算法，并最終通過程序?qū)崿F(xiàn)了自動建模。與手動建模相比，自動建模具有效率高、不易出錯的特點(diǎn)，這將