基于模糊聚類分析的臨床路徑優(yōu)化決策研究.pdf

1、隨著數(shù)字化醫(yī)療改革的發(fā)展，以結(jié)構(gòu)化電子病歷為平臺(tái)的臨床路徑正向智能化和知識(shí)化發(fā)展，其核心價(jià)值是以提取電子病歷中有效臨床信息及隱含診療模式，詢證醫(yī)學(xué)證據(jù)，輔助醫(yī)師為患者選擇最優(yōu)治療方案。通過(guò)研究分析，模糊聚類分析方法非常適合解決臨床路徑中復(fù)雜醫(yī)療數(shù)據(jù)的分類問(wèn)題。模糊聚類與模糊神經(jīng)網(wǎng)絡(luò)的結(jié)合提高了大量醫(yī)療數(shù)據(jù)進(jìn)行聚類分析時(shí)，交替迭代算法的運(yùn)算速度，可以通過(guò)對(duì)網(wǎng)絡(luò)訓(xùn)練，實(shí)現(xiàn)記憶學(xué)習(xí)，從而豐富臨床路徑相關(guān)信息，有助于臨床路徑優(yōu)化決策。
　

2、　本文針對(duì)醫(yī)療信息的復(fù)雜性和不確定性，采用模糊聚類分析方法對(duì)信息化醫(yī)療數(shù)據(jù)進(jìn)行了綜合處理分析。提出了基于減法聚類FCM算法，對(duì)患者病癥特征進(jìn)行模糊劃分，獲得患者隸屬于各臨床路徑類別的隸屬度，用隸屬度值的大小來(lái)決定樣本的歸屬。這種改進(jìn)的聚類算法把患者復(fù)雜的醫(yī)療信息，歸結(jié)為一個(gè)帶約束的非線性規(guī)劃問(wèn)題，通過(guò)優(yōu)化求解獲得數(shù)據(jù)集的模糊劃分和聚類。其次，建立了基于減法聚類FCM算法的T-S模型，根據(jù)聚類結(jié)果進(jìn)行網(wǎng)絡(luò)訓(xùn)練，通過(guò)對(duì)臨床路徑?jīng)Q策推理、治療

3、效果、路徑變異等結(jié)果的學(xué)習(xí)，從而避免下一個(gè)類似患者出現(xiàn)相同的負(fù)變異。最后，以復(fù)雜病種為實(shí)驗(yàn)背景進(jìn)行仿真求解，分別采用減法聚類FCM算法與 FCM算法進(jìn)行仿真并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行比較分析，實(shí)驗(yàn)結(jié)果證明，減法聚類FCM在收斂性與穩(wěn)定性方面高于FCM算法；基于減法聚類 FCM算法的T-S模型實(shí)驗(yàn)結(jié)果表明該網(wǎng)絡(luò)泛化性、自適應(yīng)性較強(qiáng)，實(shí)際決策輸出與預(yù)測(cè)輸出誤差較小，能持續(xù)優(yōu)化臨床路徑?jīng)Q策。
　　本文研究及實(shí)驗(yàn)結(jié)果表明，模糊聚類算法用于臨床路徑優(yōu)