[实用新型]融合粒子群与可拓粗糙格的动态电子病历协同挖掘系统

说明书

技术领域：

本实用新型涉及一种医疗辅助设施。

背景技术：

电子病历(Electronic Medical Record，简称EMR)作为医院信息系统(Hospital Information System，简称HIS)的一个重要组成部分，其包含三个方面内涵：一是包含病人历次就诊过程中完整、详细临床信息资源；二是为建立医疗疾病资源库提供共享支持；三是提供医学知识库和辅助诊断决策支持等。如何从海量的医疗数据中挖掘有价值的信息或知识已成为电子病历从信息服务向智能专家系统发展的方向。电子病历挖掘(Electronic Medical Record Mining，简称EMRM)就是为顺应上述这种需要而产生和发展起来的一个新研究方向，它从大量不完整的、有噪声的、模糊的以及动态变化的医学病历数据中，提取隐含在其中的医学诊断规则和模式，用来在临床数据库记录中识别相关医学知识内在联系，形成相应分类决策支持模型，为医生进行疾病诊断治疗提供辅助决策。如何采用计算机智能处理技术将病历样本属性映射低维空间、进行样本属性动态约简和诊断规律和知识高效挖掘等，这是目前电子病历与计算机智能处理技术相结合方面富有挑战性的研究课题。

粒子群优化算法(Particle Swarm Optimization，PSO)是1995年由美国社会心理学家James Kennedy和电气工程师Russell Eberhart共同提出，其基本思想是受他们早期对鸟群、鱼群和人类社会等群体行为的启发而提出的，该算法中将鸟群运动模型中的栖类比于所求问题解空间中可能解的位置，通过个体间的信息传递，导引整个群体向可能解的方向移动，在求解过程中逐步增加发现较好解的可能性，种群内部不同个体之间的信息共享能够在模拟进化计算方面提供巨大的优势，尤其是在多维空间寻优中。协同进化算法在普通进化算法的基础上，考虑了种群与环境之间、种群与种群之间在进化过程中的协调一致，其一般思想是将待求问题的解向量分裂成多个子元素，每个子元素通过一个物种种群进行进化，每个物种种群内某个体的适应度通过由该个体和来自其他物种种群的个体组合而成的解向量来评价。由于粒子群优化算法概念简明、实现方便、收敛速度快、需要调节参数少，目前已经成为协同进化算法普遍采用的基元方法，粒子群协同进化擅长在一个多模优化问题时通过组合多个粒子群相互分工协作，较好的寻找系统最优解。本发明将采用基于粒子群的协同进化方法来进行电子病历同类医学规则协同挖掘诊断规则。

可拓学是广东工业大学可拓工程研究所蔡文研究员创立的一门新学科，它以形式化模型探讨事物拓展的可能性以及开拓创新的规律与方法，并用于解决客观世界的矛盾问题，其理论支柱是物元理论和可拓集合理论。可拓学主要利用可拓数据变换，从变化的角度使假命题变为真命题，把不可知问题变为可知问题，把不可行问题变为可行问题。可拓数据挖掘将原数据通过五元组形式化表示，在可拓变换约束下从数据集或者知识集中获得可拓知识的方法。粗糙集理论(Rough Sets Theory)与概念格理论(Concept Lattice Theory)以其思想新颖、方法独特，已成为近年来获得飞速发展的知识发现和数据挖掘有力工具。粗糙集理论是由波兰数学家Pawlak.Z于1982年首先提出，它提供了一套严格处理知识发现中基本分类问题的数学方法。粗糙集理论不需要先验知识，其在保持分类能力的前提下对属性和属性值进行约简，获取最小的规则集，且获取的规则易于被专家解读和说明。概念格(Galois格)，也称形式概念分析，是由德国教授R.Wille于1982年首先提出的，主要用于概念发现、排序和显示，它是一种支持数据分析的有效工具。概念格的每个节点是一个形式概念，其由两部分组成，即概念的外延和内涵，外延即概念所覆盖的实例，内涵即概念所覆盖实例的共同属性，所有概念连同定义在其上层次关系共同构成了概念格。另外概念格通过Hasse图的形式生动而简洁地体现了概念之间的泛化和特化关系。