论文部分内容阅读
随着医疗领域信息化水平的提高，数字化的医学病例和医学影像资源日益丰富，这些病例和影像资源中蕴藏着大量的医学知识。通过适当的知识发现方法，挖掘出其中有效的知识并用计算机和医生都能理解的方式表示出来，结合医学专家的先验知识后，应用到医学计算机辅助诊断（CAD，Computer Aided Diagnosis）系统中，有助于提高医学CAD系统的准确性和智能水平。
本文的研究内容是课题组提出的基于征象理解的交互式乳腺CAD系统的组成部分。包括东方女性乳腺X线病例数据库的构建，以及融合医学专家知识与知识发现技术，构建基于X线征象和临床信息语义描述的乳腺X线影像BI-RADS（Breast Imaging Reporting Data System）分级诊断模块。
乳腺X线病例数据库是支撑乳腺CAD系统运行的基础，其目的在于提供可靠、合理和全面的病例数据存储系统。本文通过与医学专家的大量沟通，明确影响乳腺X线影像分级诊断的各种信息因素并进行规范化和分类整理，充分考虑CAD系统运行过程中对病例信息的存取要求，利用关系数据库管理系统设计并建立了涵盖丰富信息、融合ACR-INDEX标准、结构合理的东方女性乳腺X线病例数据库。
基于X线征象和临床信息语义描述的乳腺X线影像BI-RADS分级诊断模块，其基础依据是医学知识，包括来源于医学专家、文献的知识和通过大量病例数据挖掘得到的知识。在知识的表达上，本文提出陈述性方式表达概念知识，语义网络表达诊断结构知识，而诊断规则知识则采用基于权值和可信度的产生式规则方法来表示，并设计了相应的知识推理机制，多种表达方式实现了知识的互补和融合。知识的存储即知识库采用关系数据库实现，其中产生式规则知识采用类链表方式存储，二维矩阵存储诊断结构知识。
本文最后一章应用贝叶斯网络方法实现大量病例数据的知识发现，其生成的诊断规则知识经专家审核后，存入知识库，与医学专家的先验知识进行融合。实验表明，基于融合知识库的推理实现了对乳腺X线影像更高的分级准确率。知识库满足了知识的解释性和系统的交互性，相对于传统乳腺CAD系统封闭的运行过程，该模型提高了分级诊断过程的可理解性和透明性。