论文部分内容阅读
目前,测量诊室血压还是对高血压进行诊断的主要方式,但是这种单纯靠测量诊室血压的诊断方式可能会产生漏诊或者误诊。如,隐匿性高血压若被漏诊可能会威胁到患者的生命安全,而由于“白大衣效应”引起的误诊会造成医疗资源的浪费。高血压患者的治疗绝对不是一个简单的过程,因为除了有血压升高这个危险因素以外,很多高血压患者还伴随着其它心血管危险因素。内科医生确定高血压患者的治疗时机以及治疗方案时,不能单纯地依据血压水平,还必须对患者心血管风险水平进行评估并分类。但在实际上,对高血压患者心血管风险水平进行分类是一个复杂而耗时的工作,一般都由经验比较丰富的内科医生来完成。随着高血压患者数量持续增加,内科医生每天接诊的病患数量也随之增多,这不仅需要内科医生在更短的时间内完成一个诊断动作,而且增加了他们的工作压力。针对单纯靠测量诊室血压的诊断方式可能会产生漏诊或者误诊,本文提出了一个本体驱动的贝叶斯网络模型来辅助高血压患者的诊断。首先设计用于高血压患者诊断的本体模型,然后将本体实例之间的对象关系映射成贝叶斯网络变量之间的依赖关系以自动构建贝叶斯网络,最后采用贝叶斯网络模型来辅助高血压患者的诊断。实验结果表明该模型是正确的和可行的。为了辅助内科医生对高血压患者的心血管风险水平进行分类,本文提出了高血压患者心血管风险水平分类系统来帮助内科医生给患者的心血管风险水平分类以便确定治疗时机与治疗方案。首先设计了高血压患者电子病历数据库以存储患者的体检信息,其次,构建了用于分类任务的本体模型以及知识库,然后,提出了一种将数据库记录动态转换成本体实例的算法以便生成本体实例,最后,将本体模型、知识库以及动态生成的本体实例绑定到推理引擎来得到诊断结论。整个分类系统的使用界面均为友好的图形化窗口。实验结果表明该方法是可行的,而且能兼顾本体具有表达能力强和可推理性等优点,以及数据库具有高效存取等优势。本文所做的工作属于研究性工作,因此,本文提出的高血压患者心血管风险水平分类系统具有研究性质,可能存在不足之处。