疾病狀態(tài)檢測(cè)及風(fēng)險(xiǎn)預(yù)測(cè)知識(shí)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(shí)推理的一個(gè)應(yīng)用子集，健康知識(shí)推理在實(shí)際應(yīng)用中存在體量大、結(jié)構(gòu)相對(duì)復(fù)雜、不同類型的參數(shù)多（模糊、概率、時(shí)間等）等特點(diǎn)。而隨著我國(guó)人口的逐漸老齡化，社會(huì)對(duì)于以心腦血管疾病為主的健康問(wèn)題越來(lái)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(shí)規(guī)則網(wǎng)絡(luò)化推理的具體方案，并最終通過(guò)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(shí)可以分為狀態(tài)識(shí)別、風(fēng)險(xiǎn)預(yù)測(cè)和方案管理三個(gè)部分，其中狀態(tài)識(shí)別類知識(shí)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(duì)狀態(tài)識(shí)別類知識(shí)的不確定性，我們采用模糊Petri網(wǎng)（FPN）建模，并以《中國(guó)高血壓防治指南》中的高血壓危險(xiǎn)分層知識(shí)為例，驗(yàn)證了FPN應(yīng)用于狀態(tài)識(shí)別知識(shí)推理的可能性。
　　與狀態(tài)識(shí)別類知識(shí)不同，風(fēng)險(xiǎn)預(yù)測(cè)類知識(shí)具有概率性和時(shí)間性的特點(diǎn)，此時(shí)相同的建模方法將不再適用，在此我們基于健康知識(shí)規(guī)則網(wǎng)絡(luò)化的特點(diǎn)（變遷多、庫(kù)所共用），改良了傳統(tǒng)的時(shí)延概率

3、Petri網(wǎng)，將時(shí)延參數(shù)和概率參數(shù)賦予給變遷，從而完成風(fēng)險(xiǎn)預(yù)測(cè)類知識(shí)的網(wǎng)絡(luò)化建模，并使用《Framingham危險(xiǎn)評(píng)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(duì)海量的健康知識(shí)原始規(guī)則，傳統(tǒng)的手工建模方法將難以應(yīng)對(duì)，為解決這一難題，我們針對(duì)健康知識(shí)原始規(guī)則庫(kù)的特點(diǎn)，設(shè)計(jì)了健康知識(shí)網(wǎng)絡(luò)化自動(dòng)建模的技術(shù)路線和具體算法，并最終通過(guò)程序?qū)崿F(xiàn)了自動(dòng)建模。與手動(dòng)建模相比，自動(dòng)建模具有效率高、不易出錯(cuò)的特點(diǎn)，這將