[发明专利]一种猪病知识库自动训练学习方法及猪病辅助诊断装置

说明书

技术领域

本发明涉及计算机辅助诊断技术领域，具体地说，是涉及一种猪病知识库自动训练学习方法及猪病辅助诊断装置。

背景技术

猪病的种类很多，包括传染病、寄生虫病、内科病、外科病、产科病、营养代谢病及中毒性疾病，而危害最严重的是传染病，它往往是大批发生，发病率和死亡率很高，严重影响养猪业的发展，造成巨大的经济损失。据农业部畜牧业司统计，我国2005年出栏的6.61亿头商品猪中，全国年出栏50头以下生猪的小规模饲养比重占62.8％，但每年因猪群健康管理不当、疾病发生后未及时处置给这些养殖户带来巨大的经济损失。

但目前市面上没有完善的猪病人工诊断系统，即使存在也因技术复杂、成本高难以在这些养猪农户推广开，目前行业内猪病自动诊断系统，主流方式为系统提供所有疾病的症状集合，供用户选择，用户选择病猪的发病症状后，系统针对用户所选择的症状属于哪种疾病来诊断得出疾病的发病可能性。

用户选择疾病症状时候耗时耗力，同时存在养猪行业技术人员不足、养殖人员素质低、能力差无法准确判断发病症状，同时，系统诊断时，在大量症状的集合中不能准确快速找到符合自己病猪的所属症状，用户无法对症状做出准确的通盘考虑进行选择。症状选择之后，由于同一疾病症状会出现在多种疾病中，同时多种疾病又会出现在多个阶段的猪只上，系统诊断会出现大量猪病诊断结果，或只给出大量诊断结果中的部分结果，这样并无法给用户提供有效的猪病诊断参考价值，无法从根本上帮助用户解决问题。

发明内容

为解决上述技术问题，本发明提供了一种猪病知识库自动训练学习方法，包括：

接收用户输入的生猪发病症状信息；

根据所述发病症状信息，通过历史症状数据及神经网络训练进行猪病症状的自动匹配；

根据所述自动匹配的结果，计算各个匹配猪病的贝叶斯条件概率，将所述匹配猪病按所述概率排序后发送给用户；

根据用户选择调整所述历史症状数据。

优选地，对于每个所述匹配猪病，其贝叶斯条件概率为：

P＝1/M*100％+X/Y*(1-1/M)*100％；

其中，M表示所述自动匹配的结果集合中疾病个数，X表示所述发病症状信息对应猪病症状对于所述匹配猪病的权重数，Y表示所述匹配猪病的全部症状的总权重数。

优选地，所述根据用户选择调整所述历史症状数据包括：

加大所述历史症状数据中所述发病症状信息对应猪病症状对于所述用户选择的匹配猪病的权重。

优选地，所述神经网络训练包括：

通过神经网络训练得出最佳诊断路径，并标记出各类疾病的典型症状，将典型症状中易于辨识的症状作为区分症状。

优选地，所述猪病症状的自动匹配包括：

通过所述区分症状层层筛选疾病，缩小目标疾病集合，当该集合不能缩小时，将集合中疾病的所有的症状全部出现供用户选择。

在本发明的另一方面，还同时提供一种猪病辅助诊断装置，包括：

输入单元，用于接收用户输入的生猪发病症状信息；

匹配单元，用于根据所述发病症状信息，通过历史症状数据及神经网络训练进行猪病症状的自动匹配；

概率计算单元，用于根据所述自动匹配的结果，计算各个匹配猪病的贝叶斯条件概率，将所述匹配猪病按所述概率排序后发送给用户；

知识库学习单元，用于根据用户选择调整所述历史症状数据。

优选地，所述概率计算单元中，对于每个所述匹配猪病，其贝叶斯条件概率为：

P＝1/M*100％+X/Y*(1-1/M)*100％；

其中，M表示所述自动匹配的结果集合中疾病个数，X表示所述发病症状信息对应猪病症状对于所述匹配猪病的权重数，Y表示所述匹配猪病的全部症状的总权重数。

优选地，所述知识库学习单元还包括：

权重调整单元，用于加大所述历史症状数据中所述发病症状信息对应猪病症状对于所述用户选择的匹配猪病的权重。

优选地，所述匹配单元还包括：

神经网络训练单元，用于通过神经网络训练得出最佳诊断路径，并标记出各类疾病的典型症状，将典型症状中易于辨识的症状作为区分症状。

优选地，所述匹配单元还包括：

匹配筛选单元，用于通过所述区分症状层层筛选疾病，缩小目标疾病集合，当该集合不能缩小时，将集合中疾病的所有的症状全部出现供用户选择。