[发明专利]一种山羊疾病智能诊断方法及系统

说明书

本发明公开了一种山羊疾病智能诊断方法及系统，包括病例库、专家规则库、智能推理模块、系统诊断模块、系统展示模块和人机交互模块；所述病例库、专家规则库、智能推理模块与系统诊断模块连接，人机交互模块与智能推理模块连接，系统诊断模块与系统展示模块连接。

技术领域

本发明涉及动物养殖领域，具体涉及一种山羊疾病智能诊断方法及系统。

背景技术

疾病诊断系统作为医生诊断的辅助工具，通过学习、继承和发扬医学专家的宝贵理论知识以及丰富的临床经验知识，借助信息技术和智能计算技术，在临床诊断过程中，根据患者当前的病症信息，依据系统知识库和推理机制，对病情进行分析提示，对诊断治疗方案决策提供辅助支持信息。智能辅助诊断系统可以帮助年轻无经验的医生在临床诊断决策过程中不遗漏、不错过重要的信息和线索，为疑难杂症寻找更多的解决方案。

目前，畜禽疾病专家系统的诊断主要是基于模型的诊断，对诊断推理模型的研究主要有逻辑判断、概率与统计模型、模糊推理、可信度方法、粗集理论、贝叶斯网络、神经网络和信任函数等。逻辑判断主要采用因果推理，是溯因诊断的基本方法，易于简单疾病诊断，概率与统计方法根据大量的经验进行推理，依靠已有的数据，精确度不高，其他几种方法具有好的推理能力和自学能力，能够适应复杂疾病的诊断，但误诊率还是较高。

疾病诊断推理机也是多种多样，其中一种就是产生式规则的推理机，如文献：陈再旺和陈景长在《一个医疗辅助诊断专家系统的设计与实现》中构建了一个基于产生式规则以及冲突消解的急性腹痛辅助诊断专家系统，该系统采用正向推理以及深度优先结合剪枝的搜索策略，一步步匹配用户的输入直到寻找一个答案。虽然，该规则所需内耗较大，但是在解释疾病和症状之间的关系时，通过数值诊断原理，可以阐述成计算机识别的语言，让疾病智能诊断更加容易实现。

还有一种常用的推理机制为使用神经网络来实现辅助诊断系统的智能推理，这得益于神经网络具有的联想记忆与联想映射以及不断学习的能力，如文献：蔡航在《基于神经网络的医疗诊断专家系统》中提出了一个基于神经网络的肺癌诊断专家系统，使用病例中的年龄、性别、家族史、既往史、吸烟史、X线检查、CT检查、纤维支气管镜检查等8项作为神经网络的输入，通过病历训练模型来根据特征输入判断是否患肺癌，又如文献：侯桂英、孙佰清、关振中和冯英浚在《应用智能医疗诊断系统诊断高血压的研究》中利用人工神经网络和专家系统相结合的方法，对100份高血压病例提取特征进行训练构建预测模型，再使用该模型根据高血压病症的特征进行诊断。目前，应用这两种推理机制的专家系统除了诊断上出现的一些缺陷，同时，这些系统在一次性获取用户信息后往往直接将诊断结果返回给用户，缺少了与用户的交互过程，这非常不利于用户理解系统推理的过程以及自身患病的诊断流程。

专家系统的应用推广中，暴露出更多的问题：（1）专家知识欠准确。不同的领域专家对同一个问题的知识描述的准确性和一致性欠统一；（2）推理机推理引擎欠佳，诊断流程和诊断算法决定了推理的准确性，选用合适的推理算法，成为畜禽疾病诊断专家系统的关键问题。

发明内容

本发明提供一种山羊疾病智能诊断方法及系统。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种山羊疾病智能诊断方法，包括：

步骤1，用户输入疾病症状；

步骤2，基于预先建立的病例库和专家规则库，计算所述疾病症状在病例库中的信息匹配度以及在专家规则库中的规则覆盖率，对所述信息匹配度与所述规则覆盖率进行求和，得到疾病库中每种疾病对所述输入信息的可信度值F；

步骤3，按照所述可信度值F，将与F相对应的疾病进行排序，将F大于等于阈值E1的疾病作为初始推理结论返回给用户；F小于阈值E1用户将重新输入疾病症状；

步骤4，基于预先建立的病例库，将用户输入的检查结果信息，与病例库中与所述初始推理结论中的疾病相对应的诊断标准提供给使用用户；