本發(fā)明屬于醫(yī)學(xué)技術(shù)領(lǐng)域，具體地說(shuō)，涉及一種基于貝葉斯算法的疾病分析系統(tǒng)。

背景技術(shù)：

在臨床上，疾病的分析診斷是病人和醫(yī)生的交互過(guò)程，在這一過(guò)程中，醫(yī)生對(duì)疾病的分析過(guò)程是極其復(fù)雜的螺旋式曲線過(guò)程，醫(yī)生常常自覺(jué)或不自覺(jué)地應(yīng)用概率統(tǒng)計(jì)方法進(jìn)行分析。所以概率和數(shù)據(jù)統(tǒng)計(jì)中的很多方法都可以應(yīng)用于臨床的疾病分析中。疾病與其表現(xiàn)的關(guān)系通常是概率統(tǒng)計(jì)關(guān)系，不是確定性的關(guān)系。因此，利用概率統(tǒng)計(jì)方法對(duì)疾病進(jìn)行分析診斷是可能的，也是合理的。

在判別分析方法中，概率統(tǒng)計(jì)的貝葉斯(bayes)算法，其準(zhǔn)確性要比普通算法高。而且貝葉斯算法的實(shí)用性也比較高，所以應(yīng)用比較廣泛。目前，還沒(méi)有一種基于貝葉斯算法的疾病分析系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明提供一種基于貝葉斯算法的疾病分析系統(tǒng)，該系統(tǒng)可以對(duì)相應(yīng)的疾病做出智能化分析和診斷，用精確且客觀的方式來(lái)表達(dá)原本帶有主觀性以及依賴于經(jīng)驗(yàn)的疾病分析，給醫(yī)務(wù)人員提供快速定性和科學(xué)的參考依據(jù)，可以幫助醫(yī)務(wù)人員快速判斷疾病的種類，在早期采取有效的防控措施，最大限度地減少突發(fā)疾病帶來(lái)的損失，具有及時(shí)、準(zhǔn)確、客觀的特點(diǎn)，適合推廣應(yīng)用。

其技術(shù)方案如下：

一種基于貝葉斯算法的疾病分析系統(tǒng)，包括客戶端、瀏覽器、病例采集模塊、數(shù)據(jù)庫(kù)、診斷分析模塊、顯示器和打印機(jī)；

所述客戶端用于醫(yī)務(wù)人員登錄通過(guò)瀏覽器錄入相關(guān)信息；

所述病例采集模塊用于采集患者的診斷、治療和手術(shù)過(guò)程中的相關(guān)信息；

所述數(shù)據(jù)庫(kù)用于存儲(chǔ)病例采集模塊所采集的數(shù)據(jù)；

所述診斷分析模塊用于對(duì)病例采集模塊存儲(chǔ)的歷史數(shù)據(jù)進(jìn)行分析處理形成診斷結(jié)果。

進(jìn)一步，所述錄入的相關(guān)信息包括組學(xué)數(shù)據(jù)、年齡、性別、地區(qū)。

優(yōu)選地，所述數(shù)據(jù)庫(kù)包括組學(xué)數(shù)據(jù)信息表、診斷表、發(fā)病率表和結(jié)果。

優(yōu)選地，所述顯示器為led顯示器。

貝葉斯算法是統(tǒng)計(jì)模型決策中的一個(gè)基本算法，其基本思想是：已知條件概率密度參數(shù)表達(dá)式和先驗(yàn)概率；利用貝葉斯公式轉(zhuǎn)換后驗(yàn)概率；根據(jù)后驗(yàn)概率大小進(jìn)行決策分類。

貝葉斯公式：設(shè)b1，b2，……，bn為樣本空間s的一個(gè)劃分，如果以p(bi)表示bi發(fā)生的概率，且p(bi)＞0(i＝1，2，…，n)。對(duì)于任一事件bi，p(bi)＞0，則有：

其中，p(abi)＝p(aj，bi)

所以，把貝葉斯算法用在疾病診斷中，對(duì)n種組學(xué)數(shù)據(jù)對(duì)應(yīng)m種疾病，則第i種疾病出現(xiàn)第j種組學(xué)數(shù)據(jù)的概率為p(aj，bi)同時(shí)第i種疾病的發(fā)病率為p(bi)，i∈[1，2，…，n]，j∈[1，2，…，m]。根據(jù)這些收集的條件用上述公式化簡(jiǎn)就可以求出在病人出現(xiàn)n種組學(xué)數(shù)據(jù)時(shí)疾病dj的發(fā)病率p(bi/a)。

本發(fā)明的有益效果：

本發(fā)明技術(shù)方案的基于貝葉斯算法的疾病分析系統(tǒng)可以對(duì)相應(yīng)的疾病做出智能化分析和診斷，用精確且客觀的方式來(lái)表達(dá)原本帶有主觀性以及依賴于經(jīng)驗(yàn)的疾病分析，給醫(yī)務(wù)人員提供快速定性和科學(xué)的參考依據(jù)，可以幫助醫(yī)務(wù)人員快速判斷疾病的種類，在早期采取有效的防控措施，最大限度地減少突發(fā)疾病帶來(lái)的損失，具有及時(shí)、準(zhǔn)確、客觀的特點(diǎn)，適合推廣應(yīng)用。

附圖說(shuō)明

圖1為基于貝葉斯算法的疾病分析系統(tǒng)的原理圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)地說(shuō)明。

參照?qǐng)D1，一種基于貝葉斯算法的疾病分析系統(tǒng)，包括客戶端、瀏覽器、病例采集模塊、數(shù)據(jù)庫(kù)、診斷分析模塊、顯示器和打印機(jī)；

所述客戶端用于醫(yī)務(wù)人員登錄通過(guò)瀏覽器錄入相關(guān)信息；

所述病例采集模塊用于采集患者的診斷、治療和手術(shù)過(guò)程中的相關(guān)信息；

所述數(shù)據(jù)庫(kù)用于存儲(chǔ)病例采集模塊所采集的數(shù)據(jù)；

所述診斷分析模塊用于對(duì)病例采集模塊存儲(chǔ)的歷史數(shù)據(jù)進(jìn)行分析處理形成診斷結(jié)果。

所述錄入的相關(guān)信息包括組學(xué)數(shù)據(jù)、年齡、性別、地區(qū)。

所述數(shù)據(jù)庫(kù)包括組學(xué)數(shù)據(jù)信息表、診斷表、發(fā)病率表和結(jié)果。

所述顯示器為led顯示器。

貝葉斯算法是統(tǒng)計(jì)模型決策中的一個(gè)基本算法，其基本思想是：已知條件概率密度參數(shù) 表達(dá)式和先驗(yàn)概率；利用貝葉斯公式轉(zhuǎn)換后驗(yàn)概率；根據(jù)后驗(yàn)概率大小進(jìn)行決策分類。

貝葉斯公式：設(shè)b1，b2，……，bn為樣本空間s的一個(gè)劃分，如果以p(bi)表示bi發(fā)生的概率，且p(bi)＞0(i＝1，2，…，n)。對(duì)于任一事件bi，p(bi)＞0，則有：

其中，p(abi)＝p(aj，bi)。

所以，把貝葉斯算法用在疾病診斷中，對(duì)n種組學(xué)數(shù)據(jù)對(duì)應(yīng)m種疾病，則第i種疾病出現(xiàn)第j種組學(xué)數(shù)據(jù)的概率為p(aj，bi)同時(shí)第i種疾病的發(fā)病率為p(bi)，i∈[1，2，…，n]，j∈[1，2，…，m]。根據(jù)這些收集的條件用上述公式化簡(jiǎn)就可以求出在病人出現(xiàn)n種組學(xué)數(shù)據(jù)時(shí)疾病dj的發(fā)病率p(bi/a)。

本發(fā)明在具體應(yīng)用過(guò)程中，醫(yī)務(wù)人員通過(guò)客戶端登錄瀏覽器輸入或者選擇組學(xué)數(shù)據(jù)、年齡、性別、地區(qū)等信息，，再通過(guò)數(shù)據(jù)庫(kù)貝葉斯算法得出發(fā)病率，根據(jù)組學(xué)數(shù)據(jù)特征和各種疾病選出n種組學(xué)數(shù)據(jù)p(aj，bi)，得出滿足這些組學(xué)數(shù)據(jù)的m種疾病，根據(jù)地區(qū)信息p(bi)帶入貝葉斯公式，得出概率最大的疾病，診斷分析模塊根據(jù)得出的發(fā)病率和相關(guān)資料進(jìn)行比較，得出最后的疾病分析結(jié)果，該結(jié)果可以通過(guò)顯示器顯示，也可以通過(guò)打印機(jī)打印出書面形式，方便保存。該系統(tǒng)可以對(duì)相應(yīng)的疾病做出智能化分析和診斷，用精確且客觀的方式來(lái)表達(dá)原本帶有主觀性以及依賴于經(jīng)驗(yàn)的疾病分析，給醫(yī)務(wù)人員提供快速定性和科學(xué)的參考依據(jù)，可以幫助醫(yī)務(wù)人員快速判斷疾病的種類，在早期采取有效的防控措施，最大限度地減少突發(fā)疾病帶來(lái)的損失，具有及時(shí)、準(zhǔn)確、客觀的特點(diǎn)，適合推廣應(yīng)用。

本發(fā)明的數(shù)據(jù)庫(kù)的數(shù)據(jù)源必須從廣度和深度兩個(gè)層面上來(lái)獲取，本發(fā)明的數(shù)據(jù)庫(kù)的疾病數(shù)量達(dá)到563種，涵蓋大部分普通疾病和傳染病以及目前比較常見(jiàn)的復(fù)雜疾病，例如2型糖尿病，阿爾茨海默等，基本可以滿足大部分地區(qū)對(duì)疾病分析需求，組學(xué)數(shù)據(jù)與疾病之間的對(duì) 應(yīng)權(quán)重值和各地區(qū)中的疾病發(fā)病率的值得提取主要依據(jù)統(tǒng)計(jì)數(shù)據(jù)，當(dāng)統(tǒng)計(jì)樣本數(shù)量達(dá)到一定規(guī)模時(shí)可以基本滿足疾病診斷分析的精確度的需求。實(shí)踐證明，貝葉斯算法作為一個(gè)基礎(chǔ)算法，在效率和準(zhǔn)確性等方面都有一定的優(yōu)勢(shì)。

以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，本發(fā)明的保護(hù)范圍不限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可顯而易見(jiàn)地得到的技術(shù)方案的簡(jiǎn)單變化或等效替換均落入本發(fā)明的保護(hù)范圍內(nèi)。