中医信息处理技术没有从根本上解决中医辨证论治的逻辑形式化描述问题,而且缺少中医信息与西医信息融合的方法和形式化描述, 影响了中西医结合的智能信息处理, 因此中西医智能预后分析的发展受到限制。项目组根据中西医学的特点,运用人工智能新理论, 拟提出新的机器学习算法和新的动态多层次知识表示框架和推理机制,并将在此基础上动态建模。拟提出的知识表示框架,可同时表示中医信息和西医信息,为中西医的知识表示与融合提供方法和手段,为形式化描述中医辨证理论和进行逻辑推理提供新的途径。按照不同的情况动态建立的模型,其表示的状态随时间的变化而变化,并且状态空间按情况自动扩张与压缩,这是目前国际上在该领域一个全新的、具有普遍性、有很强实用性的模型。在有足够数据基础和其它必要条件的情况下,提出的这一新技术还可应用于其它领域如灾难预测、金融预测等。因此,本课题究的是一个既有理论创新更有实际应用价值的有待开发的新领。
probability graph models;dynamic modeling;decision analysis;machine learning;knowledge engineering
中医信息处理技术没有从根本上解决中医辨证论治的逻辑形式化描述问题,而且缺少中医信息与西医信息融合的方法和形式化描述, 影响了中西医结合的智能信息处理, 因此中西医智能预后分析的发展受到限制。项目组根据中西医学的特点,运用人工智能新理论, 提出了新的机器学习算法(Dynamic Ordering-based Search algorithm (DOS) , Improve-IAMB)。提出的算法研究了条件独立性测试的方法,避免进行的条件独立性测试的浪费,我们从理论上证明新算法的正确性,并分析了算法的时间复杂度,该算法在速度和准确率上比现有的算法有明显提高。基于已有的研究基础,项目组提出了新的知识表示方法(Interactive Time Critical Dynamic Influence Diagrams,Scalable-Dynamic Influence Diagram)。在此基础上,还提出了新的动态多层次知识表示框架和推理机制,完善了其动态建模的方法。提出的知识表示框架,可同时表示中医信息和西医信息,为中西医的知识表示与融合提供方法和手段,为形式化描述中医辨证理论和进行逻辑推理提供新的途径。按照不同的情况动态建立的模型,其表示的状态随时间变化而变化,并且其状态空间能根据情况自动扩张与压缩,这是目前国际上在该领域一个全新的、具有普遍性和很强实用性的模型。这个新技术在有足够数据基础和其它必要条件的情况下可应用于医学以外的很多领域,目前已应用到网络可靠性分析、计算机游戏中。项目组开发了西医预后分析原型系统,该系统支持动态建模,对两种疾病(胃肿瘤和糖尿病)进行了建模研究,进而验证了提出理论的实用性。项目组建立了资源共享的中西医医疗决策平台,便于推广本课题组所开发的研究成果,方便与其他同行和专家交流并携手提高中西医智能医疗决策的质量。因此,本课题研究既是是一个理论创新,也是一个有待继续开发且具有实际应用价值的新领域。