面向医学诊断的智能决策新方法研究

With the promotion of medical information in real life, only relying on medical experts for diagnosis has been far from satisfying the needs of the development of modern society. Play computer reasoning and learning ability, developing highly efficient, accurate, intelligent decision-making medical diagnosis systems to help diagnose for doctor has become an important direction of the field. The project is going to propose an intelligent decision theory model for medical diagnosis. Based on this model, we not only designed fast and efficiently intelligent decision-making methods for medical diagnosis by combing with sparse learning, active learning and semi-supervised learning, but also proposed intelligent decision-making methods for medical diagnosis with a strong comprehensibility and accuracy based on the methods of meta-heuristic and selection ensemble. The study not only contributes to the further development of the methods for intelligent decision-making, which has important theoretical significance; but also provides a scientific and effective solution to solve actual medical diagnosis of complex decision problems, which has important application value.

随着医疗信息化在实际生活中的推广,仅仅依靠医学专家进行诊断已远远不能满足现代社会发展的需求。发挥计算机推理和学习等方面的能力，开发出高效、高准确率的医学诊断智能决策系统辅助医生诊断己成为目前该领域的一个重要方向。本项目拟提出面向医学诊断的智能决策理论模型；在此基础上，结合稀疏学习、主动学习和半监督学习等思想设计快速、高效的医学诊断智能决策方法；基于元启发算法和选择性集成思想研究具有可理解性强和决策精度高的医学诊断智能决策方法。该研究不仅对智能决策方法的进一步发展做出贡献，具有重要的理论意义；而且也为解决以医学诊断为代表的实际复杂决策问题提供了一套科学、有效的解决方案，具有重要的应用价值。

面向医学诊断决策问题，本项目开展了智能决策相关方法研究。提出了一批新的智能医学决策支持方法。支持向量机（SVM）和核极限学习机（KELM）作为两种重要的机器学习方法，其模型选择问题一直是研究者们重点关注的问题，通俗来说，SVM和KELM训练过程中涉及到两个重要的参数，若由人工设定很难获得最优的参数值，其它现有方法包括网格搜索和梯度下降等方法又很容易陷入局部最优。据此，本项目提出采用元启发算法对SVM和KELM模型的重要参数进行选择。先后提出基于并行群智能框架的SVM参数优选方法、基于果蝇优化的SVM参数优选方法，基于人工蜂群策略的自适应多核KELM模型，基于融合微分进化策略的粒子群KELM模型、基于灰狼优化策略的KELM模型。有效解决了SVM和KELM等一批机器学习方法的参数选择问题。此外，本项目针对典型的肥胖、百草枯中毒诊断和预诊、帕金森疾病诊断等医学决策问题，提出了一批快速有效的智能处理方法：①结合过滤型特征筛选技术的混合核极限学习分类决策方法；②基于Fisher Score特征选择技术的极限学习分类决策方法；③基于最小冗余最大相关特征选择方法和极限学习机的智能决策分类技术。针对医学数据中的数据冗余和相关性等问题，提出一批有效的特征选择技术:①基于模糊逻辑控制的蚁群特征选择方法;②基于信息增益和离散粒子群算法的二阶段特征选择新方法;③基于遗传算法的改进灰狼优化特征选择方法。.以上智能决策技术不仅大大提高了诊断精度和诊断效率，还能辅助发现多种关键的致病因素，对辅助医生对相关疾病问题的诊断有着重要的参考价值。因此，本项目不仅对智能决策方法的进一步发展做出贡献，具有重要的理论意义；而且也为解决以医学诊断为代表的实际复杂决策问题提供了一套科学、有效的解决方案，具有重要的应用价值。项目执行期间，共发表论文24篇，其中SCI论文17篇，EI检索论文7篇。联合培养了博士生2名，研究生3名，并多次邀请了国内外专家来我校与我们进行交流合作。对提出的关键方法和系统也进行知识产权保护，共取得了2项软件著作权，申请了3项专利，其中2项专利获得受理，1项专利进入实质性审查阶段。