面向医学不确定标签的多视角模糊分类系统及其主/次特征模糊知识确定方法

The computer-aided diagnosis driven by medical data is becoming an important issue in clinical applications. However, it still faces several challenges including the uncertainty of labels, the difference between primary/secondary features and inconsistency between multiple views of the medical data. In view of these challenges, this project will conduct the following investigations: First, the multi-view fuzzy classification system modeling method with uncertainty labels will be investigated. Second, several mechanisms of adoptable performance will be studied to improve the performance of multi-view fuzzy classification system. Third, fuzzy knowledge mining method for primary/secondary features is proposed to enhance the interpretability of multi-view fuzzy classification system, so that it can simulate the knowledge of different experts. Finally, the proposed models will be applied for thyroid cancer diagnosis to show its effectiveness in practical medical applications. The existing research advances achieved by the research group provide solid foundation for this research topic.

医学数据驱动的智能辅助医疗正日益成为医疗领域的重点发展方向。医学数据建模作为智能医疗的核心技术，目前依然面临着诸多挑战，如医疗数据标签的不确定性、主/次特征知识的差异性以及医疗数据的多视角性等难题。为此，本课题组拟开展面向医学不确定标签的多视角模糊分类系统及其主/次特征模糊知识确定方法的研究。主要研究内容有：1）探讨面向不确定标签的多视角模糊分类系统模型的设计以及参数优化方法的构造问题；2）探讨性能可采纳学习方法来提升多视角模糊分类系统模型在不确定标签环境下的系统性能；3）探讨主/次特征模糊知识确定技术来提升多视角模糊分类系统模型的可解释性，使其能够更真实地模拟不同专家的经验知识；4）以甲状腺癌诊断为具体应用场景，对提出的技术和方法进行有效性验证。课题组的前期研究成果和已有研究基础为本课题的开展提供了充分的准备。

医学数据驱动的智能辅助医疗正日益成为医疗领域的重点发展方向。医学数据建模作为智能医疗的核心技术，目前依然面临着诸多挑战，如医疗数据标签的不确定性、主/次特征知识的差异性以及医疗数据的多视角性等难题。为此，本课题组拟开展面向医学不确定标签的多视角模糊分类系统及其主/次特征模糊知识确定方法的研究。主要研究内容有：1）探讨面向不确定标签的多视角模糊分类系统模型的设计以及参数优化方法的构造问题；2）探讨性能可采纳学习方法来提升多视角模糊分类系统模型在不确定标签环境下的系统性能；3）探讨主/次特征模糊知识确定技术来提升多视角模糊分类系统模型的可解释性，使其能够更真实地模拟不同专家的经验知识；4）以甲状腺癌诊断为具体应用场景，对提出的技术和方法进行有效性验证。课题组根据上述研究内容开展了一系列研究工作，获得了一批研究成果如下：1）针对癫痫EEG数据，提出了多种具备多视角以及迁移学习能力的TSK模糊系统建模方法；2）针对多模态医学影像数据，提出了一种多任务模糊聚类算法；3）针对艾滋海默症，给出了一种具有特征融合功能的分类模型。相关成果发表于多个高水平期刊，并获得了国家发明专利和中国商业联合会2018年中国商业联合会科技进步奖。