韩金亮 张欣茹 范东浩 李卓辰

（中国矿业大学 徐州 221116）

1 引言

医疗专家诊断系统是通过采集大量患者数据指标，用合适的算法进行机器学习并在自我反馈的基础上构建数据库，并根据对应的输入数据与数据库进行匹配予以症状判断的智能诊断机制。医疗自助诊断是现代医疗智能无人化的一个里程碑，其诊断的误判率是衡量此机制的关键标准。通常，患者的数据采集具有时效性，因此实时采集数据诊断尤为重要。而在诊断机制的构建上，为了使得数据库不失一般性，其对采集数据的要求较高；为了使自助诊断模型的误判率较低，在算法的选用和完善上仍然存在缺陷，特别是对于离散指标的分类上如何解决过半自变量波动和网络过拟合而使得诊断出现误差的问题。因此，医疗自助诊断建模和算法优化一直是吸引着国内外学者和业者研究与关注的重要课题。

目前，大部分医疗诊断数据要进行人工分析，若将机器学习予以推广就能极大降低医学误诊［1～2］。国内外近年来对智能医疗服务（Intelligent medical service）以及生物特征技术（Biometrics）的研究投入了较多的力量，特别在美国、欧洲等地，人工智能技术在医疗领域中的应用已经较为广泛，在药物挖掘［3］、精神健康、虚拟助理、医学影像等领域体现较为显著。虽然机器学习算法在不断推广，但是对于病情诊断的离散型目标判断的误判率上任然有待完善，为此，基于病情诊断的离散型指标运用朴素贝叶斯网络、离散型Hopfeild 神经网络两种算法分别作诊判模型判别对比，结合Matlab仿真模拟了预判处理，发现有监督的机器学习对数据的预判效果更好。……