维普资讯 http://www.cqvip.com 文章编号：ｌ ｕＯ卜ｔ３３７（２００２）Ｏ ｌ—Ｏ２９４一Ｏ２ 中图分类号：Ｒ３Ｉ１ 文献标识码：Ａ 基于神经网络的医疗诊断专家系统 蔡（青岛大学医学院摘航 青岛２６６０２１） 要： 以肺癌诊断专家系统为例，阐述了基于神经网络的医疗诊断专家系统的原理、应用及特点。 关键词：神经网络；权值； 专家系统 元（神经元）广泛连接组成的人工网络，用来模拟大脑神经系 １原理 统的结构和功能。其中最典型的一种由称做神经元的处 理单元与连接弧连接的网络组成，网络划分为若干层。 神经网络（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）是一个由大量简单的处理单 输出层 ｚ 隐舍层 ｔａ－八层 图１神经网络两层连接模型 图１所示为两层连接模型。 ，ｚ ，…ｚ 为输入神经元，ｚ，， Ｚ２，…。 为中间神经元，Ｙ－，Ｙｚ，…Ｙ 为输出神经元。每一连接 弧连接着两个神经元，并附有一数值 ｚ 造成知识组合爆炸；②缺少深层的理性知识和强有力的推理 能力。一般专家系统获取的是浅层的、表面的知识，系统不具 备联想记忆和自学习功能，对相近领域的边缘性问题求解能 作为权值，作为ｚ 对 或ｚ 对Ｙ 的影响。正权值表示影响的增加，负权值表示权值 力很差，不能随环境更新知识；③推理速度慢。一般专家系统 知识表达与知识存储一一对应，即信息的处理和存储是分开 的，信息的提取和处理过程是串行的，知识越多，推理速度越 慢。 的减弱。 每一神经元的输出是下一神经元的输入，其数学表达为： Ｘ＝厶Ｗ ｚ 一 ｌ ｌ （１） 也可把阀值 视做神经元的第Ｏ个输入。神经网络通过对权值 的不断调整以输出正确结果。 专家系统是人工智能理论应用获得成功的重要研究领 域，根据已知的知识推出未知问题的答案。但由于人工智能的 传统理论是以符号操作为基础，以冯・诺依曼计算机作为实现 工具，所以专家系统在实现类似人脑的学习、联想等方面遇到 了如下困难：①知识获取的瓶颈问题。一般专家系统知识获取 是把知识以规则的形式存入计算机，但某些知识很难用一些 规则来描述，这种方法费时还常常因系统知识库的不良结构 ・２９４・ 神经网络的发展为专家系统的研究开辟了一条新的有效 途径。构造基于神经网络的专家系统既能保持专家系统原有 特点又兼有神经网络特点：①知识的获取不是人工加工移植， 而是由专家提供范例及相应的解，通过特定的学习算法对样 本学习并不断修改网络各神经元之间的连接权而获得；②知 识表达不是由产生式规则、谓词逻辑表示，而是把知识经验分 布到网络的连接权上，在这里知识规则变为数字形式，便于知 识库的组织和管理；③知识推理变为网络中隐含模式对输入 的竞争，是并行的。 维普资讯 http://www.cqvip.com 数理医药学杂志 ２（）（）：年第１ ｉ卷第１期 ＣＦ检查、纤维支气管镜检查、术后 既往史、吸烟史、Ｘ线检查、 ２举例 选取某医院住院病人５５１例，其中４８６例经病理学、细胞学 病理等５８项，均可ｔ乍为冲经网络的输入．输 勾是否患肺癌的 诊断对一个新的候诊病人来说，只要将他的数据输入到训练 。诊断为肺癌。每一病例用于诊断的数据有年龄、性别、家族史、 好的神经网络中去就可诊断是否已患肺癌。见图２。 输入数据 诊断鲒果 图２ 神经网络模型数据处理框图 本例神经网络模型使用了反向传播算法（Ｂａｃｋ—Ｐｒｏｐａｇａ— ｔｉｏｎ Ａｌｇｏｒｉｔｈｍ），训练步骤如下： １从训练范例中取一训练对（一个输入矢量与相应的输出 目标矢量配对），把输入矢量用做网络的输入； 验，并将这些经验和知识以数字的形式分布在网络的连接权 中构成系统的知识库，并可通过以后的学习不断调整权值提 高准确率。医生在诊断时也能靠自己积累的大量临床经验，运 用理论知识及经验由相似性原理进行模糊推论得出结果。显 然这种基于神经网络的医疗诊断专家系统要比严格按知识库 ２计算网络输入矢量； ３计算网络输出矢量与训练对中目标矢量的差错； ４从输出层反向计算到第一中间层，向减少差错方向调整 权值； 中存储的知识规则进行诊断的专家系统优越的多。当运行已 学习过的样本时得到正确的结果，而把未经学习的病历数据 提供给网络时，诊断正确率仍可达到９０ 。 提供的学习样本越多越全面，利用神经网络取得的函数 关系越具普遍性，结果越准确。由于某些原因有些病人的病历 ５对训练范例集中每一范例重复上述１～４步，直至整个训 练集的差错最小（当病人确实患肺癌时，网络输出结果为肺 癌）。 数据不完整，若按传统的方法是不好处理的，但神经网络具有 较强的容错性使其对最终结果影响不大。 第３、４步使用迭代方法，反向计算到第一中间层，其计算 按Ｄｅｌｔａ规则变形的权值调整方程进行。 。 基于神经网络的医疗诊断专家系统通过病历学习获取诊 （２） （ ＋１）＝Ｗ。 （ ）＋ｙＳｊｘ 断知识并按自然联想推理产生诊断结果．这是一般医疗诊断 。 为神经元ｉ至神经元 的第 次变更的权值；ｚ 为神 专家系统做不到的。 经元ｉ的输出； 为学习率常数； 为神经元 的差值。 —１ ，一（乙 Ｗ ）厂 （ ，） ＾ （３） 参 考 文 献 １ 王伟．人工神经网络原理．北京航空航灭大学出版社．１９９５．５４～ ５８． 可用式（２）首先调整输出层连接弧权值，然后再用此权值 与连接输出层神经元的 值向下传播回去，用式（３）计算每一 层 值。逐次用式（２）调整中间层数值，直至输入层。 ３讨论 ２武波，马玉祥．专家系统．北京理工大学出版社．２００１．１８６～ｌ ９８． 经过充分学习的网络系统取得了成功诊断的知识和经 ・２９５・
