基于规则与案例推理的临床决策支持

前言
第1章 绪论
1.1 决策支持系统的概念
1.2 CDSS的概念
1.3 CDSS研究现状
1.3.1 CDSS的发展历程
1.3.2 基于临床指南的CDSS
1.3.3 RBR与CBR的CDSS
1.3.4 基于本体的CDSS
第2章 相关理论与方法
2.1 本体与医学本体
2.1.1 本体与领域本体
2.1.2 医学本体的抽象化表示
2.1.3 医学本体描述语言
2.2 临床医学知识表示方法
2.2.1 知识的形式化表示方法
2.2.2 临床医学知识表示模型
2.3 规则知识获取的方法
2.3.1 数据库中的知识发现
2.3.2 规则知识的获取流程
2.4 文本信息抽取方法
2.4.1 命名实体识别方法
2.4.2 实体关系抽取方法
2.4.3 句法分析
2.4.4 有限状态自动机与正则语法
2.4.5 基于条件随机场的命名实体识别方法
2.5 基于规则的推理方法
2.5.1 正向推理
2.5.2 反向推理
2.5.3 正反向混合推理
2.5.4 冲突解决策略
2.6 基于案例的推理方法
2.6.1 相似度计算方法
2.6.2 相似度权重的智能计算方法
2.6.3 案例相似度矩阵范数与层次聚类分析方法
第3章 临床医学知识的表示
3.1 医学本体的构建
3.1.1 医学本体概念词典的构建
3.1.2 医学本体的层次结构
3.2 临床医学规则知识的表示
3.2.1 临床医学知识可视化表示规范
3.2.2 临床医学知识的SAGE建模
3.3 临床医学案例知识的表示
3.3.1 临床案例知识库结构
3.3.2 临床案例知识库设计
第4章 临床医学知识获取方法
4.1 规则知识的获取方法
4.2 文本信息的抽取方法
4.2.1 文本信息抽取的一般过程
4.2.2 医学命名实体的识别流程
4.2.3 基于条件随机场的中文命名实体识别
4.3 案例知识的获取
4.3.1 电子病历
4.3.2 案例知识获取流程
4.3.3 临床案例结构化信息的获取
4.3.4 临床案例知识的XML表示
第5章 规则推理与案例推理的实现
5.1 CBR-RBR集成推理模式
5.2 基于规则推理的方法
5.2.1 基于SAGE模型的规则库构建方法
5.2.2 规则推理的实现
5.3 临床案例相似度计算
5.3.1 属性值相似度计算方法
5.3.2 匹配方式与相似度计算的关系
5.3.3 相似度计算中权重的确定
5.3.4 基于TF-IDF原理的项目权重计算
5.3.5 基于自组织竞争神经网络的综合权重计算
5.4 临床案例相似度计算综合实验
5.4.1 实验数据的采集与预处理
5.4.2 临床案例样本之间的相似度计算
5.4.3 实验结果分析
5.4.4 实验总结
5.5 基于临床案例的层次聚类分析
5.5.1 基于临床案例知识库的层次聚类分析
5.5.2 临床案例聚类分析的意义
5.6 基于案例推理的方法
5.6.1 临床案例推理的主要过程
5.6.2 项目权重和综合权重的保存
5.6.3 案例检索
第6章 基于规则推理与案例推理的CDSS实践
6.1 CDSS的设计原则
6.2 系统框架
6.3 系统主要功能设计
6.3.1 规则推理的功能设计
6.3.2 案例推理的功能设计
6.4 CDSS临床实验及评估
6.4.1 CDSS临床实验
6.4.2 CDSS临床实验的结果评估
参考文献
索引