[论文解读] Expert System for Diagnosis of Chest Diseases Using Neural Networks

Ismail Kayali|arXiv (Cornell University)|Feb 19, 2018

Information Systems and Technology Applications参考文献 4被引用 3

一句话总结

本文提出了一种基于神经网络的专家系统，用于诊断胸部疾病，通过结合前向和后向推理以及基于反向传播的学习方法，即使在症状重叠的情况下也能提高诊断准确性。该系统通过基于规则的推理、解释生成和治疗建议，支持初学者医生和经验丰富的医生，从而增强临床决策能力，具有在医院和医学教育中应用的潜力。

ABSTRACT

This article represents one of the contemporary trends in the application of the latest methods of information and communication technology for medicine through an expert system helps the doctor to diagnose some chest diseases which is important because of the frequent spread of chest diseases nowadays in addition to the overlap symptoms of these diseases, which is difficult to right diagnose by doctors with several algorithms: Forward Chaining, Backward Chaining, Neural Network(Back Propagation). However, this system cannot replace the doctor function, but it can help the doctor to avoid wrong diagnosis and treatments. It can also be developed in such a way to help the novice doctors.

研究动机与目标

• 开发一种专家系统，协助医生诊断症状重叠较高的胸部疾病。
• 将神经网络与基于规则的推理（前向和后向推理）相结合，以提高诊断准确性。
• 支持初学者医学从业者，并作为医学教育中的教学工具。
• 使系统能够根据患者特定约束和疾病诊断提出治疗建议。
• 为未来通过数据挖掘和更大数据集扩展涵盖更广泛的胸部疾病奠定基础。

提出的方法

• 该系统采用混合推理机制，结合前向和后向推理，以平衡用户输入需求与诊断完整性。
• 使用神经网络（反向传播）对胸部疾病诊断中的重叠症状模式进行分类和分离。
• 产生式规则表示医学专业知识，每个规则以 IF-THEN 条件和动作结构组织，使用变量-操作符-值三元组。
• 系统包含六个核心组件：知识库、推理引擎、解释子系统、知识库编辑器、管理界面和管理系统。
• 数据库存储所有永久和临时数据，支持跨诊所和机构的网络访问，实现协作。
• 系统设计考虑了网络部署，支持通过局域网或互联网访问，实现可扩展使用。

实验结果

研究问题

• RQ1 结合基于规则的推理与神经网络的混合专家系统，是否能有效提高症状重叠的胸部疾病诊断准确性？
• RQ2 与传统基于规则的系统相比，神经网络在分类胸部疾病中复杂且汇聚的症状模式方面效果如何？
• RQ3 此类系统在多大程度上能支持新手医生，并作为医学教育中的教学工具？
• RQ4 集成数据挖掘和机器学习对系统发现新诊断模式能力有何影响？
• RQ5 如何通过使用更大数据集扩展系统，以更广范围地覆盖胸部疾病并提升泛化能力？

主要发现

• 专家系统成功将神经网络与基于规则的推理相结合，提高了症状重叠的胸部疾病诊断准确性。
• 混合推理方法通过按需提示用户输入数据，而非要求一次性提供全部数据，实现了灵活的用户交互。
• 解释子系统通过解释诊断结论的依据，增强了透明度，提高了用户信任度和系统可用性。
• 该系统在医院和医疗中心中作为临床决策支持工具具有强大潜力。
• 该系统可用于归档和分析临床病例，支持未来数据挖掘以发现新的诊断模式。
• 作者指出，需要更大、更多样化的数据集，才能充分实现该系统在覆盖所有胸部疾病方面的潜力。