《中樞神經(jīng)系統(tǒng)CT影像診斷專家系統(tǒng)的設計效果統(tǒng)計5200字》由會員分享，可在線閱讀，更多相關《中樞神經(jīng)系統(tǒng)CT影像診斷專家系統(tǒng)的設計效果統(tǒng)計5200字（3頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、中樞神經(jīng)系統(tǒng)CT影像診斷專家系統(tǒng)的設計效果統(tǒng)計5200字 　 目的：探討專家系統(tǒng)在輔助中樞神經(jīng)系統(tǒng)疾病的CT影像診斷中的價值。方法：根據(jù)影像診斷觀察習慣，選取20個指標，建立中樞神經(jīng)系統(tǒng)影像診斷知識庫，并根據(jù)公認的發(fā)生概率設置各征象的初始值。采用VFP9.0數(shù)據(jù)庫語言編程。選取三甲醫(yī)院有完整臨床和影像學資料并經(jīng)病理證實的術前誤診病例共173例，分別由兩名三甲醫(yī)院副主任醫(yī)師（第一組）共同閱片，根據(jù)經(jīng)驗進行討論并達成一致，作出診斷；由一名副主任醫(yī)師（第二組）和一名住院醫(yī)師（第三組）分別將上述病例的相關信息輸入專家系統(tǒng)，記錄所得結果。各組間閱片結果采用 字2檢驗。結果：第一組

2、診斷準確率為37.57%（65/173），第二組診斷準確率為63.01%（109/173），第三組診斷準確率為46.89%（81/173）。經(jīng)統(tǒng)計學處理表明，第二組與另外兩組間差異有統(tǒng)計學意義（P0.05）。結論：將專家系統(tǒng)融入中樞神經(jīng)系統(tǒng)CT影像診斷具有重要的實用價值。 　　 影像診斷； 專家系統(tǒng)； 中樞神經(jīng)系統(tǒng) 　　隨著信息技術和人工智能的不斷發(fā)展，專家系統(tǒng)在醫(yī)學領域的應用逐步推廣。但在中樞神經(jīng)系統(tǒng)的影像診斷方面，較完整的應用尚未見報道，現(xiàn)將筆者在這一方面做的一些嘗試介紹給大家，以供參考。 　　1 中樞神經(jīng)系統(tǒng)影像診斷專家系統(tǒng)的背景 　　專家系統(tǒng)的任務是應用人工智能日趨成熟的各種技

3、術，將專家的知識和經(jīng)驗以適當?shù)男问酱嫒胗嬎銠C，利用類似專家的思維規(guī)則，對事例的原始數(shù)據(jù)進行邏輯或可能性的推理、演繹，并作出判斷和決策[1-2]。 　　醫(yī)療專家系統(tǒng)最早成功應用的實例，是1976年美國斯坦福大學肖特列夫（Shortliff）等[3]開發(fā)的醫(yī)學專家系統(tǒng)MYCIN，這個系統(tǒng)后來被視為"專家系統(tǒng)的設計規(guī)范";。此后的近四十年間，尤其是最近十多年，在網(wǎng)絡互連技術、數(shù)據(jù)庫技術、程序設計技術等信息處理技術的迅猛發(fā)展的推動下，專家系統(tǒng)技術的應用在廣度和深度上都到達了一個新的高度，診斷的準確性或特異性均較傳統(tǒng)診斷方法明顯提高[4-8]。 　　目前在醫(yī)學影像診斷領域內(nèi)，專家系統(tǒng)在肺部結節(jié)定性、

4、乳腺癌診斷及骨齡測定、骨腫瘤診斷等方面取得了不同程度突破[9-13]。在中樞神經(jīng)系統(tǒng)領域內(nèi)，專家系統(tǒng)的研發(fā)還僅限于單病種或單個部位的應用，如：1999年，北京神經(jīng)外科研究所關于鞍區(qū)腫瘤的計算機輔助MR診斷研究[14]；2006年，上海交通大學進行了基于貝葉斯網(wǎng)絡的腦膠質(zhì)瘤惡性高低度的自動診斷方面的研究[15]；2010年，復旦大學進行了粗糙集、決策樹及回歸法對膠質(zhì)瘤分級的對比研究[16]；2012年，加拿大瑞爾森大學開發(fā)的基于DWI成像和磁共振波譜的小兒代謝性腦病計算機輔助診斷系統(tǒng)等[17]。 　　2 設計原理 　　專家系統(tǒng)是基于知識的系統(tǒng)。一個完整的醫(yī)學專家系統(tǒng)應由下列五個部分組成：數(shù)據(jù)

5、庫、知識庫、推理機、解釋接口和知識獲取模塊。數(shù)據(jù)庫存放的是已確診病例的臨床和影像信息等數(shù)據(jù)集；知識庫是用來存儲已知的中樞神經(jīng)系統(tǒng)疾病各種診斷信息數(shù)據(jù)以及各種診斷信息的發(fā)病概率；推理機是專家系統(tǒng)的思維機構，本質(zhì)是一組程序，用來控制和協(xié)調(diào)整個系統(tǒng)，它通過輸入的數(shù)據(jù)，利用知識庫的原有知識按一定的推理策略解決所提出的問題；解釋接口是用戶與專家系統(tǒng)交互的環(huán)節(jié)，負責對推理給出必要的解釋，便于用戶了解推理過程，為用戶向系統(tǒng)學習提供方便；人機接口主要用來完成輸入輸出工作；學習系統(tǒng)就是知識獲取模塊，它為修改和擴充知識庫存的原有知識提供相應的手段，隨著醫(yī)學的不斷發(fā)展和人類對疾病認識的不斷深入，結合實踐過程中總結出

6、的經(jīng)驗和教訓，程序設計者與臨床醫(yī)師間進行交流后可以通過學習系統(tǒng)來完成顱內(nèi)疾病知識的完善和規(guī)則的修訂，并輸入知識庫中。 　　當系統(tǒng)診斷一個疑似患者時，就可以將該患者的臨床癥狀和影像信息通過人機接口輸入計算機，推理機將這些資料與知識庫當中的規(guī)則進行比對、匹配。處理的結果通過屏幕或打印系統(tǒng)提供給用戶。 　　2.1 知識庫的建立 系統(tǒng)各相關指標的設置是根據(jù)日常工作中，影像診斷醫(yī)師的常規(guī)觀察習慣，并結合各種CT征象在診斷中的權重來選取。主要有：發(fā)病部位（額葉、顳葉、頂葉、枕葉、小腦半球、腦干、基底節(jié)區(qū)、鞍區(qū)、橋小腦腳區(qū)、松果體區(qū)、側腦室、三腦室、四腦室、腦膜、脊髓、顱骨以及跨多部位等）、病灶形態(tài)（圓

7、形、類圓形、不規(guī)則形）、占位效應（有、沒有）、平掃時病灶的密度（等密度、低密度、高密度和混合密度）、是否有鈣化（沒有、斑點狀、條片狀、完全鈣化）、囊變、壞死（沒有、小囊、大囊、多囊）、水腫（沒有、輕度、中度、重度）、腦積水（沒有、有）、強化程度（沒有、輕度、明顯）以及強化的特征（均勻、不均勻、厚環(huán)形、薄環(huán)形、開環(huán)形、壁結節(jié)強化等）、病灶境界（清楚、模糊）、病灶數(shù)量（單發(fā)，多發(fā)）等十二個CT征象，以及發(fā)病年齡、發(fā)熱、智力障礙、功能障礙、外傷史、疫區(qū)生活史等臨床指標信息，并建立每項影像特征的標準化選項。 　　根據(jù)各指標分別建立信息庫，信息庫包括每種疾病各指標的屬性值及發(fā)生概率。各指標發(fā)生概率的系

8、統(tǒng)初始值以目前學術界公認的概率為標準設置。在系統(tǒng)開始使用后，隨著每一條隨訪記錄的錄入，系統(tǒng)通過后臺的維護模塊將自動調(diào)整各指標的發(fā)生概率。 　　2.2 程序編寫 中樞神經(jīng)系統(tǒng)影像診斷專家系統(tǒng)編程開發(fā)語言為VFP9.0，數(shù)據(jù)庫管理系統(tǒng)軟件為VFP9.0，操作系統(tǒng)為Windows。系統(tǒng)采用采用VFP9.0數(shù)據(jù)庫和SQL技術。為了確保信息采集的準確性，系統(tǒng)采用下拉式選項框方式進行信息采集。按照影像專家日常分析圖像的習慣，分步驟采集患者各種影像及臨床信息。通過SQL技術獲取符合上述特征的候選疾病，通過各參數(shù)在相關疾病的發(fā)病概率計算，得出可能的疾病，再結合關鍵性信息，得出最終的診斷結果，供影像診斷醫(yī)師參考，見圖1～2。 　　2.3 準確性驗證 采用三甲醫(yī)院有完整臨床和影像學資料并經(jīng)病理證實的術前誤診病例共173例，包括腫瘤、感染、中毒、外傷、血管、先天性、變性、代謝、脫髓鞘、遺傳性病變等十大類疾病。測試方法：⑴由兩名三甲醫(yī)院副主任醫(yī)師（第一組）共同閱片，根據(jù)經(jīng)驗進行討論并達成一致，作出診斷；⑵由一名副主任醫(yī)師（第二組）和一名住院醫(yī)師（第三組）分別將上述病例的相關信息輸入專家系統(tǒng)，記錄所得結果。并分別對第一組與第二組