| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 问题的提出 | 第15-16页 |
| 1.2 临床决策支持系统的概念 | 第16-18页 |
| 1.3 临床决策支持系统研究现状 | 第18-23页 |
| 1.3.1 临床决策支持系统的发展历程 | 第18-19页 |
| 1.3.2 基于临床指南的临床决策支持系统的研究现状 | 第19-20页 |
| 1.3.3 基于规则推理与基于案例推理的临床决策支持系统 | 第20-21页 |
| 1.3.4 基于本体的临床决策支持系统 | 第21-23页 |
| 1.4 本文的研究目的与研究内容 | 第23-30页 |
| 1.4.1 目前CDSS存在的主要问题 | 第23-24页 |
| 1.4.2 研究目的与意义 | 第24页 |
| 1.4.3 研究内容与技术路线 | 第24-27页 |
| 1.4.4 主要创新点 | 第27-28页 |
| 1.4.5 论文的主要章节 | 第28-30页 |
| 第2章 CBR-RBR集成CDSS的相关理论与方法 | 第30-61页 |
| 2.1 本体与医学本体 | 第30-34页 |
| 2.1.1 本体与领域本体 | 第30-31页 |
| 2.1.2 医学本体的抽象化表示 | 第31-33页 |
| 2.1.3 医学本体描述语言 | 第33-34页 |
| 2.2 临床医学知识表示方法 | 第34-40页 |
| 2.2.1 知识的形式化表示方法 | 第34-38页 |
| 2.2.2 临床医学知识表示模型 | 第38-40页 |
| 2.3 规则知识获取的方法 | 第40-43页 |
| 2.3.1 数据库中的知识发现 | 第40-42页 |
| 2.3.2 规则知识的获取流程 | 第42-43页 |
| 2.4 案例知识获取的相关理论与方法 | 第43-47页 |
| 2.4.1 文本信息抽取方法 | 第43-44页 |
| 2.4.2 基于有限状态自动机的命名实体识别方法 | 第44-46页 |
| 2.4.3 基于条件随机场的实体识别方法 | 第46-47页 |
| 2.5 基于规则的推理方法 | 第47-50页 |
| 2.5.1 正向推理 | 第47-48页 |
| 2.5.2 反向推理 | 第48-49页 |
| 2.5.3 正反向混合推理 | 第49页 |
| 2.5.4 冲突解决策略 | 第49-50页 |
| 2.6 基于案例的推理方法 | 第50-60页 |
| 2.6.1 相似度计算方法 | 第51-53页 |
| 2.6.2 相似度权重的智能计算方法 | 第53-56页 |
| 2.6.3 案例相似度矩阵范数与层次聚类分析方法 | 第56-60页 |
| 2.7 本章小结 | 第60-61页 |
| 第3章 基于本体的临床医学知识表示 | 第61-76页 |
| 3.1 医学本体的构建 | 第61-64页 |
| 3.1.1 医学本体概念词典的构建 | 第61-63页 |
| 3.1.2 医学本体的层次结构 | 第63-64页 |
| 3.2 基于医学本体的规则知识表示 | 第64-69页 |
| 3.2.1 临床医学知识可视化表示规范 | 第65-67页 |
| 3.2.2 临床医学知识的SAGE建模 | 第67-69页 |
| 3.3 基于医学本体的案例知识表示 | 第69-75页 |
| 3.3.1 临床案例知识表示结构 | 第70-74页 |
| 3.3.2 临床案例知识库设计 | 第74-75页 |
| 3.4 本章小结 | 第75-76页 |
| 第4章 临床医学知识获取方法 | 第76-101页 |
| 4.1 规则知识的获取方法 | 第76-79页 |
| 4.2 文本信息的抽取方法 | 第79-90页 |
| 4.2.1 文本信息抽取的一般过程 | 第80页 |
| 4.2.2 医学命名实体的识别流程 | 第80-84页 |
| 4.2.3 基于条件随机场的中文实体识别 | 第84-90页 |
| 4.3 案例知识的获取 | 第90-100页 |
| 4.3.1 电子病历 | 第90-91页 |
| 4.3.2 案例知识获取流程 | 第91-92页 |
| 4.3.3 临床案例结构化信息的获取 | 第92-93页 |
| 4.3.4 临床案例的XML表示 | 第93-100页 |
| 4.4 本章小结 | 第100-101页 |
| 第5章 CBR-RBR集成推理方法 | 第101-145页 |
| 5.1 CBR-RBR集成推理模式 | 第101-103页 |
| 5.2 基于规则推理的方法 | 第103-108页 |
| 5.2.1 基于SAGE模型的规则库构建方法 | 第103-107页 |
| 5.2.2 规则推理的实现 | 第107-108页 |
| 5.3 临床案例相似度计算 | 第108-126页 |
| 5.3.1 属性值相似度计算方法 | 第109-115页 |
| 5.3.2 匹配方式与相似度计算的关系 | 第115-116页 |
| 5.3.3 相似度计算中权重的确定 | 第116-117页 |
| 5.3.4 基于TF-IDF原理的项目权重计算 | 第117-122页 |
| 5.3.5 基于自组织竞争神经网络的综合权重计算 | 第122-126页 |
| 5.4 临床案例相似度计算实验 | 第126-133页 |
| 5.4.1 实验数据的采集与预处理 | 第126-127页 |
| 5.4.2 案例样本之间的相似度计算 | 第127-128页 |
| 5.4.3 实验结果的比较分析 | 第128-132页 |
| 5.4.4 实验的总结 | 第132-133页 |
| 5.5 基于临床案例的层次聚类分析 | 第133-139页 |
| 5.5.1 基于案例知识库的层次聚类分析 | 第133-138页 |
| 5.5.2 临床案例聚类分析的意义 | 第138-139页 |
| 5.6 基于案例推理的方法 | 第139-144页 |
| 5.6.1 临床案例推理的主要过程 | 第139-141页 |
| 5.6.2 项目权重和综合权重的保存 | 第141-142页 |
| 5.6.3 案例检索 | 第142-144页 |
| 5.7 本章小结 | 第144-145页 |
| 第6章 CBR-RBR集成CDSS实践 | 第145-160页 |
| 6.1 系统设计的原则 | 第145页 |
| 6.2 系统框架 | 第145-146页 |
| 6.3 系统主要功能设计 | 第146-154页 |
| 6.3.1 规则推理的功能设计 | 第147-150页 |
| 6.3.2 案例推理的功能设计 | 第150-154页 |
| 6.4 CDSS临床实验及评估 | 第154-159页 |
| 6.4.1 CDSS的临床实验 | 第154-155页 |
| 6.4.2 CDSS临床实验的结果评估 | 第155-159页 |
| 6.5 本章小结 | 第159-160页 |
| 第7章 总结与展望 | 第160-164页 |
| 7.1 总结 | 第160-162页 |
| 7.2 展望 | 第162-164页 |
| 参考文献 | 第164-172页 |
| 附录1 临床案例的XML表示 | 第172-177页 |
| 附录2 实验结果--临床案例相似度矩阵 | 第177-192页 |
| 致谢 | 第192-194页 |
| 攻读学位期间参加的科研项目和成果 | 第194-195页 |
