第
29
卷第
3
期
1999
年
5
月
东 南 大 学 学 报
JOURNALOFSOUTHEASTUNIVERSITY
Vol29 No3
May 1999
基于遗传算法的肝病诊断学习系统
王遵亮 吴新根 罗立民
(东南大学生物科学与医学工程系,南京
210096
)
收稿日期:
1998-04-24.
第一作者:男,
1976
年生,助教
.
摘 要 提出一种用遗传算法来构造肝病诊断学习系统的方法,其中引入了肝病领
域专家对规则打分的适应度评估机制,通过选择、交叉和交异等遗传操作使知识规则
集得到不断地精炼
.
最后,用这种方法对模拟的专家知识进行学习,实验结果表明,
该方法能使系统比较有效地学习专家知识
.
关键词 遗传算法;学习系统;适应度函数;专家系统
分类号
R318
专家系统已在医学诊断领域获得了广泛应用,这使得医学诊断技术向智能化阶段迈进了
一大步
.
但在构造专家系统时,普遍存在着知识获取难这一问题
.
医学诊断专家系统的知识
来源于医学专家,为了将专家知识总结归纳出来,通常有
2
条途径,即机器自动获取或由知识
工程师向领域专家获取
.
前者目前进展不大;后者则需要知识工程师和领域专家之间反复交
流,而在很多情况下,领域专家往往很难把自己的经验知识讲清楚,特别是凭直觉解决的问题
.
因此这种方法效率较低
.
遗传算法作为模拟自然选择与进化过程的一种随机化搜索算法,具
有很强的鲁棒性,近年来逐渐被人们应用到机器学习系统中,表现出良好的学习能力
[
1
]
.
我们开发的肝病诊断学习系统是以遗传算法为基础,通过引入肝病专家对规则进行打分
的机制来引导学习系统对领域知识的学习,经过对规则编码的染色体交叉、变异再生,使规则
集不断更新和进化,最终完成学习任务
.
1
肝病诊断学习系统的构造
1.1
诊断知识的表示方法
我们采用专家系统中常用的产生式规则表示诊断知识,每个规则在遗传算法中对应一条
染色体
.
在肝病诊断中,我们用
5
个参数项表示产生式规则的条件部分,
1
个参数项表示诊断
结论部分
[
2
]
.
为此,我们用多参数映射法进行规则编码,表示一条完整的规则
.
作为条件部分
的
5
个病理参量分别为:
x
1
表示年龄,
x
2
表示病程,
x
3
表示上腹包块,
x
4
表示肝剑突下,
x
5
表
示脾大
.
用
Y
表示结论,共鉴别
3
种疾病:
Y
=
0
慢性肝炎
1
肝硬化
2
{
肝癌