眼角膜致病原神经网络专家辅助诊断仪

　　0 引言

　　世界卫生组织报告， 在世界范围内角膜疾病尤其是感染性角膜病是主要的致盲原因之一， 仅次于白内障。在我国现有角膜盲患者约 300 万人。 角膜炎常见的致病原有细菌、 真菌、 病毒、 棘阿米巴等， 不同病原所引起的临床特点也各不相同， 因此对于眼科医生而言， 准确判断致病原从而正确给予敏感药物治疗， 对于减少因角膜炎导致的角膜盲及减轻国家和个人经济负担具有重要意义。

　　对不同的角膜炎致病原所对应的临床症状较复杂，有时较难区分。 在我国， 虽然许多基层医院已经配备了比较好的辅助检查设备， 但由于缺乏有临床经验的角膜病专家， 使得对角膜疾病的诊断经常发生误诊。 因此，非常需要具有较高学术水平和丰富临床经验的角膜病专家给予指导和帮助。 考虑到我国基层医院分布广泛， 数量众多， 仅依靠现有专家亲临指导或远程咨询远远不能满足社会需求。 针对这一情况， 我们申请到了吉林省科技发展规划项目：“眼角膜致病原辅助诊断神经网络专家系统”。 我们运用粗糙集理论分析角膜炎致病原与临床症状之间的关联性， 优化诊断指标， 用人类角膜病专家经验训练人工神经网络， 形成 “眼角膜致病原辅助诊断神经网络专家系统”。 系统形成后， 可根据现场医生输入的临床症状或辅助检查设备检测结果给出眼角膜病诊断建议， 实现人类角膜病专家现场指导的等价效果。 由于该系统是以计算机为核心的智能化仪器， 具有学习功能， 可以实现多个专家的经验融合， 并且随着临床诊断过程中医疗数据的不断积累， 实现自我提高的动态自适应功能。

　　1 众数粗糙集模型

　　粗糙集理论是用来研究不完整数据、 不精确知识的表达、 学习和归纳的一种新的数据处理方法。 该理论的最显著区别是， 它无需提供问题所需处理的数据集合之外的任何先验信息。 同时， 由于该理论未能包含处理不精确或不确定原始数据的机制， 使得该方法与其它处理不确定性问题的理论有很强的互补性。 在国外， 粗糙集理论已经在诸如医疗数据分析、 地理学、 振动分析、 飞行员技能评定、 语言识别、 近似分类等领域取得了丰硕的成果。

　　临床症状具有高度不精确性， 因而经常产生论域全不可定义的现象， 即使使用变精度粗糙集模型,由于常常不能满足错误分类率小于 0.5 的要求， 也无法对所拥有的数据进行分析。 然而， 这类数据仍然含有大量的有用信息， 为了能应用粗集理论对这种数据进行分析， 我们给出粗糙集的 “众数近似” 和 “亚众数近似” 的概念。设(U，R)为近似空间， 其中论域 U 为非空有限集合， R为 U 上的等价关系， 为 R 的等价类或基本集构成的集合。 对于 ， 令: