基于決策樹和面向?qū)ο蠹夹g(shù)的糖尿病診斷專家系統(tǒng)設(shè)計(jì)

倪家遠(yuǎn)，湯亞玲

（安徽工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽馬鞍山243032）

基于決策樹和面向?qū)ο蠹夹g(shù)的糖尿病診斷專家系統(tǒng)設(shè)計(jì)

倪家遠(yuǎn)，湯亞玲*

（安徽工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽馬鞍山243032）

糖尿病是一種高發(fā)病率高危害性的代謝性疾病，但人們對(duì)其認(rèn)識(shí)、診療方法和診療資源都有限。通過學(xué)習(xí)糖尿病和專家系統(tǒng)的相關(guān)知識(shí)結(jié)合面向?qū)ο蠹夹g(shù)和數(shù)據(jù)庫技術(shù)，設(shè)計(jì)了一種基于決策樹的糖尿病診斷專家系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)簡(jiǎn)單、維護(hù)方便，對(duì)于普遍病人自查自診和醫(yī)生的輔助診療都有很好的實(shí)用價(jià)值。

決策樹；糖尿??；面向?qū)ο蠹夹g(shù)；數(shù)據(jù)庫；專家系統(tǒng)

糖尿病是一種因胰島素分泌不足引起的代謝性疾病[1]。近年來隨著人們生活水平的提高，糖尿病患病人數(shù)急劇增加，根據(jù)世界衛(wèi)生組織的統(tǒng)計(jì)，目前我國(guó)糖尿病患病人數(shù)已達(dá)1.5億[2]，糖尿病已經(jīng)成為一種嚴(yán)重危害人們身體健康的疾病。但是人們的糖尿病認(rèn)知知識(shí)還比較缺乏，糖尿病的診療資源也遠(yuǎn)遠(yuǎn)不能滿足患者的需求，因此，有必要設(shè)計(jì)一個(gè)推理效率和準(zhǔn)確率較高，使用簡(jiǎn)單、價(jià)格低廉的醫(yī)療診斷專家系統(tǒng)，以幫助人們及早地發(fā)現(xiàn)隱藏的糖尿病病情，監(jiān)控自己的血糖，做到早發(fā)現(xiàn)早治療。

醫(yī)療診斷專家系統(tǒng)是模擬醫(yī)療專家診斷、治療疾病的思維過程，運(yùn)用專家系統(tǒng)的設(shè)計(jì)原理和方法編寫的計(jì)算機(jī)程序[3]。醫(yī)療診斷專家系統(tǒng)已成功應(yīng)用于實(shí)踐，如燕山大學(xué)閆恩亮等開發(fā)的中西醫(yī)結(jié)合診治糖尿病專家系統(tǒng)，該系統(tǒng)結(jié)合醫(yī)案利用機(jī)器學(xué)習(xí)融合信息進(jìn)行診療[4]；土耳其大學(xué)Ali Keles團(tuán)隊(duì)研發(fā)的治療乳腺癌Ex－DBC系統(tǒng)，其把模糊規(guī)則運(yùn)用到推理機(jī)中[5]。但這些專家系統(tǒng)都普通存在一些問題，如知識(shí)表示困難、推理機(jī)制復(fù)雜、效率低等。

決策樹模型是一種效率較高的歸納推理方法。決策樹學(xué)習(xí)以實(shí)例為基礎(chǔ)，在學(xué)習(xí)過程中從無序、零亂的事例中提取規(guī)則，用決策樹的形式表示出這些規(guī)則之間的邏輯關(guān)系[6]。決策樹模型具有結(jié)構(gòu)簡(jiǎn)單、存儲(chǔ)方便、推理準(zhǔn)確等特點(diǎn)，運(yùn)用決策樹實(shí)現(xiàn)醫(yī)療診斷專家系統(tǒng)的知識(shí)表示與推理，有效提高推理效率、推理準(zhǔn)確性。

1　系統(tǒng)總體結(jié)構(gòu)

文中設(shè)計(jì)糖尿病診斷專家系統(tǒng)的結(jié)構(gòu)如圖1所示。

該系統(tǒng)包括六個(gè)主要功能模塊：知識(shí)庫、綜合數(shù)據(jù)庫、推理機(jī)、知識(shí)獲取機(jī)制、解釋程序和人機(jī)接口。

圖1　系統(tǒng)結(jié)構(gòu)

（1）知識(shí)庫：存放著知識(shí)工程師從糖尿病醫(yī)療專家處收集整理的專業(yè)診療知識(shí)。這些知識(shí)包括糖尿病的成因、并發(fā)癥，以及相關(guān)的案例和治療方法和一些專業(yè)書籍知識(shí)等。知識(shí)庫中的知識(shí)分成兩類：一類是診斷推理性知識(shí)，另一類是治療性知識(shí)。診斷推理性知識(shí)較少，一次調(diào)入內(nèi)存，系統(tǒng)通過與用戶對(duì)話，推導(dǎo)出患者所患的疾病名稱，然后系統(tǒng)將與疾病有關(guān)的決策樹調(diào)入內(nèi)存。這樣不僅可以運(yùn)行知識(shí)量大的決策樹，而且減小了搜索空間，提高了推理效率[7]。知識(shí)庫還有一個(gè)重要功能是把用自然語言表示的糖尿病知識(shí)轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的形式化知識(shí)。（2）綜合數(shù)據(jù)庫：在問題求解過程中會(huì)產(chǎn)生各種中間性臨時(shí)性的數(shù)據(jù)，這些數(shù)據(jù)放在綜合數(shù)據(jù)庫中[8]。該系統(tǒng)中綜合數(shù)據(jù)庫用于記錄用戶所描述的病情、化驗(yàn)結(jié)果、推理的中間結(jié)果和最終結(jié)論等。（3）推理機(jī)：是專家系統(tǒng)的“大腦”，它在一定的控制策略下模擬糖尿病醫(yī)療專家的思維過程，結(jié)合綜合數(shù)據(jù)庫中的已知事實(shí)，選取知識(shí)庫中相應(yīng)的決策樹，通過遍歷決策樹匹配已知當(dāng)前事實(shí)知識(shí)和規(guī)則。該系統(tǒng)基于決策樹采用正向推理，即數(shù)據(jù)驅(qū)動(dòng)推理方法，從患者的癥狀、并發(fā)癥及相關(guān)檢測(cè)化驗(yàn)數(shù)據(jù)出發(fā)推出診斷結(jié)果。（4）知識(shí)獲取機(jī)制：從知識(shí)源中對(duì)雜亂無序的糖尿病知識(shí)進(jìn)行識(shí)別和選取，將其轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的形式，并不斷完善知識(shí)庫。知識(shí)源包括醫(yī)療專家知識(shí)、經(jīng)驗(yàn)和相關(guān)專業(yè)書籍知識(shí)。知識(shí)獲取系統(tǒng)由建立系統(tǒng)的知識(shí)工程師所使用，當(dāng)發(fā)現(xiàn)有知識(shí)被遺漏或不完善時(shí)，知識(shí)工程師可以利用這個(gè)機(jī)制來增加和修改知識(shí)。（5）解釋程序：是對(duì)系統(tǒng)的推理過程作出通俗易懂的解釋，以增加推理過程的可信度。該系統(tǒng)采用路徑追蹤法，即對(duì)系統(tǒng)求解過程的推理路徑和知識(shí)庫的運(yùn)行狀態(tài)信息進(jìn)行重顯。（6）人機(jī)接口：即人機(jī)界面，是人機(jī)交流的橋梁，用戶通過人機(jī)界面輸入糖尿病專家系統(tǒng)所需的數(shù)據(jù)和信息，系統(tǒng)通過人機(jī)界面顯示結(jié)果和相關(guān)解釋信息。

2　系統(tǒng)的具體設(shè)計(jì)

2.1建立決策樹

2.1.1決策樹學(xué)習(xí)算法知識(shí)工程師從醫(yī)療專家處獲得的案例、知識(shí)、經(jīng)驗(yàn)是零碎無序的，決策樹經(jīng)過歸納學(xué)習(xí)建立起構(gòu)造有序的樹型結(jié)構(gòu)，一方面可以使凌亂的知識(shí)有序化，另一方面在建立起決策樹的同時(shí)也使各知識(shí)點(diǎn)的邏輯關(guān)系更明確化，這樣更有利于決策樹的推理。

構(gòu)造決策樹的關(guān)鍵是選擇合適的屬性和確定節(jié)點(diǎn)的劃分規(guī)則。由于ID3算法是決策樹學(xué)習(xí)中較為流行的算法，在此采用該算法，通過學(xué)習(xí)，自上而下地構(gòu)造決策樹。在決策樹的構(gòu)造過程中，首先計(jì)算每個(gè)屬性分類訓(xùn)練樣例的能力，這樣就量化了屬性的分類能力，然后選擇分類能力最佳的屬性作為根節(jié)點(diǎn)的測(cè)試屬性。接著根據(jù)根節(jié)點(diǎn)屬性值的個(gè)數(shù)產(chǎn)生同等數(shù)量的分支，然后把具有相同屬性值的樣例安排在相應(yīng)的分支下。重復(fù)執(zhí)行這樣一個(gè)過程，在每個(gè)新的分支下排放的實(shí)例中選擇分類能力最強(qiáng)的屬性作為新節(jié)點(diǎn)的測(cè)試屬性。結(jié)束整個(gè)過程執(zhí)行的條件有兩個(gè)：（1）所有訓(xùn)練樣例都被歸為同一類，（2）沒有剩余屬性可使用。對(duì)于缺少屬性的訓(xùn)練樣例，可以把該節(jié)點(diǎn)的訓(xùn)練樣例中該屬性最常見的值賦給它。

ID3算法的核心是確定何種屬性作為建樹過程中節(jié)點(diǎn)的測(cè)試屬性，在此引出信息增益的概念。信息增益：在某一個(gè)操作之前的系統(tǒng)熵與操作之后的系統(tǒng)熵的差值，也即是不確定性的減少量。信息的增加意味著不確定性的減少，也就是熵的減小。熵是描述事物無序性的參數(shù)，熵越大則無序性越強(qiáng)，在信息領(lǐng)域定義為熵越大，不確定性越大。

設(shè)有C個(gè)不同類的樣例集S，則熵的定義為

其中，Pi是樣例集S中任意樣例屬于類別i的比例。

一個(gè)屬性A相對(duì)樣例集合S的信息增益Gain（S，A）可定義為

其中，Values（A）是屬性A所有可能值的集合，Sv是S中屬性A的值為v的子集，即Sv={s∈S|A（s）=v}。上式值越大說明選擇屬性A對(duì)于分類提供的信息越大。ID3算法在建樹的過程中每一步都選擇信息增益最大的屬性作為樹節(jié)點(diǎn)的測(cè)試屬性。

2.1.2算法的改進(jìn)ID3算法僅考慮屬性的信息增益是不夠的，還應(yīng)該考慮屬性的代價(jià)問題。例如在診斷推理過程中需要患者的血糖值、尿糖值、血壓、脈搏等屬性值，為了得到這些屬性值無論是患者所需要的費(fèi)用還是承受的不適，代價(jià)差別都是非常巨大的。為解決這個(gè)問題該系統(tǒng)將優(yōu)先選擇低代價(jià)屬性，當(dāng)需要精確診斷時(shí)再選擇高代價(jià)的屬性。為此文中將ID3算法作一些改進(jìn)，將屬性的代價(jià)引入到ID3算法中，用信息增益除以屬性的代價(jià)

其中，Cost（A）是檢查屬性A所需代價(jià)，ID3算法選擇最大值的ExGain作為測(cè)試屬性遞歸構(gòu)建決策樹。

另外熵函數(shù)也不理想，它的缺點(diǎn)是在選擇屬性時(shí)更傾向于那些屬性值的數(shù)量較多的屬性。例如：A屬性有兩個(gè)屬性值，B屬性有三個(gè)屬性值，則熵函數(shù)會(huì)偏向選取B屬性。然而屬性B在判斷病情的時(shí)候并不一定比A屬性更有價(jià)值，如年齡的屬性值的數(shù)量會(huì)有很多，但它在判斷病情的時(shí)候并不一定是最重要的。為了克服熵函數(shù)偏向于選擇值多的屬性作為測(cè)試屬性的問題，在此采用二叉樹作為決策樹的模型，這樣使得在建樹的過程中各屬性具有相同的機(jī)會(huì)被選中作為測(cè)試屬性，同時(shí)也可以避免規(guī)則的沖突和冗余，便于對(duì)決策樹節(jié)點(diǎn)進(jìn)行匹配和遍歷[9]。

利用改進(jìn)的ID3算法建立二叉樹的過程如下：

ID3（Samples，Target_attribute，Attributes_list）//Samples即訓(xùn)練樣例集。Target_attribute是這棵樹要分類的目標(biāo)屬性。Attributes_list是除目標(biāo)屬性外供學(xué)習(xí)的決策樹測(cè)試屬性。返回一棵能正確分類疾病的決策樹。

通過決策樹學(xué)習(xí)建立起診斷二叉樹，如圖2所示。

該系統(tǒng)中決策樹有三類節(jié)點(diǎn)，根節(jié)點(diǎn)、判斷節(jié)點(diǎn)、葉節(jié)點(diǎn)。根節(jié)點(diǎn)表示糖尿病的癥狀；判斷節(jié)點(diǎn)中封裝了病情診斷的內(nèi)容，分支表示是和否，用于回答判斷節(jié)點(diǎn)提出的問題；葉節(jié)點(diǎn)表示最終的診斷結(jié)果。

圖2　診斷決策樹

2.2面向?qū)ο蠹夹g(shù)的應(yīng)用

該系統(tǒng)采用面向?qū)ο蠹夹g(shù)將決策樹的節(jié)點(diǎn)信息充分的表示出來。利用面向?qū)ο蠹夹g(shù)把決策樹的節(jié)點(diǎn)封裝成節(jié)點(diǎn)類，然后用節(jié)點(diǎn)類定義每個(gè)節(jié)點(diǎn)對(duì)象，節(jié)點(diǎn)對(duì)象的屬性包括節(jié)點(diǎn)的編號(hào)、類型、內(nèi)容、所屬?zèng)Q策樹的編號(hào)、父節(jié)點(diǎn)編號(hào)、左子節(jié)點(diǎn)編號(hào)、右子節(jié)點(diǎn)編號(hào)、備注等，見表1。采用面向?qū)ο蠹夹g(shù)方法，把所有決策樹節(jié)點(diǎn)存放在一個(gè)簡(jiǎn)表中，節(jié)點(diǎn)位置在表中固定，通過節(jié)點(diǎn)指針（節(jié)點(diǎn)編號(hào)）指向節(jié)點(diǎn)所在位置，這使得系統(tǒng)可很快根據(jù)癥狀信息找到診斷樹和節(jié)點(diǎn)，并根據(jù)指針表遍歷決策樹，節(jié)省了大量的搜索時(shí)間[10]。

表1　決策樹中節(jié)點(diǎn)的記錄結(jié)構(gòu)

2.3推理機(jī)的設(shè)計(jì)

2.3.1推理方向和流程正向推理是按照由癥狀推出診斷結(jié)果的方向進(jìn)行的推理方式。一顆決策樹從樹的根節(jié)點(diǎn)到一個(gè)葉子節(jié)點(diǎn)就對(duì)應(yīng)一條規(guī)則，整顆樹就是若干條規(guī)則的析取。在本系統(tǒng)中首先根據(jù)病人的基本癥狀搜索選取決策樹，再根據(jù)在綜合數(shù)據(jù)庫中給出的已知事實(shí)，正向使用規(guī)則遍歷決策樹，樹的遍歷過程就是規(guī)則與已知事實(shí)的匹配過程。若有多條規(guī)則可用，則采用隊(duì)列優(yōu)先級(jí)原則，將執(zhí)行規(guī)則的結(jié)論添加到綜合數(shù)據(jù)庫中，并將用過的規(guī)則置上激活標(biāo)志，直到得出診斷結(jié)果或沒有可用規(guī)則為止。正向推理診斷推理流程如圖3所示。

圖3　診斷推理流程

2.3.2推理算法在系統(tǒng)的推理機(jī)的設(shè)計(jì)中，把診斷決策樹中的所有節(jié)點(diǎn)對(duì)象存儲(chǔ)在關(guān)系型數(shù)據(jù)庫中，節(jié)點(diǎn)對(duì)象之間的邏輯關(guān)系即指針通過其父節(jié)點(diǎn)編號(hào)以及父節(jié)點(diǎn)到子節(jié)點(diǎn)之間的狀態(tài)來實(shí)現(xiàn)，糖尿病診斷推理規(guī)則包含在對(duì)象之間的邏輯關(guān)系中。推理過程中會(huì)遇到三種狀態(tài)：（1）當(dāng)前節(jié)點(diǎn)是決策樹的根節(jié)點(diǎn)；（2）當(dāng)前節(jié)點(diǎn)是決策樹的判斷節(jié)點(diǎn)；（3）當(dāng)前節(jié)點(diǎn)是決策樹的葉節(jié)點(diǎn)。推理算法如下：

①根據(jù)用戶輸入的癥狀從知識(shí)庫中選擇決策樹，Tree*T，T=root，Initstack（S）；

②P=P->Rchild；//進(jìn)入根節(jié)點(diǎn)的下層節(jié)點(diǎn)，根節(jié)點(diǎn)下只有一個(gè)子節(jié)點(diǎn)，默認(rèn)為右子節(jié)點(diǎn)

③if（當(dāng)前節(jié)點(diǎn)是判斷節(jié)點(diǎn)）

2.3.3解釋機(jī)制在診斷推理結(jié)束后，轉(zhuǎn)入解釋系統(tǒng)，通過解釋系統(tǒng)回答用戶的疑問，解釋專家系統(tǒng)的行為和結(jié)果。解釋時(shí)，系統(tǒng)把計(jì)算機(jī)的形式化規(guī)則用自然語言表示出來，并顯示推理過程。該系統(tǒng)采用路徑追蹤解釋法，將推理的過程和步驟記錄下來，存放在綜合數(shù)據(jù)庫中，通過重新顯示推理過程來增加用戶對(duì)系統(tǒng)推理結(jié)論的信任度，如圖4所示，同時(shí)這些記錄也為以后系統(tǒng)進(jìn)行自學(xué)習(xí)提供知識(shí)來源[11]。

圖4　路徑追蹤解釋過程

3　結(jié)語

文中綜合了診斷型專家系統(tǒng)和決策型專家系統(tǒng)來設(shè)計(jì)糖尿病輔助診斷專家系統(tǒng)，利用決策樹的知識(shí)表示方法和推理方法來實(shí)現(xiàn)專家系統(tǒng)的核心功能——知識(shí)表示和推理，結(jié)合面向?qū)ο蠹夹g(shù)和數(shù)據(jù)庫技術(shù)將決策樹的節(jié)點(diǎn)封裝到對(duì)象中以利于存儲(chǔ)和更新。在診斷推理時(shí)只啟用與該診斷決策樹相關(guān)聯(lián)的節(jié)點(diǎn)，從而縮小了搜索的范圍，節(jié)省了內(nèi)存開銷，提高了診斷效率。該系統(tǒng)知識(shí)庫中收集、整理、記錄了糖尿病專家提供的知識(shí)和相關(guān)專業(yè)書籍知識(shí)，有利于專家知識(shí)的推廣，方便于患者自診監(jiān)控病情，同時(shí)也能為糖尿病醫(yī)療資源相對(duì)匱乏地區(qū)的醫(yī)生診療提供幫助。

[1]魏軍平．糖尿病治療調(diào)養(yǎng)全書[M]．北京：化學(xué)工業(yè)出版社，2010：3-4．

[2]張明玉，閆巖，張蒙．社區(qū)/醫(yī)院一體化對(duì)糖尿病人群綜合干預(yù)效果分析[J]．中華全科醫(yī)學(xué)，2011，9（9）：1417-1419．

[3]錢宗才，屈景輝，劉敬華，等．專家系統(tǒng)知識(shí)表示及其在醫(yī)療診斷系統(tǒng)中的應(yīng)用[J]．醫(yī)療衛(wèi)生裝備，2003，25（10）：120-123．

[4]閆恩亮．基于醫(yī)案和機(jī)器學(xué)習(xí)的中西醫(yī)結(jié)合糖尿病專家系統(tǒng)設(shè)計(jì)[D]．秦皇島：燕山大學(xué)，2014．

[5]ALI K，AYTURK K，UGUR Y．Expert system based on neuro-fuzzy rules for diagnosis breast cancer[J]．Expert Systems with Applications，2011，38（5）：5719-5726．

[6]馮永新，楊文廣，蔣東翔．基于決策樹分類算法和專家系統(tǒng)的風(fēng)力發(fā)電機(jī)齒輪箱故障識(shí)別方法[J]．廣東電力，2013，26（4）：17-21．

[7]杭波，馬計(jì)．基于二次推理的糖尿病診斷專家系統(tǒng)研究[J]．微計(jì)算機(jī)信息，2008，24（2）：221-222．

[8]沈麗容，黃洪．基于貝葉斯和可信度的糖尿病診療系統(tǒng)研究[J]．計(jì)算機(jī)與數(shù)字工程，2011，39（11）：51-53．

[9]王莎莎，孫繼銀，李琳琳.故障決策樹模型在診斷專家系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2005，25（S1）：293-294．

[10]郭冬梅，李朝品.基于檢索決策樹的螨種分類鑒定專家系統(tǒng)[J].計(jì)算機(jī)工程與科學(xué)，2012，34（3）：192-195．

[11]胡博，王智學(xué)，董慶超，等．基于描述邏輯的上下文知識(shí)獲取與推理方法[J]．計(jì)算機(jī)科學(xué)，2013，40（4）：199-203．

Design of diabetes diagnosis expert system based on decision tree and object-oriented technology

NI Jiayuan，TANG Yaling
（School of Computer Science&Technology，Anhui University of Technology，Ma’anshan 243032，China）

Diabetes is a metabolic disease with high incidence and high risk,but people's understanding of it is still inadequate and the diagnosis and treatment resources are very limited.In this paper,through the study of the related knowledge of diabetes and expert system,we designed a diabetes diagnosis expert system combined with object－oriented technology and database technology based on decision tree.This system is easy to use and maintain.It takes a good practical value for patients‘self－diagnosis and doctors’diagnosis.

decision tree；diabetes；object－oriented technology；database；expert system

TP18

A

1672－0687（2016）01－0070－05

責(zé)任編輯：艾淑艷

2015－04－29

國(guó)家青年科學(xué)基金資助項(xiàng)目（61402009）；安徽省高校重點(diǎn)基金資助項(xiàng)目（JK2010A051）

倪家遠(yuǎn)（1989-），男，安徽霍邱人，碩士研究生，研究方向：數(shù)據(jù)挖掘。*

湯亞玲（1974-），男，副教授，碩士，碩士生導(dǎo)師，E-mail：tangyl@ahut.edu.cn。