基于貝葉斯理論的豬流行性腹瀉智能診斷分析

馬云玲　段會(huì)敏　周明慧　呂俊　韓攀杰

摘要：智能診斷分析就是利用判別分析的方法，依據(jù)動(dòng)物所患疾病的癥狀、體征等一系列信息來(lái)判別疾病發(fā)生的概率。本文旨在介紹基于貝葉斯分析算法，從數(shù)據(jù)的組織管理和數(shù)據(jù)庫(kù)的設(shè)計(jì)入手，對(duì)豬流行性腹瀉疾病的發(fā)病率進(jìn)行概率分析，這是一種精確且客觀的方式，因?yàn)樵诰唧w運(yùn)用貝葉斯定理進(jìn)行疾病診斷時(shí)，要求做到數(shù)據(jù)要準(zhǔn)確，診斷要合理，預(yù)測(cè)要科學(xué)，并且要實(shí)事求是，精確到具體某一點(diǎn)上，給衛(wèi)生處置人員一個(gè)科學(xué)的參考依據(jù)。

關(guān)鍵字：智能診斷 貝葉斯算法 豬流行性腹瀉 判別分析 數(shù)據(jù)庫(kù)

引言

隨著經(jīng)濟(jì)的高速發(fā)展，我國(guó)各行各業(yè)得到了迅猛的發(fā)展，其中也包括養(yǎng)殖業(yè)。隨著養(yǎng)殖業(yè)規(guī)模的擴(kuò)大，隨之而來(lái)的疾病不僅威脅到人們?nèi)粘Ｊ秤玫娜馐愁惍a(chǎn)品的安全性，而且也在一定程度上造成養(yǎng)殖業(yè)規(guī)模的倒退。因此如何及時(shí)在疾病發(fā)生之前，可以預(yù)見(jiàn)以及預(yù)警成為當(dāng)今養(yǎng)殖業(yè)的重頭戲。而如今，人工智能發(fā)展逐步成熟，且善于對(duì)大數(shù)據(jù)整合，捕捉到人類難以發(fā)現(xiàn)的模式與關(guān)聯(lián)。合理的運(yùn)用人工智能領(lǐng)域的相關(guān)知識(shí)有助于我們?nèi)祟愄崆鞍l(fā)現(xiàn)并做好預(yù)防養(yǎng)殖業(yè)疾病發(fā)生的相應(yīng)準(zhǔn)備，減少疾病帶給人們的損失，提高肉食類產(chǎn)品的安全。

本文主要描述利用人工智能技術(shù)、采用貝葉斯算法對(duì)豬流行性腹瀉進(jìn)行有效的判斷以及合理的處理。

1貝葉斯算法

判別分析方法常常被應(yīng)用于智能診斷分析中，其中判別分析方法主要以距離和概率作為判別的準(zhǔn)則。在智能診斷中，根據(jù)動(dòng)物已出現(xiàn)的各種癥狀和已知的疾病的特點(diǎn)等信息來(lái)判別疾病發(fā)生的概率。癥狀、疾病的特點(diǎn)等判別依據(jù)和疾病之間的關(guān)系需要通過(guò)分析大量的真實(shí)病例進(jìn)而確定。搜集的真實(shí)病例數(shù)量越多，樣本越大，最后的診斷結(jié)果越可靠。

在疾病智能診斷系統(tǒng)中，若患者出現(xiàn)n種病征，而這n種病征對(duì)應(yīng)于m種疾病，其中，第j種疾病出現(xiàn)第1種癥狀的概率為P（Bi14），i=l，2，3，L，n，j=1，2，3，L，m，且第J種疾病的發(fā)病率為P（Ai），j=1，2.3，L，m，故同時(shí)滿足這n種癥狀的條件下，疾病A、發(fā)生的概率為：

2.1知識(shí)庫(kù)的建立與完善

2.1.1確定知識(shí)庫(kù)基本對(duì)象

在診斷疾病之前，要求建立疾病的基本數(shù)據(jù)庫(kù)， 確定疾病、癥狀、體征等各個(gè)對(duì)象之間的關(guān)系，并且要掌握它們之間的實(shí)體關(guān)系。第一，疾病，是生物的非正常狀態(tài)，也是最基礎(chǔ)的對(duì)象。其中對(duì)于疾病的合理分類是提供有效參考的重要依據(jù)。第二，癥狀與體征。這是需要優(yōu)先考慮的對(duì)象，因?yàn)橥ㄟ^(guò)分析疾病的癥狀和體征表現(xiàn)的跡象與指標(biāo)，可以為診斷提供合理有效的依據(jù)。

2.1.2知識(shí)的獲取

對(duì)于知識(shí)庫(kù)中相關(guān)的醫(yī)療數(shù)據(jù)的采集，需要充分利用線上與線下兩種方式予以實(shí)現(xiàn)。在以前資源受限，只能選擇某一診所或者單一網(wǎng)站進(jìn)行采集，但隨著信息化時(shí)代的來(lái)臨，收集數(shù)據(jù)的途徑明顯增加。在采集相關(guān)醫(yī)療信息時(shí)，主要針對(duì)以下幾個(gè)網(wǎng)站進(jìn)行收集，如百度、搜狐、360瀏覽器。

2.1.3數(shù)據(jù)的量化

處理不同數(shù)據(jù)時(shí)，要求具體精確，在獲取疾病與癥狀時(shí)，針對(duì)不同數(shù)據(jù)的特征進(jìn)行命名體識(shí)別與統(tǒng)一匯總;本文需要計(jì)算的主體有兩種形式，即疾病與癥狀、疾病與年齡，計(jì)算則是采用上述所說(shuō)貝葉斯算法以及醫(yī)療數(shù)據(jù)庫(kù)的計(jì)算方式。

其中，對(duì)于疾病與年齡之間的關(guān)系，不同年齡豬的癥狀表現(xiàn)存在差異性，癥狀存在期也有長(zhǎng)有短，以此在參考結(jié)構(gòu)化數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)之前可確定對(duì)象是成年豬還是幼豬。

2.2醫(yī)療診斷算法

2.2.1算法設(shè)計(jì)思想

基于貝葉斯算的醫(yī)療診斷算法是將具有主觀性的因素通過(guò)貝葉斯算法轉(zhuǎn)化為客觀結(jié)論，從而有效的幫助用戶預(yù)防或及時(shí)治療，達(dá)到減少人力物力。

2.2.2算法設(shè)計(jì)步驟

基于貝葉斯算的醫(yī)療診斷算法設(shè)計(jì)步驟：

輸入：養(yǎng)殖業(yè)者可通過(guò)人機(jī)交互界面將其牲畜的疾病癥狀、體征、年齡等信息輸入數(shù)據(jù)庫(kù)中。

輸出：數(shù)據(jù)庫(kù)通過(guò)利用醫(yī)療診斷算法分析處理

用戶輸入的信息，進(jìn)而輸出疾病的診斷結(jié)果。從而讓用戶及時(shí)做出相應(yīng)的預(yù)防措施。

Stepl：在計(jì)算醫(yī)療知識(shí)庫(kù)之前，我們首先需要確定診斷狀況，在確定疾病以及癥狀等基本因素的診斷之后，著手計(jì)算相關(guān)數(shù)據(jù)。

Step2：疾病的計(jì)算：由疾病的先驗(yàn)概率可以根據(jù)先驗(yàn)概率公式（1）計(jì)算出疾病發(fā)生的概率。

Step3：癥狀與疾病的計(jì)算：在此計(jì)算中，癥狀的計(jì)算與疾病的計(jì)算公式類似，為：

其中fsi是編號(hào)為i的癥狀次數(shù)，這樣計(jì)算的目的是為了對(duì)疾病存在基礎(chǔ)之上癥狀J的出現(xiàn)次數(shù)進(jìn)行統(tǒng)計(jì)。

Step4疾病與年齡的計(jì)算根據(jù)不同的劃分標(biāo)準(zhǔn)來(lái)劃分不同的年齡區(qū)間，存在充足的樣本之下，可以保證年齡統(tǒng)計(jì)的精準(zhǔn)性[8]，在有先驗(yàn)概率的前提下，按照公式（3）計(jì)算： 如果已經(jīng)患有某種疾病，按照公式（4）計(jì)算：

2.2.3算法設(shè)計(jì)分析

利用貝葉斯算法可以將用戶們不確定的常識(shí)具體化。貝葉斯算法是整個(gè)疾病智能診斷中最核心的部分，決定著診斷過(guò)程是否高效，診斷結(jié)果是否準(zhǔn)確。貝葉斯算法的高效率和高準(zhǔn)確性一直被專門人員所青睞，用于智能研究方面以方便人們的生活。但是對(duì)于復(fù)雜的疾病智能判斷。有必要對(duì)貝葉斯算法進(jìn)行一定的改良，以在保證準(zhǔn)確度的前提下，充分提高運(yùn)行效率。

在設(shè)計(jì)分析過(guò)程中，通過(guò)疾病癥狀、體征、年齡之間的算法關(guān)系首先做出判斷分析，再通過(guò)數(shù)據(jù)庫(kù)貝葉斯算法得出發(fā)病率，根據(jù)數(shù)據(jù)信息帶人貝葉斯公式，得出概率最大的可能性。診斷分析模塊根據(jù)得出的發(fā)病率和相關(guān)資料進(jìn)行比較，得出最后的疾病分析結(jié)果這是一種相對(duì)智能化的分析和診斷，它的精確性與客觀性能給醫(yī)務(wù)人員提供快速定性和科學(xué)的參考依據(jù)，可以幫助醫(yī)務(wù)人員快速判斷疾病的種類，在早期采取有效的防控措施，最大限度地減少突發(fā)疾病帶來(lái)的損失，具有及時(shí)、準(zhǔn)確、客觀的特點(diǎn)。

3結(jié)語(yǔ)

本文是基于貝葉斯理論，利用智能診斷來(lái)分析豬對(duì)于流行性腹瀉的發(fā)病率。首先對(duì)疾病的癥狀、豬的年齡以及它們之間的關(guān)系進(jìn)行分析，其次通過(guò)查詢知識(shí)庫(kù)進(jìn)行計(jì)算比對(duì)，最后利用貝葉斯算法進(jìn)行概率計(jì)算，對(duì)發(fā)病率進(jìn)行概率分析。

參考文獻(xiàn)

[1]張?chǎng)┙?貝葉斯定理及其應(yīng)用淺析[J].課程教育研究，2019（07）：132-133.

[2]馬增強(qiáng)，周楊.現(xiàn)代化智能立體生豬養(yǎng)殖系統(tǒng)設(shè)計(jì)[J]自動(dòng)化博覽，2018，35（S1）5861.

[3]李傅冬，沈毅，劉碧瑤，林君芬，何凡，王臻，貝葉斯分類法在計(jì)算機(jī)疾病輔助診斷中的應(yīng)用[J].中國(guó)預(yù)防醫(yī)學(xué)雜志，2015，16（10）：801-804.

[4]何中炎，張?jiān)迫A.基于改進(jìn)貝葉斯算法的醫(yī)療健康管理系統(tǒng)的設(shè)計(jì)[J].電工技術(shù)，2019 （06）：135-138.

[5]劉奕.醫(yī)療智能診斷系統(tǒng)的實(shí)現(xiàn)與運(yùn)用研究[刀.信息與電腦（理論版），2016（20）：133—135.

[6]蘇飛，劉紅，中國(guó)省級(jí)政府?dāng)?shù)據(jù)開(kāi)放政策量化研究[J]，科技促進(jìn)發(fā)展，2019，15（02）：127-132.

[7]鄒國(guó)良，張石明，陳長(zhǎng)吉，王振華.基于改進(jìn)最小距離法的圖像匹配并行算法設(shè)計(jì)[J].計(jì)算機(jī)工程，2018，44（09）：218—223.

[8]范宏，貝葉斯在醫(yī)療診斷系統(tǒng)中的應(yīng)用研究[D]電子科技大學(xué).2013（01）