基於規則與案例推理的臨床決策支持（簡體書）

《基于規則與案例推理的臨床決策支持》將基于規則推理（RBR）與基于案例推理（CBR）的方法相結合，應用于臨床決策支持系統（CDSS）的研究與實踐中。基于RBR和CBR的CDSS解決方案，是作者多年來對CDSS研究與應用的總結，對CDSS的發展以及決策支持系統的發展具有積極的推動作用。
《基于規則與案例推理的臨床決策支持》涉及的部分系統在某三甲醫院進行了CDSS實驗，取得了良好的預期效果《基于規則與案例推理的臨床決策支持》可供管理科學與工程、生物醫學工程、計算機科學與技術等專業的高年級本科生、研究生以及相關行業的研究人員閱讀和參考

前言

第1章 緒論
1.1 決策支持系統的概念
1.2 CDSS的概念
1.3 CDSS研究現狀
1.3.1 CDSS的發展歷程
1.3.2 基于臨床指南的CDSS
1.3.3 RBR與CBR的CDSS
1.3.4 基于本體的CDSS

第2章 相關理論與方法
2.1 本體與醫學本體
2.1.1 本體與領域本體
2.1.2 醫學本體的抽象化表示
2.1.3 醫學本體描述語言
2.2 臨床醫學知識表示方法
2.2.1 知識的形式化表示方法
2.2.2 臨床醫學知識表示模型
2.3 規則知識獲取的方法
2.3.1 數據庫中的知識發現
2.3.2 規則知識的獲取流程
2.4 文本信息抽取方法
2.4.1 命名實體識別方法
2.4.2 實體關系抽取方法
2.4.3 句法分析
2.4.4 有限狀態自動機與正則語法
2.4.5 基于條件隨機場的命名實體識別方法
2.5 基于規則的推理方法
2.5.1 正向推理
2.5.2 反向推理
2.5.3 正反向混合推理
2.5.4 沖突解決策略
2.6 基于案例的推理方法
2.6.1 相似度計算方法
2.6.2 相似度權重的智能計算方法
2.6.3 案例相似度矩陣范數與層次聚類分析方法

第3章 臨床醫學知識的表示
3.1 醫學本體的構建
3.1.1 醫學本體概念詞典的構建
3.1.2 醫學本體的層次結構
3.2 臨床醫學規則知識的表示
3.2.1 臨床醫學知識可視化表示規范
3.2.2 臨床醫學知識的SAGE建模
3.3 臨床醫學案例知識的表示
3.3.1 臨床案例知識庫結構
3.3.2 臨床案例知識庫設計

第4章 臨床醫學知識獲取方法
4.1 規則知識的獲取方法
4.2 文本信息的抽取方法
4.2.1 文本信息抽取的一般過程
4.2.2 醫學命名實體的識別流程
4.2.3 基于條件隨機場的中文命名實體識別
4.3 案例知識的獲取
4.3.1 電子病歷
4.3.2 案例知識獲取流程
4.3.3 臨床案例結構化信息的獲取
4.3.4 臨床案例知識的XML表示

第5章 規則推理與案例推理的實現
5.1 CBR-RBR集成推理模式
5.2 基于規則推理的方法
5.2.1 基于SAGE模型的規則庫構建方法
5.2.2 規則推理的實現
5.3 臨床案例相似度計算
5.3.1 屬性值相似度計算方法
5.3.2 匹配方式與相似度計算的關系
5.3.3 相似度計算中權重的確定
5.3.4 基于TF-IDF原理的項目權重計算
5.3.5 基于自組織競爭神經網絡的綜合權重計算
5.4 臨床案例相似度計算綜合實驗
5.4.1 實驗數據的采集與預處理
5.4.2 臨床案例樣本之間的相似度計算
5.4.3 實驗結果分析
5.4.4 實驗總結
5.5 基于臨床案例的層次聚類分析
5.5.1 基于臨床案例知識庫的層次聚類分析
5.5.2 臨床案例聚類分析的意義
5.6 基于案例推理的方法
5.6.1 臨床案例推理的主要過程
5.6.2 項目權重和綜合權重的保存
5.6.3 案例檢索

第6章 基于規則推理與案例推理的CDSS實踐
6.1 CDSS的設計原則
6.2 系統框架
6.3 系統主要功能設計
6.3.1 規則推理的功能設計
6.3.2 案例推理的功能設計
6.4 CDSS臨床實驗及評估
6.4.1 CDSS臨床實驗
6.4.2 CDSS臨床實驗的結果評估

參考文獻
索引