专家系统在颌面创伤数据库中的应用研究

发布时间：2020-06-23 07:17

【摘要】：随着我国现代化进程的提高和人们生活模式的转变,创伤的发生率在逐年上升,严重影响人口的生活和生存质量,关于创伤的研究也受到了国内外学者的高度关注。口腔颌面部因为其特殊的解剖结构及生理功能,不仅有创伤发病率高的特点,而且损伤后对其面容的破坏及对功能的影响也和其它部位的损伤后造成的结果不一样。因此对颌面部创伤的研究是一项重要的工作。创伤评分是研究创伤的手段之一,现有的创伤评分方法不能有效地评估颌面创伤严重度,且缺少统一的颌面创伤严重度评分标准,使颌面创伤的评价成为是目前研究的热点之一,关于颌面创伤严重度评分主要是国内一些学者根据颌面部解剖特点建立的创伤严重度评分方法,但缺乏颌面部解剖损伤对颌面部功能的影响,其评分方法不能准确反映出颌面部多发损伤的严重程度,难以对口腔颌面部创伤的评价提供可靠的科学依据,因此,探讨一种更符合专科特点的颌面创伤评分方法是十分必要的。本研究是对颌面部创伤严重度评分作进一步研究,旨在建立完善适合颌面创伤特点的创伤严重度评分法,使不同损伤类型间具有可比性,为流行病学调查和颌面创伤数据库的建立提供统一标准。对颌面创伤的救治要有全面的考虑,如像从现场和院前救助到院内急救及颌面外科的处置过程,需要有很强的连续性和及时性,因此对救治的过程有较高的要求。虽然现在颌面专科对颌面创伤患者处置水平较高,但是在专科处置前的救治中基本上都是非专业医护人员。由于专业所限就容易造成陈旧性骨折错位愈合、骨不连、感染、面部畸形及功能障碍等棘手问题。这样对颌面创伤救治的无缝性就提出了难题。为了提高救治水平,本课题应用了神经网络技术和古典概型知识开发建立一种规范的、标准化的集评分、诊疗方案一体的专家系统。专家系统的建立仅能实现对某一人患颌面创伤疾病的诊疗、评分,若将这个患病群体的诊疗、评分结果记录下来,就需要有一个强大的数据库。否则致使大量颌面创伤资料丢失,给资料的查询、流行病学调查等颌面创伤研究带来困难。通过建立这样的数据库不仅规范资料录入,而且使临床资料得到有效的存储、共享,有利于开展科研协作,提高颌面创伤防治的有效性,增强流行病学研究的可信度及科学性。本研究利用Microsoft Access 2003建立颌面创伤数据库,同时将专家系统嵌入使该数据库具有诊断、评分、治疗、查询、存储等功能。主要实验结果如下: 一、建立和完善了具有专科特点的颌面损伤严重度评分方法,在硕士课题的基础上将颌面损伤指标及其分级继续向部分专家咨询,用Delphi法对各项指标进行评分,将定性的评价指标量化并计算出各项指标的权重系数,确定每一项指标的相对重要程度,求出组合权重,建立解剖损伤和功能损伤严重度评分的数学模型。然后行临床病例验证,又随机选择60例颌面创伤病例,分别对解剖损伤和功能损伤进行统计,将两个总评价指标进行统计学分析两者间P㩳0.01,相关系数r为0.431,具有统计学意义。从而达到了将损伤指标及其分级优化的目的,使指标及其分级趋于更合理、准确。二、根据每一种损伤都有若干个临床表现,其中最能确定该损伤诊断的临床表现既是权重最大特征值原理。本研究通过专业知识给出了在相应损伤下其临床表现的权重,为专家诊断系统开发提供数学运算根据。再利用已经建立的颌面损伤指标及其分级的权重,求出每一个损伤程度所占相应权重,同时根据损伤程度确定应该实施哪种治疗方案,便于专家系统软件开发时编码使用。三、以Microsoft Visual C++ 6.0作为专家系统的开发工具,完成了包括疾病诊断、创伤评分、治疗方案等功能的专家诊断系统研制。该系统界面清晰,容易掌握。经过系统应用测试,该系统稳定、安全可靠,诊断结果较准确。可以作为对初学者及教学的辅助工具,也可以为患者院前诊断、治疗提供方案。四、基于关系数据库结构,利用Microsoft Access 2003软件建立数据库的优点,完成了对颌面创伤数据库的开发,同时将专家系统嵌入该数据库。使该数据库具有颌面创伤专科特点,具有诊断、评分、治疗、查询、存储等功能。
【学位授予单位】：第四军医大学
【学位级别】：博士
【学位授予年份】：2010
【分类号】：R782.4
【图文】：

贝叶斯公式

第四军医大学博士学位论文-21-图 1 神经网络图2.1.2 人工神经网络的工作原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。假定有 n 个样本，其先验概率分别为 P(i)，其类条件概率密度分别为p(x|i)，则贝叶斯公式可以表示为（图 2）：图 2 贝叶斯公式2.1.3 神经网络研究方向神经网络的研究可以分为理论研究和应用研究两大方面。理论研究可分为以下两类：1、利用神经生理与认知科学研究人类思维以及智能机理。相关博士学位论文 2011年第12期医药卫生科技辑 E074-12-18

神经网络,贝叶斯公式,学习准则,条件概率密度

图 1 神经网络图2.1.2 人工神经网络的工作原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。假定有 n 个样本，其先验概率分别为 P(i)，其类条件概率密度分别为p(x|i)，则贝叶斯公式可以表示为（图 2）：图 2 贝叶斯公式2.1.3 神经网络研究方向

【相似文献】