中枢神经系统CT影像诊断专家系统的设计与实现.docVIP

中枢神经系统CT影像诊断专家系统的设计与实现 【摘要】目的：探讨专家系统在辅助中枢神经系统疾病 的CT影像诊断中的价值。方法：根据影像诊断观察习惯， 选取20个指标，建立中枢神经系统影像诊断知识库，并根 据公认的发生概率设置各征象的初始值。采用VFP9.0数据 库语言编程。选取三甲医院有完整临床和影像学资料并经病 理证实的术前误诊病例共173例，分别由两名三甲医院副主 任医师(第一组)共同阅片，根据经验进行讨论并迗成一致， 作出诊断；由一名副主任医师(第二组)和一名住院医师(第 三组)分别将上述病例的相关信息输入专家系统，记录所得 结果。各组间阅片结果采用字2检验。结果：第一组诊断 准确率为37. 57% (65/173)，第二组诊断准确率为63.01% (109/173)，第三组诊断准确率为46. 89% (81/173)。经统 计学处理表明，第二组与另外两组间差异有统计学意义 (P0. 05)。结论：将专家系统融入中枢神经系统CT影像诊 断具有重要的实用价值。 【关键词】影像诊断；专家系统；中枢神经系统 随着信息技术和人工智能的不断发展，专家系统在医学 领域的应用逐步推广。但在中枢神经系统的影像诊断方面， 较完整的应用尚未见报道，现将笔者在这一方面做的一些尝 试介绍给大家，以供参考。 1中枢神经系统影像诊断专家系统的背景 专家系统的任务是应用人工智能日趋成熟的各种技术， 将专家的知识和经验以适当的形式存入计算机，利用类似专 家的思维规则，对事例的原始数据进行逻辑或可能性的推 理、演绎，并作出判断和决策［1-2］。 医疗专家系统最早成功应用的实例，是1976年美国斯 坦福大学肖特列夫(Shortliff)等［3］开发的医学专家系统 MYCIN,这个系统后来被视为“专家系统的设计规范”。此 后的近四十年间，尤其是最近十多年，在网络互连技术、数 据库技术、程序设计技术等信息处理技术的迅猛发展的推动 下，专家系统技术的应用在广度和深度上都到达了一个新的 高度，诊断的准确性或特异性均较传统诊断方法明显提高 ［4-8］o 目前在医学影像诊断领域内，专家系统在肺部结节定 性、乳腺癌诊断及骨龄测定、骨肿瘤诊断等方面取得了不同 程度突破［9-13］。在中枢神经系统领域内，专家系统的研发 还仅限于单病种或单个部位的应用，如：1999年，北京神经 外科研究所关于鞍区肿瘤的计算机辅助MR诊断研究［14］; 2006年，上海交通大学进行了基于贝叶斯网络的脑胶质瘤恶 性高低度的自动诊断方面的研究［15］; 2010年，复旦大学进 行了粗糙集、决策树及回归法对胶质瘤分级的对比研究 ［16］； 2012年，加拿大瑞尔森大学开发的基于DWI成像和磁 共振波谱的小儿代谢性脑病计算机辅助诊断系统等［17］。 2设计原理 专家系统是基于知识的系统。一个完整的医学专家系统 应由下列五个部分组成：数据库、知识库、推理机、解释接 口和知识获取模块。数据库存放的是已确诊病例的临床和影 像信息等数据集；知识库是用来存储已知的中枢神经系统疾 病各种诊断信息数据以及各种诊断信息的发病概率；推理机 是专家系统的思维机构，本质是一组程序，用来控制和协调 整个系统，它通过输入的数据，利用知识库的原有知识按一 定的推理策略解决所提出的问题；解释接口是用户与专家系 统交互的环节，负责对推理给出必要的解释，便于用户了解 推理过程，为用户向系统学习提供方便；人机接口主要用来 完成输入输出工作；学习系统就是知识获取模块，它为修改 和扩充知识库存的原有知识提供相应的手段，随着医学的不 断发展和人类对疾病认识的不断深入，结合实践过程中总结 出的经验和教训，程序设计者与临床医师间进行交流后可以 通过学习系统来完成颅内疾病知识的完善和规则的修订，并 输入知识库中。 当系统诊断一个疑似患者时，就可以将该患者的临床症 状和影像信息通过人机接口输入计算机，推理机将这些资料 与知识库当中的规则进行比对、匹配。处理的结果通过屏幕 或打印系统提供给用户。 2.1知识库的建立系统各相关指标的设置是根据曰常 工作中，影像诊断医师的常规观察习惯，并结合各种CT征 象在诊断中的权重来选取。主要有：发病部位（额叶、颞叶、 顶叶、枕叶、小脑半球、脑干、基鹿节区、鞍区、桥小脑脚 区、松果体区、侧脑室、三脑室、四脑室、脑膜、脊髓、颅 骨以及跨多部位等）、病灶形态（圆形、类圆形、不规则形）、 占位效应（有、没有）、平扫时病灶的密度（等密度、低密 度、高密度和混合密度）、是否有钙化（没有、斑点状、条 片状、完全钙化）、囊变、坏死（没有、小囊、大囊、多囊）、 水肿（没有、轻度、中度、重度）、脑积水（没有、有）、强 化程度（没有、轻度、明显）以及强化的特征（均匀、不均 匀、厚环形、薄环形、开环形、壁结节强化等）、病灶境界 （清楚、模