10、医学诊断规则提取与步态识别算法研究

医学诊断规则提取与步态识别算法研究

1. 医学诊断规则提取

1.1 模糊焦元集与诊断规则

在医学诊断规则提取中，通过规则选择算法得到了模糊焦元集。当 ηBPA 和 ηT 阈值分别设置为 0.2 和 0.3 时，得到如下模糊焦元集：
| s(rl) | m1(s(rl)) | m2(s(rl)) | m3(s(rl)) |
| — | — | — | — |
| s(2): X2 is A(2) | 0.5 | 0.5 | 0.5 |
| s(3): X3 is A(3) | - | 0.5 | - |
| s(4): X4 is A(4) | - | - | 0.5 |
| s(5): X5 is A(5) | 0.5 | - | - |

根据从甲状腺疾病数据中提取的知识，得到甲状腺功能诊断的启发式规则：
1. 正常甲状腺诊断（n(1) = 2）：
- s(2): “T4 水平正常”，m1(s(2)) = 0.50
- s(5): “TSH 变化正常”，m1(s(5)) = 0.50
2. 甲状腺功能亢进诊断（n(2) = 2）：
- s(2): “T4 水平高”，m2(s(2)) = 0.50
- s(3): “T3 水平高”，m2(s(3)) = 0.50
3. 甲状腺功能减退诊断（n(3) = 2）：
- s(2): “T4 水平低”，m3(s(2)) = 0.50
- s(4): “TSH 水平低”，m3(s(4)) = 0.50

这些规则中的自然语言描述，如“低”“正常”和“高测试结果”，都由合适的