智能小区健康护理专家系统设计

乔 虹

（同济大学电子与信息工程学院 上海 201804）

0 引言

智能护理技术在全世界都有一定的发展。例如Toshiba公司研发的Life Minder，一种可穿戴式的医疗支持系统原型[1]。中科院计算技术研究所提出一种基于无线传感器网络技术的远程医疗监护系统[2]。虽然目前这些智能家庭技术取得不少成果，但是存在缺陷，如个人的移动性，覆盖范围少，受益人群少等。因此有必要实现一个综合性的智能小区系统，及时对病者的生理体征信息进行动态采集和分析[3]。

而本文则基于个人区域无线网和数据库来实现个人健康护理智能信息系统的智能小区，将用户的数据传至小区医疗服务中心服务器，构成个人健康管理系统信息平台。

1 智能小区健康护理系统总体结构

系统总体结构

智能小区提供医学测量设备，随时对智能小区居民自身的身体指标进行测量，根据测量结果，为公众提供普及型和个性化健康生活、健康评估、阈值警告、康复指导等服务，帮助改善个人不良的生活习惯和对于常见的慢性病提出建议[4]。总体结构如下所示。

图1 系统的总体结构

2 推理机设计

2.1 推理机工作流程

推理机(Reasoning Machine)使得整个专家系统能够以逻辑方式协调地工作，主要涉及到推理方式和控制策略。如下图为智能小区专家系统的推理机的工作流程。

2.2 推理方法的实现

基于智能小区智能信息护理系统是主要针对于生活中常见的小病或慢性病。所以本系统选择正向推理的方法。其推理算法如下：

图2 工作流程图

3 推理的不确定性分析

医学数据的特点：异构性、海量性、数据表征不显著[5]等导致了临床诊断的不确定性。很多症状有轻、中、重之分，当用户输入症状情况，不能确定确切的病症，就要用到不精确推理[6]。

3.1 “加权求和”模型

对于一些不确定的推理，采用数学模型中的“加权求和”的方法[7]，将重要性矩阵B和概率矩阵A进行加权求和得疾病隶属度矩阵C，基于“加权求和”的数学模型如下：

其中f(j)则表示患者出现的症状对疾病j的隶属度，f(j)的值一定程度上决定患某种病的可能。加权求和模型属性如下所示。

表1 加权求和模型属性一览表

由疾病隶属度矩阵C得出加权模型的函数表示为f(j)=a1b1j+a2b2j+…+aibij+…+ambmj，其中f(j)表示患者出现的症状从第1个到第m个症状对于疾病类j的判定重要性进行加权累加，以此来衡量患者出现的症状对于疾病类j的判定重要性。

3.2 模型筛选原则

对于特定的疾病类，根据资料查找其相应的判定阈值fy。比较由4.1中求得j从1取值到n的疾病j的隶属度f(j)与疾病j隶属度的判定阈值fy的大小,然后使用下面的模型筛选原则来进一步筛选。

1.最大值原则：若有很多疾病类的诊断函数值f(j)＞=fy，那么取f(j)值最大的作为初步诊断结论。

2.阈值的浮动原则：若所有疾病类的诊断函数值f(j)都小于其各自的阈值，则会对阈值的大小作适当的下调。

3.3 系统设计与实现

本系统使用Microsoft visual studio2010和Sql Sever2010来实现。主要实现用户与专家系统的界面接口，用户通过接口录入与自己身体状况相关的指标数据，保存到数据库之后，系统对用户录入的数据进行匹配分析，通过推理算法推出用户的身体状况并给出一些生活建议。让用户及时了解自己的身体状况，省去犯常见小病也去医院排队的尴尬。

系统展示如下所示：

图3 指标数据分析示意图

4 结论

健康信息智能管理系统构造的智能小区以人们常见小病及慢性病为依据，指导人们正确诊断，之后根据症状给出生活护理建议。这一系统的研发提高人们的自我保健意识，对智能小区里面的老人身体状况自我诊断，省去他们因为小病而且医院挂号排队的尴尬，所以该系统有很大的应用前景。

[1]白明明.基于虚拟仪器的移动式人体参数连续监测仪器的研制[D].硕士论文.吉林长春:吉林大学,2009.

[2]王葛.无线体域网（WBAN）应用关键技术研究[D].硕士论文.陕西省西安市:西安工业大学.2013.

[3]高蕾娜.老年慢性病无线监控远程关怀系统关键技术研究[D].博士论文.湖北武汉:华中科技大学,2009.

[4]郭颂,倪永军.非处方药网上智能咨询系统的设计[J].微计算机应用,2006,27(6):678-682.

[5]胡吉晶.面向医学领域数据仓库的ETL过程研究与实现[D].硕士论文.上海:上海交通大学，2010.

[6]潘正华.模糊推理算法的数学原理 [J].计算机研究与发展,2008,45(Suppl.):165-168.

[7]刘通,王静滨,张朝杰.装备效能评估中加权求和模型的改进与应用[J].电光与控制,2009,16(9):44-46.