基于贝叶斯理论的猪流行性腹泻智能诊断分析

马云玲　段会敏　周明慧　吕俊　韩攀杰

摘要：智能诊断分析就是利用判别分析的方法，依据动物所患疾病的症状、体征等一系列信息来判别疾病发生的概率。本文旨在介绍基于贝叶斯分析算法，从数据的组织管理和数据库的设计入手，对猪流行性腹泻疾病的发病率进行概率分析，这是一种精确且客观的方式，因为在具体运用贝叶斯定理进行疾病诊断时，要求做到数据要准确，诊断要合理，预测要科学，并且要实事求是，精确到具体某一点上，给卫生处置人员一个科学的参考依据。

关键字：智能诊断 贝叶斯算法 猪流行性腹泻 判别分析 数据库

引言

随着经济的高速发展，我国各行各业得到了迅猛的发展，其中也包括养殖业。随着养殖业规模的扩大，随之而来的疾病不仅威胁到人们日常食用的肉食类产品的安全性，而且也在一定程度上造成养殖业规模的倒退。因此如何及时在疾病发生之前，可以预见以及预警成为当今养殖业的重头戏。而如今，人工智能发展逐步成熟，且善于对大数据整合，捕捉到人类难以发现的模式与关联。合理的运用人工智能领域的相关知识有助于我们人类提前发现并做好预防养殖业疾病发生的相应准备，减少疾病带给人们的损失，提高肉食类产品的安全。

本文主要描述利用人工智能技术、采用贝叶斯算法对猪流行性腹泻进行有效的判断以及合理的处理。

1贝叶斯算法

判别分析方法常常被应用于智能诊断分析中，其中判别分析方法主要以距离和概率作为判别的准则。在智能诊断中，根据动物已出现的各种症状和已知的疾病的特点等信息来判别疾病发生的概率。症状、疾病的特点等判别依据和疾病之间的关系需要通过分析大量的真实病例进而确定。搜集的真实病例数量越多，样本越大，最后的诊断结果越可靠。

在疾病智能诊断系统中，若患者出现n种病征，而这n种病征对应于m种疾病，其中，第j种疾病出现第1种症状的概率为P（Bi14），i=l，2，3，L，n，j=1，2，3，L，m，且第J种疾病的发病率为P（Ai），j=1，2.3，L，m，故同时满足这n种症状的条件下，疾病A、发生的概率为：

2.1知识库的建立与完善

2.1.1确定知识库基本对象

在诊断疾病之前，要求建立疾病的基本数据库， 确定疾病、症状、体征等各个对象之间的关系，并且要掌握它们之间的实体关系。第一，疾病，是生物的非正常状态，也是最基础的对象。其中对于疾病的合理分类是提供有效参考的重要依据。第二，症状与体征。这是需要优先考虑的对象，因为通过分析疾病的症状和体征表现的迹象与指标，可以为诊断提供合理有效的依据。

2.1.2知识的获取

对于知识库中相关的医疗数据的采集，需要充分利用线上与线下两种方式予以实现。在以前资源受限，只能选择某一诊所或者单一网站进行采集，但随着信息化时代的来临，收集数据的途径明显增加。在采集相关医疗信息时，主要针对以下几个网站进行收集，如百度、搜狐、360浏览器。

2.1.3数据的量化

处理不同数据时，要求具体精确，在获取疾病与症状时，针对不同数据的特征进行命名体识别与统一汇总;本文需要计算的主体有两种形式，即疾病与症状、疾病与年龄，计算则是采用上述所说贝叶斯算法以及医疗数据库的计算方式。

其中，对于疾病与年龄之间的关系，不同年齡猪的症状表现存在差异性，症状存在期也有长有短，以此在参考结构化数据和统计数据之前可确定对象是成年猪还是幼猪。

2.2医疗诊断算法

2.2.1算法设计思想

基于贝叶斯算的医疗诊断算法是将具有主观性的因素通过贝叶斯算法转化为客观结论，从而有效的帮助用户预防或及时治疗，达到减少人力物力。

2.2.2算法设计步骤

基于贝叶斯算的医疗诊断算法设计步骤：

输入：养殖业者可通过人机交互界面将其牲畜的疾病症状、体征、年龄等信息输入数据库中。

输出：数据库通过利用医疗诊断算法分析处理

用户输入的信息，进而输出疾病的诊断结果。从而让用户及时做出相应的预防措施。

Stepl：在计算医疗知识库之前，我们首先需要确定诊断状况，在确定疾病以及症状等基本因素的诊断之后，着手计算相关数据。

Step2：疾病的计算：由疾病的先验概率可以根据先验概率公式（1）计算出疾病发生的概率。

Step3：症状与疾病的计算：在此计算中，症状的计算与疾病的计算公式类似，为：

其中fsi是编号为i的症状次数，这样计算的目的是为了对疾病存在基础之上症状J的出现次数进行统计。

Step4疾病与年龄的计算根据不同的划分标准来划分不同的年龄区间，存在充足的样本之下，可以保证年龄统计的精准性[8]，在有先验概率的前提下，按照公式（3）计算： 如果已经患有某种疾病，按照公式（4）计算：

2.2.3算法设计分析

利用贝叶斯算法可以将用户们不确定的常识具体化。贝叶斯算法是整个疾病智能诊断中最核心的部分，决定着诊断过程是否高效，诊断结果是否准确。贝叶斯算法的高效率和高准确性一直被专门人员所青睐，用于智能研究方面以方便人们的生活。但是对于复杂的疾病智能判断。有必要对贝叶斯算法进行一定的改良，以在保证准确度的前提下，充分提高运行效率。

在设计分析过程中，通过疾病症状、体征、年龄之间的算法关系首先做出判断分析，再通过数据库贝叶斯算法得出发病率，根据数据信息带人贝叶斯公式，得出概率最大的可能性。诊断分析模块根据得出的发病率和相关资料进行比较，得出最后的疾病分析结果这是一种相对智能化的分析和诊断，它的精确性与客观性能给医务人员提供快速定性和科学的参考依据，可以帮助医务人员快速判断疾病的种类，在早期采取有效的防控措施，最大限度地减少突发疾病带来的损失，具有及时、准确、客观的特点。

3结语

本文是基于贝叶斯理论，利用智能诊断来分析猪对于流行性腹泻的发病率。首先对疾病的症状、猪的年龄以及它们之间的关系进行分析，其次通过查询知识库进行计算比对，最后利用贝叶斯算法进行概率计算，对发病率进行概率分析。

参考文献

[1]张雯捷.贝叶斯定理及其应用浅析[J].课程教育研究，2019（07）：132-133.

[2]马增强，周杨.现代化智能立体生猪养殖系统设计[J]自动化博览，2018，35（S1）5861.

[3]李傅冬，沈毅，刘碧瑶，林君芬，何凡，王臻，贝叶斯分类法在计算机疾病辅助诊断中的应用[J].中国预防医学杂志，2015，16（10）：801-804.

[4]何中炎，张云华.基于改进贝叶斯算法的医疗健康管理系统的设计[J].电工技术，2019 （06）：135-138.

[5]刘奕.医疗智能诊断系统的实现与运用研究[刀.信息与电脑（理论版），2016（20）：133—135.

[6]苏飞，刘红，中国省级政府数据开放政策量化研究[J]，科技促进发展，2019，15（02）：127-132.

[7]邹国良，张石明，陈长吉，王振华.基于改进最小距离法的图像匹配并行算法设计[J].计算机工程，2018，44（09）：218—223.

[8]范宏，贝叶斯在医疗诊断系统中的应用研究[D]电子科技大学.2013（01）