本體驅動的貝葉斯網絡模型在醫學診斷中的應用

謝紅薇，閆 婷，車晉強

(太原理工大學 計算機科學與技術學院,太原 030024)

?

本體驅動的貝葉斯網絡模型在醫學診斷中的應用

謝紅薇，閆 婷，車晉強

(太原理工大學 計算機科學與技術學院,太原 030024)

基于本體驅動的貝葉斯網絡模型來輔助醫學診斷,采用以NETICA API(Application Programming Interface)為基礎的算法實現本體和貝葉斯網絡之間的映射來自動構建貝葉斯網絡給出診斷信息。選擇高血壓診斷醫學模型對本文模型進行驗證,實驗結果表明,該模型是正確且可行的,在醫學診斷中具有很好的普適性和可移植性。

本體;貝葉斯網絡;智能診斷;高血壓

醫學診斷操作中存在著大量的不確定性,這些不確定性來源于信息的不完整或者知識的不可靠性。本文選用本體來解決知識管理以及用貝葉斯網絡的方法來處理不確定性診斷。本體作為一個知識庫,能夠將領域知識表達成機器可讀的形式；可以基于語義表達出一個復雜領域的組織結構,但是它不能夠處理知識的不確定。貝葉斯網絡通過獲取不確定知識的置信度,在給出不確定知識的推理結論方面廣為應用[1-2]。本體含有實體類以及對象屬性和關系屬性,通過大量的實例,本體可以依賴于對象屬性將實例形成一張圖結構;貝葉斯網絡擁有自己的變量,這些變量之間通過依賴關系也能形成一個圖結構。因此,可以實現本體與貝葉斯網絡的相互轉換,將本體實例映射為貝葉斯網絡變量,將本體實體之間的對象關系映射成貝葉斯網絡變量之間的依賴關系。

本體與貝葉斯網絡各有長處,本文的創新點在于結合本體與貝葉斯網絡的優點,創建一個本體驅動的貝葉斯網絡模型以將本體的知識采用貝葉斯網絡表達出其概率,通過提供病人患病概率,對醫學疾病的診斷提供參考依據。本文首先使用protégé來構建高血壓疾病本體,然后以NETICA API (Application Programming Interface)為基礎,從高血壓疾病本體中自動構造貝葉斯網絡模型,最后利用貝葉斯網絡推理出病人患高血壓的概率。

1 醫學領域知識表示

目前,很多學者研究了本體并給出其定義[3-8]。從本質上來看,本體提供一種明確定義的知識。這個知識能改進各信息體彼此交流意識的精度和效率,從而獲得操作、重用以及共享等其他好處。具體開發過程如下。

1.1 本體的目標和范圍

為了能夠清楚地表述醫學領域的概念以及概念之間的關系,所構建的醫學領域本體不但要滿足醫學領域的需要,還應當具有較強的語義推理,因此,該本體的構建需要職業醫師的參與。

1.2 構建本體

圖1 醫學本體類的層次關系Fig.1 The hierarchy of medical ontology

首先,在構造領域本體之前,應當描述領域中的關鍵概念,圖1描述了定義在醫學本體中的關鍵概念。本體中,類是概念的表述,在此特別提及兩個主要的類，即原因(Cause)和結果(Effect)。原因的子類有環境(Environment)和遺傳(Heredity)，結果的子類有疾病(Disease)、癥狀(Symptom)、病癥(Sign)、檢驗(Test)。

第二步是確定概念間的屬性關系。本文兩種主要屬性關系,如圖2所示。

圖2 醫學本體中類之間的關系Fig.2 The ralationship between classes in the medical ontology

任何病因至少有一個結果,實現方式為Cause has Effect(逆關系是Effect of Cause)。任何結果可以產生其它結果,實現方式為Effect generates Effect(逆關系是Effect generated By Effect)。這兩種關系都具有可逆性。關系的可逆性對于貝葉斯網絡的圖形化很重要,應用于雙向推理當中。

本文所構建的本體知識庫主要來源于高血壓領域,如圖3所示。在環境類中,我們添加了飲酒、肥胖、運動、吸煙四個實例,在遺傳類當中,我們增加了是否具有高血壓病族史類,而在疾病類中,我們增加了高血壓以及肥胖癥,類似的,我們在病癥、病狀以及檢驗子類中都增加了相應的實體。

圖3 高血壓領域本體實例的定義Fig.3 The definition of medical ontology instance

上述所描述的本體類以及實體及類與類之間的屬性關第、對象關系都存儲于一個后綴為owl的文件當中,它符合OWL規范,其本質上屬于XML文件。我們可以將該本體文件移植到任何一個領域當中,而不需要做很多的更改,只要保留基礎類Cause和Effect,這是因為構造貝葉斯網絡模型只需要那些基礎類即可。

2 貝葉斯網絡模型

貝葉斯網絡是廣泛用于不確定性的概率知識表示的圖形化模型[9]。人們獲得的知識由于主觀性、隨機性、歧義性、模糊性常常具有一定的不確定性,貝葉斯網絡以一種合理的方式通過概率表示現實世界中事物存在的不確定性,同時模塊化地表示不確定知識,使得貝葉斯網絡在不同環境中得以應用,尤其是在推理方向。

貝葉斯基本結構為有向無環圖,它負責對應用領域內的變量以及變量之間的關系進行編碼,將關聯的數字部分以及聯合概率分布進行關聯編碼,貝葉斯網絡模型當中可以對結構和數字信息進行建模。貝葉斯網絡的構建可以按照下述步驟[10]:

Step.1 確定領域中的變量及變量的取值范圍；

Step.2 確定領域之間變量的關系并將關系描述為圖形化結構；

Step.3 在貝葉斯當中的變量全部來源于在本體當中定義的實體。

在貝葉斯網絡模型當中,每一個節點代表領域變量,而節點之間的關系代表節點與節點之間的依賴關系,本文采用NETICA API[11](Application Programming Interface)來創建貝葉斯網絡。貝葉斯網絡節點之間的層次結構可由程序代碼自動構建,這個構建操作基于醫學本體中實體之間的層次關系。所有的貝葉斯網絡節點在內存中以并行方式創建,節點之間的父子關系通過在執行的線程之間采用同步技術來創建,因此子節點將會等待直至它所有父節點都創建完畢。在構造算法完成之后,條件概率表將會填充上默認值(這個操作由NETICA自動完成)。

條件概率表的結構依賴于父結點的數量。在構建時,存在如下三種狀態:

1) 對于沒有父結點的根結點,條件概率表達的狀態和節點在本體中定義的屬性一樣。

2) 若節點只存在一個父節點,用二維矩陣表示其條件概率表。其中一維是節點的狀態,另一維是父節點的狀態。

3) 對于那些多于一個父節點的節點,本文采用Noisy-Or算法[12]來減少概率參數的數量。Noisy-Or可以大大簡化條件概率表。并且在實際應用中,估計任意兩個節點之間的條件概率要比估計多個節點針對于一個節點的聯合條件概率要容易。

定義1 因果獨立性。在貝葉斯網絡模型中,若父變量X1,X2,…,Xn均可以單獨對子變量C產生概率影響,則稱這n個父節點是相互因果獨立的。

在因果獨立的情況下,稱貝葉斯網絡模型為Noisy-Or模型,Noisy-Or模型中各節點的父節點之間都是因果獨立的。則圖4所示的貝葉斯網絡中節點X4發生的條件概率如下所示。

(1)

圖4 簡單的貝葉斯網絡Fig.4 A simple Bayesian network

文中大多數條件概率表來自中國心血管病報告2010[13]。極少數條件概率表是經由心血管醫生的指導下統計獲取的。例如,表1顯示了不同危險因素對高血壓患病風險的影響。

3 實驗與分析

NETICA既提供了可以操縱貝葉斯網絡的多種程序語言API,又提供了可視化操作貝葉斯網絡的軟件產品。NETICA的可視化推理實驗方法如下。

表1 不同危險因素對高血壓的患病風險

1) 生成貝葉斯網絡層次結構。本文的第1節對本體進行了介紹并講解了如何構建本體,然后以高血壓領域為例子建立了高血壓領域本體,該本體存儲在一個符合OWL規范的XML文件中。該文件將成為第2節講解的從疾病本體自動構建疾病的貝葉斯網絡模型算法的輸入,同時該算法還將輸出一個NETICA軟件產品可識別的貝葉斯網絡模型。不過這個模型還不能夠用于推理,因為該模型僅僅包含了從本體中映射而來的結構信息。

2) 輸入模型的數字信息—條件概率表。條件概率表將采用本文第2節所講的方式進行處理。對沒有父節點或者只有一個父節點的那些節點,其條件概率表可以直接在可視化的表格中輸入。

對于有多個父節點的那些節點,采用Noisy-Or算法來簡化條件概率表。其條件概率將采用式(1)來計算。在NETICA軟件中,采用Noisy-Or算法的條件概率表用公式表示。在高血壓貝葉斯網絡模型中,有兩個節點需要使用Noisy-Or算法。

節點Obesity(肥胖)的條件概率公式如式(2)所示。其中,數字0.30表示p(Obesity|Overnutrition)=0.30,即Overnutrition(營養過剩)取值為yes的條件下,Obesity(肥胖)取值為yes的概率。同樣,數字0.27可以類似的解釋。

p(Obesity | Overnutrition, notEnoughExercise)=NoisyOrDist(Overnutrition,0.30,notEnoughExercise,0.27) .

(2)

節點Hypertension(高血壓)的條件概率公式如式(3)所示。

p(Hypertension | Cholesterol, Obesity,triglyceride, Alcohol,Smoking, FamilyHypertension)=NoisyOrDist(Cholesterol, 0.432 6,Obesity, 0.512 0, triglyceride, 0.372 0, Alcohol, 0.288 3, Smoking, 0.263 2, FamilyHypertension, 0.303 8) .

(3)

3) 輸入病人證據并診斷。采用如表2所示的證據來做實驗測試，該證據來自一位確診患有高血壓的病人。

首先輸入表2中除節點Obesity、Cholesterol、 triglyceride以外的所有證據,診斷結論如圖5所示。從圖5可以看出該病人患高血壓的概率是65.2%。

表2 系統測試數據

圖5 診斷結論1Fig.5 Diagnostic conclusion 1

現在我們在上一次診斷證據的基礎上加上Obesity這個節點的證據。輸入這些證據得到的診斷結論如圖6所示。此時可以看到該病人患高血壓的概率是83.4%。由于有了Obesity這個更強的證據,此時Overnutrition節點與notEnoughExercise節點的證據就失去了作用。從圖6可以看出通過Obesity節點證據反推出Overnutrition節點與notEnoughExercise節點的概率。

圖6 診斷結論2Fig.6 Diagnostic conclusion 2

最后,輸入表2中的所有證據,得到的診斷結論如圖7所示。此時可以看出該病人患高血壓的概率是84.8%。對比圖5—圖7,我們可以看出,證據越充分,診斷的準確性越高。通過該診斷模型,可以對病人高血壓患病情況提供診斷參考。

圖7 診斷結論3Fig.7 Diagnostic conclusion 3

此外,還可以在確定病人患高血壓的概率后,進一步推理出該病人由高血壓引起的癥狀或其它病癥的概率。圖5—圖7中之所以Cephalagia，Epistaxis，Dizziness這3個節點的概率為默認值(50%),是因為我們尚未提供高血壓與這些節點之間關系的條件概率表。

4 結論

本文所提出的本體驅動的貝葉斯網絡模型充分利用了本體知識庫的語義性及強表達性,自動將本體中的實體轉換為貝葉斯網絡模型。從而巧妙地利用了貝葉斯網絡在解決不確定性和非完整性信息的優勢。

為證明該模型的有效性,本文構建了一個高血壓本體。通過將高血壓本體映射在貝葉斯網絡模型中,輸入不同的條件概率,獲得患者患高血壓的概率。實驗結果表明，本體驅動的貝葉斯網絡模型可以根據高血壓病人數據做出正確的判斷,同時不難看出診斷精度依賴于患者證據,證據越充足,診斷精度越高。此外,診斷精度也取決于貝葉斯網絡結構的合理性以及條件概率的準確性,所以在未來的工作中我們會調整高血壓本體的層次結構使其更加合理,進一步提高條件概率表的準確性。

由于現有的依靠測量血壓的方法來診斷高血壓存在一些缺陷,例如“白大衣效應”導致誤診,隱匿性高血壓可能會導致漏診。因此,本文建立的高血壓診斷模型可以作為現有診斷高血壓方法的補充,輔助內科醫生更好地做出診斷。

[1] CHAPELLE O,ZHANG Y.A dynamic Bayesian network click model for web search ranking[C]∥ACM.Proceedings of the 18th International Conference on World Wide Web,2009:1-10.

[2] SRINIVAS K,RANI B K,GOVRDHAN A.Applications of data mining techniques in healthcare and prediction of heart attacks[J].International Journal on Computer Science and Engineering (IJCSE),2010,2(2):250-255.

[3] JUNG J J.Reusing ontology mappings for query routing in semantic peer-to-peer environment[J].Information Sciences, 2010, 180(17): 3248-3257.

[4] SPIES M.An ontology modelling perspective on business reporting[J].Information Systems,2010,35(4):404-416.

[5] LI J,TANG J,LI Y,et al.RiMOM:A dynamic multistrategy ontology alignment framework[J].IEEE.Transactions on Knowledge and Data Engineering,2009,21(8):1218-1232.

[6] WANG J,HUANG Q,LIU Z P,et al.NOA:a novel network ontology analysis method[J].Nucleic Acids Research,2011,39(13):e87.

[7] LEHMANN J.DL-Learner:learning concepts in description logics[J].The Journal of Machine Learning Research,2009,10:2639-2642.

[8] JEPSEN T C.Just what is an ontology,anyway?[J].IT Professional,2009,11(5):22-27.

[9] LIU K F R,LU C F,CHEN C W,et al.Applying bayesian belief networks to health risk assessment[J].Stochastic Environmental Research and Risk Assessment,2012,26(3):451-465.

[10] DARWICHE A.Modeling and reasoning with Bayesian networks[M].Cambridge:Cambridge University Press,2009.

[11] NORSYS SOFTWARE CORP.Netica-J Manual[M].Vancouver:Norsys Software Corporation,2010.

[12] HENRION M.Practical issues in constructing a Bayes’ belief network[J].2013,3:132-139.

[13] 衛生部心血管病防治研究中心.中國心血管病報告2010[M].4版.北京:中國大百科全書出版社,2010：44-78.

(編輯：朱 倩)

Using Ontology-Driven Bayeslan Network Model in Medical Dlagnosis

XIE Hongwei,YAN Ting,CHE Jinqiang

(DepartmentofComputerScienceandTechnology,TaiyuanUniversityofTechnology,Taiyuan030024，China)

An ontology-driven Bayesian Network model is proposed in the paper in order to assist medical diagnosis. An algorithm based on NETICA API is used for realizing the mapping between the ontology and Bayesian network to build Bayesian Network automatically in order to make a diagnosis. Finally, a sample medicine model for the diagnosis of hypertension is adopted to test this model. Experimental results demonstrate that the model is correct and feasible. The proposed model has good universality and portability in medical diagnosis.

ontology;bayesian network;intelligent diagnosis;hypertension

1007-9432(2016)03-0389-05

2015-05-30

國家高科技研究發展計劃(863計劃):基于用戶興趣模型的媒體大數據內容整合與合視化技術(2014AA015204),山西省國際科技合作項目：基于數據分析的遠程智能監護系統和推理輔助診斷模型系統研發(2014081018-2),山西省科技基礎條件平臺建設基金資助項目(2013091003-0103)

謝紅薇(1962-)，女，江蘇武進人，博士，教授，主要從事人工智能、醫學信息學的研究，(E-mail)xiehongwei@tyut.edu.cn.

TP39

A

10.16355/j.cnki.issn1007-9432tyut.2016.03.021