基于貝葉斯理論的豬流行性腹瀉智能診斷分析

馬云玲　段會敏　周明慧　呂俊　韓攀杰

摘要：智能診斷分析就是利用判別分析的方法，依據動物所患疾病的癥狀、體征等一系列信息來判別疾病發生的概率。本文旨在介紹基于貝葉斯分析算法，從數據的組織管理和數據庫的設計入手，對豬流行性腹瀉疾病的發病率進行概率分析，這是一種精確且客觀的方式，因為在具體運用貝葉斯定理進行疾病診斷時，要求做到數據要準確，診斷要合理，預測要科學，并且要實事求是，精確到具體某一點上，給衛生處置人員一個科學的參考依據。

關鍵字：智能診斷 貝葉斯算法 豬流行性腹瀉 判別分析 數據庫

引言

隨著經濟的高速發展，我國各行各業得到了迅猛的發展，其中也包括養殖業。隨著養殖業規模的擴大，隨之而來的疾病不僅威脅到人們日常食用的肉食類產品的安全性，而且也在一定程度上造成養殖業規模的倒退。因此如何及時在疾病發生之前，可以預見以及預警成為當今養殖業的重頭戲。而如今，人工智能發展逐步成熟，且善于對大數據整合，捕捉到人類難以發現的模式與關聯。合理的運用人工智能領域的相關知識有助于我們人類提前發現并做好預防養殖業疾病發生的相應準備，減少疾病帶給人們的損失，提高肉食類產品的安全。

本文主要描述利用人工智能技術、采用貝葉斯算法對豬流行性腹瀉進行有效的判斷以及合理的處理。

1貝葉斯算法

判別分析方法常常被應用于智能診斷分析中，其中判別分析方法主要以距離和概率作為判別的準則。在智能診斷中，根據動物已出現的各種癥狀和已知的疾病的特點等信息來判別疾病發生的概率。癥狀、疾病的特點等判別依據和疾病之間的關系需要通過分析大量的真實病例進而確定。搜集的真實病例數量越多，樣本越大，最后的診斷結果越可靠。

在疾病智能診斷系統中，若患者出現n種病征，而這n種病征對應于m種疾病，其中，第j種疾病出現第1種癥狀的概率為P（Bi14），i=l，2，3，L，n，j=1，2，3，L，m，且第J種疾病的發病率為P（Ai），j=1，2.3，L，m，故同時滿足這n種癥狀的條件下，疾病A、發生的概率為：

2.1知識庫的建立與完善

2.1.1確定知識庫基本對象

在診斷疾病之前，要求建立疾病的基本數據庫， 確定疾病、癥狀、體征等各個對象之間的關系，并且要掌握它們之間的實體關系。第一，疾病，是生物的非正常狀態，也是最基礎的對象。其中對于疾病的合理分類是提供有效參考的重要依據。第二，癥狀與體征。這是需要優先考慮的對象，因為通過分析疾病的癥狀和體征表現的跡象與指標，可以為診斷提供合理有效的依據。

2.1.2知識的獲取

對于知識庫中相關的醫療數據的采集，需要充分利用線上與線下兩種方式予以實現。在以前資源受限，只能選擇某一診所或者單一網站進行采集，但隨著信息化時代的來臨，收集數據的途徑明顯增加。在采集相關醫療信息時，主要針對以下幾個網站進行收集，如百度、搜狐、360瀏覽器。

2.1.3數據的量化

處理不同數據時，要求具體精確，在獲取疾病與癥狀時，針對不同數據的特征進行命名體識別與統一匯總;本文需要計算的主體有兩種形式，即疾病與癥狀、疾病與年齡，計算則是采用上述所說貝葉斯算法以及醫療數據庫的計算方式。

其中，對于疾病與年齡之間的關系，不同年齡豬的癥狀表現存在差異性，癥狀存在期也有長有短，以此在參考結構化數據和統計數據之前可確定對象是成年豬還是幼豬。

2.2醫療診斷算法

2.2.1算法設計思想

基于貝葉斯算的醫療診斷算法是將具有主觀性的因素通過貝葉斯算法轉化為客觀結論，從而有效的幫助用戶預防或及時治療，達到減少人力物力。

2.2.2算法設計步驟

基于貝葉斯算的醫療診斷算法設計步驟：

輸入：養殖業者可通過人機交互界面將其牲畜的疾病癥狀、體征、年齡等信息輸入數據庫中。

輸出：數據庫通過利用醫療診斷算法分析處理

用戶輸入的信息，進而輸出疾病的診斷結果。從而讓用戶及時做出相應的預防措施。

Stepl：在計算醫療知識庫之前，我們首先需要確定診斷狀況，在確定疾病以及癥狀等基本因素的診斷之后，著手計算相關數據。

Step2：疾病的計算：由疾病的先驗概率可以根據先驗概率公式（1）計算出疾病發生的概率。

Step3：癥狀與疾病的計算：在此計算中，癥狀的計算與疾病的計算公式類似，為：

其中fsi是編號為i的癥狀次數，這樣計算的目的是為了對疾病存在基礎之上癥狀J的出現次數進行統計。

Step4疾病與年齡的計算根據不同的劃分標準來劃分不同的年齡區間，存在充足的樣本之下，可以保證年齡統計的精準性[8]，在有先驗概率的前提下，按照公式（3）計算： 如果已經患有某種疾病，按照公式（4）計算：

2.2.3算法設計分析

利用貝葉斯算法可以將用戶們不確定的常識具體化。貝葉斯算法是整個疾病智能診斷中最核心的部分，決定著診斷過程是否高效，診斷結果是否準確。貝葉斯算法的高效率和高準確性一直被專門人員所青睞，用于智能研究方面以方便人們的生活。但是對于復雜的疾病智能判斷。有必要對貝葉斯算法進行一定的改良，以在保證準確度的前提下，充分提高運行效率。

在設計分析過程中，通過疾病癥狀、體征、年齡之間的算法關系首先做出判斷分析，再通過數據庫貝葉斯算法得出發病率，根據數據信息帶人貝葉斯公式，得出概率最大的可能性。診斷分析模塊根據得出的發病率和相關資料進行比較，得出最后的疾病分析結果這是一種相對智能化的分析和診斷，它的精確性與客觀性能給醫務人員提供快速定性和科學的參考依據，可以幫助醫務人員快速判斷疾病的種類，在早期采取有效的防控措施，最大限度地減少突發疾病帶來的損失，具有及時、準確、客觀的特點。

3結語

本文是基于貝葉斯理論，利用智能診斷來分析豬對于流行性腹瀉的發病率。首先對疾病的癥狀、豬的年齡以及它們之間的關系進行分析，其次通過查詢知識庫進行計算比對，最后利用貝葉斯算法進行概率計算，對發病率進行概率分析。

參考文獻

[1]張雯捷.貝葉斯定理及其應用淺析[J].課程教育研究，2019（07）：132-133.

[2]馬增強，周楊.現代化智能立體生豬養殖系統設計[J]自動化博覽，2018，35（S1）5861.

[3]李傅冬，沈毅，劉碧瑤，林君芬，何凡，王臻，貝葉斯分類法在計算機疾病輔助診斷中的應用[J].中國預防醫學雜志，2015，16（10）：801-804.

[4]何中炎，張云華.基于改進貝葉斯算法的醫療健康管理系統的設計[J].電工技術，2019 （06）：135-138.

[5]劉奕.醫療智能診斷系統的實現與運用研究[刀.信息與電腦（理論版），2016（20）：133—135.

[6]蘇飛，劉紅，中國省級政府數據開放政策量化研究[J]，科技促進發展，2019，15（02）：127-132.

[7]鄒國良，張石明，陳長吉，王振華.基于改進最小距離法的圖像匹配并行算法設計[J].計算機工程，2018，44（09）：218—223.

[8]范宏，貝葉斯在醫療診斷系統中的應用研究[D]電子科技大學.2013（01）