CN110349663A - 一种基于Drools的冠心病康复方案自动生成方法及*** - Google Patents
一种基于Drools的冠心病康复方案自动生成方法及*** Download PDFInfo
- Publication number
- CN110349663A CN110349663A CN201910496078.XA CN201910496078A CN110349663A CN 110349663 A CN110349663 A CN 110349663A CN 201910496078 A CN201910496078 A CN 201910496078A CN 110349663 A CN110349663 A CN 110349663A
- Authority
- CN
- China
- Prior art keywords
- rule
- patient
- coronary
- rehabilitation scheme
- inference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Nutrition Science (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种基于Drools的冠心病康复方案自动生成方法及***，从营养、有氧运动、阻抗训练和柔韧性训练四个组成部分设计并实现冠心病康复方案模型；采用规则推理模式设计并实现基于Drools的冠心病康复方案推理引擎，依据模型需求对推理引擎事实、推理引擎规则进行重新的定义与划分。本发明针对冠心病提出一种基于Drools的康复方案自动生成的方法，可以一定程度上提高康复方案生成的效率，提高医生的工作效率，节约医疗成本。
Description
技术领域
本发明涉及医疗信息化技术领域，具体涉及一种基于Drools的冠心病康复方案自动生成方法及***。
背景技术
冠心病可防可控，目前关于冠心病的康复指导还停留在专家共识的医学研究资料中，冠心病患者的康复方案需要医生根据自身经验为患者定制处方。
本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：
现有技术中制定方案效率较低，且因为医生个体之间的经验偏差，使得制定的康复方案不一定真正适合患者康复。现如今对冠心病的跟踪治疗还不完善，康复方案的不完善等问题更加阻碍了冠心病的管理与病患的身体恢复。
由此可知，现有技术中存在效率低的技术问题。
发明内容
有鉴于此，本发明提供了一种基于Drools的冠心病康复方案自动生成方法及***，用以解决或者至少部分解决现有技术中存在的效率低的技术问题。
本发明第一方面提供了一种基于Drools的冠心病康复方案自动生成方法，包括：
对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，其中，该方案模型包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方；
设置推理规则，其中，推理规则包括患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则；
设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎；
基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，其中，康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方的内容。
在一种实施方式中，设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎，具体包括：
设置患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则的优先级，以此确定规则匹配算法；
基于Drools推理引擎的基本结构，设计实现适于冠心病运动康复方案生成的推理引擎，其中，推理引擎里包括推理模型事实划分和推理模型规则划分，推理模型事实划分包括源事实、中间事实和结果事实，推理模型规则划分包括：患者基本分类规则、患者运动风险分类规则和运动康复方案生成规则。
在一种实施方式中，在设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎之后，所述方法还包括：
对规则匹配算法进行优化。
在一种实施方式中，采用规则冲突解决策略对规则匹配算法进行优化。
在一种实施方式中，患者基本分类规则包括：
年龄大于预设值的为高龄冠心病患者，预设时间内没有接受冠脉介入手术的为普通冠心病患者，预设时间内接受过冠脉介入手术为PCI冠心病患者。
在一种实施方式中，患者基本分类规则包括：
对于普通冠心病患者，当参考项中任何一项结论为高危则当前冠心病患者存在高危运动风险；当参考项中每一项为低危则当前冠心病患者存在低危运动风险；其他情况则当前冠心病患者存在中危运动风险；
对于近期进行冠脉介入手术的患者，当参考项中任何一项结论为高危则当前冠心病患者存在高危运动风险；当参考项中每一项为低危则当前冠心病患者存在低危运动风险；其它情况则当前冠心病患者存在中危运动风险；
对于75岁及以上高龄冠心病患者，存在任何一项为高危或存在3项及以上为中危的患者存在高危运动风险，对于所有项均为低危的冠心病患者存在低危运动风险，其他情况下冠心病患者存在中危运动风险。
在一种实施方式中，基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，包括：
根据预设参考项和患者基本分类规则，对患者进行分类；
根据患者分类结果和患者运动风险分类规则，对患者运动风险进行分类；
根据患者运动风险进行分类和待诊断患者的基本数据，对患者进行危险等级分级，并获得患者的康复方案，其中，患者的康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方中具体包含的数据或者内容。
在一种实施方式中，所述方法还包括：
在推理过程中执行规则匹配时，若被执行规则调用了添加、修改或删除宏函数，则Drools规则引擎将调整之后的事实库再次与规则库进行规则匹配，开始新一次的规则执行流程。
在一种实施方式中，在基于Drools构建冠心病康复方案推理流程中，当没有待执行规则时，则表示推理结束。
基于同样的发明构思，本发明第二方面提供了一种基于Drools的冠心病康复方案自动生成***，包括：
康复方案模型构建模块，对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，其中，该方案模型包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方；
推理规则设置模块，用于设置推理规则，其中，推理规则包括患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则；
推理引擎设计模块，用于设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎；
康复方案生成模块，用于基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，其中，康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方的内容。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本发明提供的一种基于Drools的冠心病康复方案自动生成方法，首先，对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，然后，设置推理规则，接着，设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎；最后，基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案。
相较于传统的需要医生根据自身经验为患者定制处方而言，本发明通过构建冠心病康复方案模型、设置推理规则，并设计推理引擎，则可以根据推理规则进行推理，自动生成康复方案，也就是说，本发明设计并实现冠心病康复方案模型的自动生成，可以优化康复方案的制定，降低医疗成本，提高接诊效率。此外，还可以避免由于医生个体之间的经验偏差，使得制定的康复方案不一定真正适合患者康复的情况，提高准确性，进一步完善对冠心病的跟踪治疗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于Drools的冠心病康复方案自动生成方法的流程图；
图2为本发明实施例中冠心病康复方案推理引擎的逻辑结构图；
图3为本发明实施例中基于Drools的冠心病方案推理的流程图；
图4为本发明实施例提供的一种基于Drools的冠心病康复方案自动生成***的结构框图。
具体实施方式
本发明提供了一种基于Drools的冠心病康复方案自动生成方法及***，用以解决或者至少部分解决现有技术中存在的效率低的技术问题，从而达到提高康复方案的生成效率和准确性的技术效果。
本发明的主要构思如下：
从营养、有氧运动、阻抗训练和柔韧性训练四个组成部分设计并实现冠心病康复方案模型；采用规则推理模式设计并实现基于Drools的冠心病康复方案推理引擎，依据模型需求对推理引擎事实、推理引擎规则进行重新的定义与划分。
通过本发明提供的基于Drools的康复方案自动生成的方法，可以提高康复方案的生成效率，一定程度上提高医生的工作效率，节约医疗成本。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本实施例提供了一种基于Drools的冠心病康复方案自动生成方法，请参见图1，该方法包括：
步骤S1：对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，其中，该方案模型包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方。
具体来说，营养处方可以利用冠心病患者身高体重等信息计算患者日常营养方案，包括：判断冠心病患者体重指数、日需总能量、日需蛋白质总量和食品交换份数等。有氧运动处方主要参考冠心病患者的心肺运动负荷试验和心电图运动负荷试验相关指标。有氧运动处方主要包含运动种类、运动强度、运动时长、运动频率等。
阻抗训练处方中，阻抗训练或肌肉训练中运动强度的参考标准为负荷举重最大重复次数RM(repetition maximum)和一次重复最大举重量1-RM(one-repetition maximum)。RM是指采用一个重量单元所能完成的最多动作数，例如8RM代表采用某重量单元完成了8次该动作之后身体已无法继续坚持到进行第9个这样的动作。一般情况下，当冠心病患者可以轻松地连续完成15次某动作，则可以适当增大患者所采用的重量单元。1-RM是指人体仅一次重复所能完成的最大重量单位，1-RM需要时常测量和调整。
举例来说，普通冠心病患者上肢训练强度为30％～40％1-RM，下肢训练强度为50％～60％1-RM，患者自我疲劳感知分数在11～13之间。每次训练8～10个肌肉群，每周3次或隔天一次。近期进行冠脉介入手术的患者，之前至少已进行连续2周的院内辅助有氧运动且手术结束3周之后才能进行阻抗训练。对于心肌梗死或近期进行CABG手术的患者，之前必须已进行了连续4周的院内辅助有氧运动且在手术5周之后进行阻抗训练。近期进行CABG手术的冠心病患者3个月内不宜进行中高强度阻抗训练，避免影响胸骨伤口愈合。对于低危运动风险患者，阻抗训练强度为40％～80％1-RM，患者自我疲劳感知分数在11～16之间。对于中高危运动风险的患者，阻抗训练强度为20％～30％1-RM，患者自我疲劳感知分数在10～11之间。每组10～15个，每次训练1～3个肌群，每周1次，后续训练强度根据患者耐受能力适当调整。高龄冠心病患者建议每周进行2～3次阻抗训练。低危运动风险患者训练强度可以选择60％～80％1-RM，不宜超过80％，每组10～15个，每次训练4～10个肌群，患者自我疲劳感知分数在13～16之间，不宜超过16分；中危运动风险患者训练强度可以选择40％～60％1-RM，不宜超过70％1-RM，每组8～15个，每次训练3～4个肌群，患者自我疲劳感知分数在11～13之间，不宜超过16分；高危运动风险患者训练强度可以选择20％～30％1-RM，不宜超过40％1-RM，每组8～15个，每次训练1～3个肌群，患者自我疲劳感知分数在10～11之间，不宜超过13分。
阻抗训练可以帮助冠心病患者增加心脏压力负荷，从而使心内膜下血流灌注增加，心肌氧达到良好的平衡。阻抗训练可以增强骨骼肌耐力和力量，增加骨骼肌重量，提高冠心病患者基本代谢率，改善运动耐力，帮助冠心病患者早日回归日常工作和生活。阻抗训练的主要方法包括哑铃、杠铃、阻抗训练仪、弹力带等。其中弹力带对各种情况的冠心病患者都适用，且操作简单、易携带、场合限制少，冠心病患者可以根据自身运动强度选择不同规格的弹力带。
柔韧性运动处方中，柔韧性训练以肩、腰、腿为主，通过缓慢且可控制的方式进行，根据患者自身适应情况逐渐加大训练的身体部位。柔韧性训练主要包括柔韧性体操和肌肉拉伸。
步骤S2：设置推理规则，其中，推理规则包括患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则。
步骤S3：设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎。
具体来说，Drools是一套商业化的规则管理解决方案，它提供了专业的商业规则引擎BRE(Business Rules Engine)、Web创作和规则管理应用程序。Drools帮助开发人员将多变规则从逻辑代码中抽离出来，实现了业务规则与业务代码的解耦，更加利于企业应用的维护。Drools规则引擎中的核心算法Rete实现可分成两个部分：规则编译和运行时执行。规则编译主要实现推理网络的构建，运行时执行用来过滤数据，随着匹配网络的不断深入，通过规则网络是数据越来越少，直至到达终止节点。
步骤S4：基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，其中，康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方的内容。
具体来说，整个推理的基础部分是患者分类，患者分类产生的中间事实与源事实共同决定冠心病患者危险分层，同时危险分层过程中产生的中间事实与源事实组合调整危险分层。
在一种实施方式中，设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎，具体包括：
设置患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则的优先级，以此确定规则匹配算法；
基于Drools推理引擎的基本结构，设计实现适于冠心病运动康复方案生成的推理引擎，其中，推理引擎里包括推理模型事实划分和推理模型规则划分，推理模型事实划分包括源事实、中间事实和结果事实，推理模型规则划分包括：患者基本分类规则、患者运动风险分类规则和运动康复方案生成规则。
具体来说，三类分类规则具有一定的顺序和优先级：患者基本分类规则>患者运动风险分类规则>康复方案生成规则。
其中，请参见图2，为本发明实施例中冠心病康复方案推理引擎的逻辑结构图。
基于Drools构建冠心病康复方案推理流程中的推理模型事实划分包括：源事实、中间事实和结果事实。其中，源事实指进行推理前输入的事实，例如可以包括患者静态数据(性别、年龄、身高、体重等)，患者检查数据(无创心功能检查、运动心肺功能检查、焦虑测评、抑郁测评等)，用药方案等。源事实是规则推理的根基，源事实的数据完整性对于规则推理结果的完整度和可信度有直接影响。由于患者分类与运动风险等级分类是确定康复方案的基础，从这点来看，源事实包括：患者分类事实和冠心病患者运动风险分级事实。
中间事实是指在推理过程中，产生的过渡事实，中间事实不一定为患者的真实事实，是基于事实库中的现有事实通过匹配推理规则得出的可能事实，中间事实通过一定筛选规则进如事实库中，与其他源事实一起继续后续推理。中间事实不要求完全准确和贴近患者真实状况，但是中间事实的可信度对于后续推理产生直接影响。
结果事实是指通过推理引擎推理得到的最终结果。结果事实里面既可能包括源事实也可能包含中间事实。结果事实的可信度是推理引擎推理准确性的直接体现，并为推理引擎规则的调整和中间事实可信度的调整提供参考和依据。
在一种实施方式中，在设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎之后，所述方法还包括：
对规则匹配算法进行优化。
在一种实施方式中，采用规则冲突解决策略对规则匹配算法进行优化。
具体来说，当规则匹配过程中同时激活了多个规则出现规则冲突时，则规则冲突解决策略来化解规则冲突。规则冲突解决策略可以为优先级策略、激活顺序策略、规则复杂性策略、随机策略和装载顺序策略。
在一种实施方式中，患者基本分类规则包括：
年龄大于预设值的为高龄冠心病患者，预设时间内没有接受冠脉介入手术的为普通冠心病患者，预设时间内接受过冠脉介入手术为PCI冠心病患者。
具体来说，预设值和预设时间可以根据实际情况进行设置，例如预设值可以为70、75、80等等，预设时间可以为1个月、2个月、3个月、半年等。
在一种实施方式中，患者基本分类规则包括：
对于普通冠心病患者，当参考项中任何一项结论为高危则当前冠心病患者存在高危运动风险；当参考项中每一项为低危则当前冠心病患者存在低危运动风险；其他情况则当前冠心病患者存在中危运动风险；
对于近期进行冠脉介入手术的患者，当参考项中任何一项结论为高危则当前冠心病患者存在高危运动风险；当参考项中每一项为低危则当前冠心病患者存在低危运动风险；其它情况则当前冠心病患者存在中危运动风险；
对于75岁及以上高龄冠心病患者，存在任何一项为高危或存在3项及以上为中危的患者存在高危运动风险，对于所有项均为低危的冠心病患者存在低危运动风险，其他情况下冠心病患者存在中危运动风险。
在一种实施方式中，基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，包括：
根据预设参考项和患者基本分类规则，对患者进行分类；
根据患者分类结果和患者运动风险分类规则，对患者运动风险进行分类；
根据患者运动风险进行分类和待诊断患者的基本数据，对患者进行危险等级分级，并获得患者的康复方案，其中，患者的康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方中具体包含的数据或者内容。
具体来说，患者基本分类是推理的第一步，不同基本分类的患者会对应不同的运动风险分类规则和不同的运动康复方案生成规则。预设参考项可以为心电图结论、心率失常、再血管后并发症、心理障碍、左心室射血分数、储备功能(METs)和血肌钙蛋白浓度。推理规则执行顺序越靠前对后续推理结果的影响越大，故需要选用可靠性高的推理规则完成推理的第一步。在冠心病专家在问诊过程中，会对患者进行基本类型的划分，冠心病患者基本分类规则是患者分类规则最明确也是最准确的规则。患者运动风险分类在患者基本分类基础之后进行。对于不同类型的患者对应不同的风险分类规则。康复方案生成规则由冠心病患者的危险分级分别对应而来，该类生成规则还引入待诊断患者的基本数据(患者性别、患者年龄、患病年龄、身高、体重、用药方案等)。请参见图3，为本发明实施例中基于Drools的冠心病方案推理的流程图。
步骤(1)，规则库中的规则与事实库中的事实进行匹配，遍历规则库中的规则，判断当前事实能否与规则的左件LHS(left-hand-side)匹配，如果可以匹配则将该规则加入到Agenda中，否则尝试匹配下一条规则，直到全部匹配测试完毕。在Drools5.x版本中，规则匹配采用饿汉模式，在该模式下，Drools会直接将所有的事实与规则约束条件进行匹配，找出所有的匹配规则。在Drools6.x及以后的版本规则匹配改为懒汉模式，在懒汉模式下只有需要尝试去匹配时才会调用事实与规则约束条件的匹配任务；
步骤(2)，当规则匹配过程中同时激活了多个规则出现规则冲突时，则利用规则冲突解决策略来化解规则冲突；
步骤(3)，判断当前Agenda中是否有可执行的规则，若存在未执行的规则，则按照一定的执行顺序fire rules。默认执行顺序策略为随机策略，可以通过salience属性调整规则执行顺序。规则默认salience属性值为0，salience值越大执行优先级越高；
步骤(4)，Agenda中的规则被执行，若被执行规则调用了insert(添加)、update(修改)或retract(删除)等宏函数，则Drools规则引擎会将调整之后的事实库再次与规则库进行规则匹配，开始新一次的规则执行流程；
步骤(5)，当Agenda中没有待执行规则时，代表推理结束。
患者的康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方中具体包含的数据或者内容。举例来说，请参见表1，为一种冠心病康复方案生成模板，其包括患者基本信息、基本分析结果、营养处方、运动处方和处方说明。
(1)患者基本信息
该部分是患者基本信息的展现，主要包括患者姓名、年龄、发病年龄、身高、体重、心率和患者类型。患者类型指根据患者分类规则对冠心病患者的大致划分，患者类型包括普通冠心病患者、高龄冠心病患者和近期PCI冠心病患者。
(2)基本分析结果
其中，基本分析结果主要展示经过规则推理之后，对患者的分析结果，包括高危运动因素、中危运动因素和其它因素。其中高危运动因素和中危运动因素是根据患者运动等级分类筛选得到的，是运动康复方案制定的主要依据。其它因素主要用来说明患者其它高危因素，如吸烟、过量饮酒、过度肥胖等等。
(3)营养处方
通过前述的康复模型，将四大食物类型细分为六大日常食物分类，即淀粉类、粗粮类、蔬菜类、水果类、肉蛋类和油脂类。四大食物分类所占分配比例约为50％、30％、20％和10％，其中谷薯类中淀粉与粗粮的比例为3:1，在果蔬类中蔬菜与水果的比例为2:1。
(4)运动处方
该部分从有氧运动、阻抗训练和柔韧性训练三部分实现运动处方。从运动的运动种类、运动强度、运动时长(运动量)和运动频率四个方面对运动出发进行描述。
(5)处方说明
该部分主要针对患者的特殊状况、康复方案中一些特殊考虑加以说明。如近期进行急诊PCI的冠心病患者，会注明进行阻抗训练的时机应在PCI手术三周之后，且应在连续2周有医学监护的有氧训练之后。
表1
在一种实施方式中，所述方法还包括：
在推理过程中执行规则匹配时，若被执行规则调用了添加、修改或删除宏函数，则Drools规则引擎将调整之后的事实库再次与规则库进行规则匹配，开始新一次的规则执行流程。
具体来说，基于Drools构建冠心病康复方案推理流程，首先规则库中的规则与事实库中的事实进行匹配，遍历规则库中的规则，判断当前事实能否与规则的左件LHS(left-hand-side)匹配,如果可以匹配则将该规则加入到Agenda中，否则尝试匹配下一条规则，直到全部匹配测试完毕。在Drools5.x版本中，规则匹配采用饿汉模式，在该模式下，Drools会直接将所有的事实与规则约束条件进行匹配，找出所有的匹配规则。在Drools6.x及以后的版本规则匹配改为懒汉模式，在懒汉模式下只有需要尝试去匹配时才会调用事实与规则约束条件的匹配任务。
此外，在基于Drools构建冠心病康复方案推理流程中，判断当前Agenda中是否有可执行的规则，若存在未执行的规则，则按照一定的执行顺序fire rules。默认执行顺序策略为随机策略，可以通过salience属性调整规则执行顺序。规则默认salience属性值为0，salience值越大执行优先级越高。
在一种实施方式中，在基于Drools构建冠心病康复方案推理流程中，当没有待执行规则时，则表示推理结束。
总体来说，从营养、有氧运动、阻抗训练和柔韧性训练四个组成部分设计并实现冠心病康复方案模型；采用规则推理模式设计并实现基于Drools的冠心病康复方案推理引擎，依据模型需求对推理引擎事实、推理引擎规则进行重新的定义与划分可以根据推理规则进行推理，自动生成康复方案，也就是说，本发明设计并实现冠心病康复方案模型的自动生成，可以优化康复方案的制定，降低医疗成本，提高接诊效率。此外，还可以避免由于医生个体之间的经验偏差，使得制定的康复方案不一定真正适合患者康复的情况，提高准确性，进一步完善对冠心病的跟踪治疗。
基于同一发明构思，本申请还提供了与实施例一中基于Drools的冠心病康复方案自动生成方法对应的***，详见实施例二。
实施例二
本实施例提供了一种基于Drools的冠心病康复方案自动生成***，请参见图4，该***包括：
康复方案模型构建模块201，对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，其中，该方案模型包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方；
推理规则设置模块202，用于设置推理规则，其中，推理规则包括患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则；
推理引擎设计模块203，用于设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎；
康复方案生成模块204，用于基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，其中，康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方的内容。
由于本发明实施例二所介绍的***，为实施本发明实施例一中基于Drools的冠心病康复方案自动生成方法所采用的***，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该***的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的***都属于本发明所欲保护的范围。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为了清楚可见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于Drools的冠心病康复方案自动生成方法，其特征在于，包括：
对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，其中，该方案模型包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方；
设置推理规则，其中，推理规则包括患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则；
设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎；
基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，其中，康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方的内容。
2.如权利要求1所述的方法，其特征在于，设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎，具体包括：
设置患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则的优先级，以此确定规则匹配算法；
基于Drools推理引擎的基本结构，设计实现适于冠心病运动康复方案生成的推理引擎，其中，推理引擎里包括推理模型事实划分和推理模型规则划分，推理模型事实划分包括源事实、中间事实和结果事实，推理模型规则划分包括：患者基本分类规则、患者运动风险分类规则和运动康复方案生成规则。
3.如权利要求1所述的方法，其特征在于，在设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎之后，所述方法还包括：
对规则匹配算法进行优化。
4.如权利要求3所述的方法，其特征在于，采用规则冲突解决策略对规则匹配算法进行优化。
5.如权利要求1所述的方法，其特征在于，患者基本分类规则包括：
年龄大于预设值的为高龄冠心病患者，预设时间内没有接受冠脉介入手术的为普通冠心病患者，预设时间内接受过冠脉介入手术为PCI冠心病患者。
6.如权利要求1所述的方法，其特征在于，患者基本分类规则包括：
对于普通冠心病患者，当参考项中任何一项结论为高危则当前冠心病患者存在高危运动风险；当参考项中每一项为低危则当前冠心病患者存在低危运动风险；其他情况则当前冠心病患者存在中危运动风险；
对于近期进行冠脉介入手术的患者，当参考项中任何一项结论为高危则当前冠心病患者存在高危运动风险；当参考项中每一项为低危则当前冠心病患者存在低危运动风险；其它情况则当前冠心病患者存在中危运动风险；
对于75岁及以上高龄冠心病患者，存在任何一项为高危或存在3项及以上为中危的患者存在高危运动风险，对于所有项均为低危的冠心病患者存在低危运动风险，其他情况下冠心病患者存在中危运动风险。
7.如权利要求1所述的方法，其特征在于，基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，包括：
根据预设参考项和患者基本分类规则，对患者进行分类；
根据患者分类结果和患者运动风险分类规则，对患者运动风险进行分类；
根据患者运动风险进行分类和待诊断患者的基本数据，对患者进行危险等级分级，并获得患者的康复方案，其中，患者的康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方中具体包含的数据或者内容。
8.如权利要求7所述的方法，其特征在于，所述方法还包括：
在推理过程中执行规则匹配时，若被执行规则调用了添加、修改或删除宏函数，则Drools规则引擎将调整之后的事实库再次与规则库进行规则匹配，开始新一次的规则执行流程。
9.如权利要求7所述的方法，其特征在于，在基于Drools构建冠心病康复方案推理流程中，当没有待执行规则时，则表示推理结束。
10.一种基于Drools的冠心病康复方案自动生成***，其特征在于，包括：
康复方案模型构建模块，对现有的冠心病康复方案进行知识提取和总结，构建冠心病康复方案模型，其中，该方案模型包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方；
推理规则设置模块，用于设置推理规则，其中，推理规则包括患者基本分类规则、患者运动风险分类规则以及运动康复方案生成规则；
推理引擎设计模块，用于设置规则匹配算法，并根据Drools规则引擎中的核心算法Rete，设计冠心病康复方案推理引擎；
康复方案生成模块，用于基于设置的推理规则、规则匹配算法以及待诊断患者的基本数据，采用冠心病康复方案推理引擎自动生成康复方案，其中，康复方案包括营养处方、有氧运动处方、阻抗训练处方和柔韧性运动处方的内容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496078.XA CN110349663A (zh) | 2019-06-10 | 2019-06-10 | 一种基于Drools的冠心病康复方案自动生成方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496078.XA CN110349663A (zh) | 2019-06-10 | 2019-06-10 | 一种基于Drools的冠心病康复方案自动生成方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110349663A true CN110349663A (zh) | 2019-10-18 |
Family
ID=68181716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910496078.XA Pending CN110349663A (zh) | 2019-06-10 | 2019-06-10 | 一种基于Drools的冠心病康复方案自动生成方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110349663A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667894A (zh) * | 2020-06-03 | 2020-09-15 | 长沙瀚云信息科技有限公司 | 基于rete算法规则引擎的医院电子病历质量监控和管理*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956384A (zh) * | 2016-04-26 | 2016-09-21 | 江苏物联网研究发展中心 | 健康评估***中评估引擎的实现方法 |
| CN107785074A (zh) * | 2017-10-27 | 2018-03-09 | 上海利连信息科技有限公司 | 一种基于规则推理引擎的疾病辅助判别方法和*** |
| CN109783071A (zh) * | 2019-01-21 | 2019-05-21 | 浪潮软件集团有限公司 | 基于Drools规则引擎的政务规则设计方法及*** |
-
2019
- 2019-06-10 CN CN201910496078.XA patent/CN110349663A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956384A (zh) * | 2016-04-26 | 2016-09-21 | 江苏物联网研究发展中心 | 健康评估***中评估引擎的实现方法 |
| CN107785074A (zh) * | 2017-10-27 | 2018-03-09 | 上海利连信息科技有限公司 | 一种基于规则推理引擎的疾病辅助判别方法和*** |
| CN109783071A (zh) * | 2019-01-21 | 2019-05-21 | 浪潮软件集团有限公司 | 基于Drools规则引擎的政务规则设计方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| WTT1002: "基于Drools 的冠心病康复方案生成***", 《HTTPS://GITHUB.COM/WTT1002/DROOLS_MT》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111667894A (zh) * | 2020-06-03 | 2020-09-15 | 长沙瀚云信息科技有限公司 | 基于rete算法规则引擎的医院电子病历质量监控和管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jacobs et al. | Quick reference dictionary for occupational therapy | |
| Vitousek | Cognitive-behavioral therapy for anorexia nervosa | |
| Karanja et al. | Steps to soulful living (steps): a weight loss program for African-American women | |
| Schoolman et al. | Computer Use in Diagnosis, Prognosis, and Therapy: Computers are used to simulate the reasoning of expert clinicians. | |
| Vakulenko et al. | Systematic and Analytical Substantiation of the Use of Multimedia Environment for the Prevention And Rehabilitation of Various Diseases in Information System Oranta-AO | |
| Annesi et al. | Generalization of theory-based predictions for improved nutrition to adults with morbid obesity: Implications of initiating exercise | |
| Stevens | Issues for American internal medicine through the last century | |
| CN110349663A (zh) | 一种基于Drools的冠心病康复方案自动生成方法及*** | |
| Crowley | The effect of a structured exercise program on fatigue, strength, endurance, physical self-efficacy, and functional wellness in women with early stage breast cancer | |
| Belar | Models and concepts | |
| Peterson et al. | Effects of aerobic and flexibility training on physiological and psychosocial function in a patient with anaplastic oligodendroglioma: a case report | |
| Hart | Profiling physical fitness attributes in college students: A cluster analysis | |
| Higgs | The Shifting Boundaries of Medical Knowledge | |
| Ghidella | MEANINGFUL MULTIDISCIPLINARY REHABILITATION FOR HEART AND LUNG CONDITIONS: A COLLABORATION BETWEEN ORGANISATIONS AND SECTORS TOWARDS SELF-MANAGEMENT | |
| Wall | Integrated guidelines for return-to-play decision-making after musculoskeletal injury in rugby union | |
| Sinclair et al. | VIRTUAL-REALITY PAIN SCIENCE POSITIVELY IMPACTS PAIN AND FUNCTION, RETURN TO WORK, CUSTOMER EXPERIENCE AND RETURN ON INVESTMENT: A CASE STUDY | |
| Tran et al. | PERSPECTIVES OF PEOPLE WITH CHRONIC KIDNEY DISEASE REGARDING DIGITAL HEALTH INTERVENTIONS THAT PROMOTE A HEALTHY LIFESTYLE: QUALITATIVE SYSTEMATIC REVIEW | |
| Vecchio et al. | ENHANCING REFLECTIVE CAPACITIES IN EXERCISE PHYSIOLOGY: BRIDGING EDUCATION AND LIFELONG PROFESSIONAL LEARNING | |
| Scott et al. | PERCEPTUAL AND HAEMODYNAMIC RESPONSES DURING MODERATE-SPEED WALKING ARE INCREASED BY BLOOD FLOW RESTRICTION IN OLDER ADULTS, BUT DO NOT EXCEED UNRESTRICTED FAST WALKING | |
| Tissera et al. | THE VALIDITY OF USING THE FULLTRACK AI APP TO DETERMINE CRICKET BOWLING LINE AND LENGTH COMPARED TO 3D MOTION CAPTURE | |
| Naomi et al. | Legacy effect of exercise training trials on cognition in older adults: systematic review and meta-analysis | |
| Johnson et al. | EXERCISE PRESCRIPTION IN A MULTIDISCIPLINARY LONG COVID CLINIC: METHODOLOGY FROM AN AUSTRALIAN EXPERIENCE | |
| Raynor et al. | EVALUATION OF THE HEALING MENTAL HEALTH PROGRAM | |
| Bell et al. | EXERCISE TRAINING IMPROVES GASTROINTESTINAL SYMPTOMS IN PEOPLE WITH A DISORDER OF THE GUT BRAIN INTERACTION (DGBI): SYSTEMIC REVIEW AND META-ANALYSIS | |
| Seaby et al. | EARLY POST-OPERATIVE CLINICAL OUTCOMES IN PATIENTS UNDERGOING TOTAL KNEE ARTHROPLASTY COMPARING IN-PERSON CLINIC VERSUS TELEHEALTH-DELIVERED REHABILITATION PROGRAM: A NON-INFERIORITY TRIAL |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191018 |
|
| RJ01 | Rejection of invention patent application after publication |