贝叶斯网络在严格的链模型计算风险智能城市流动

文摘

风险管理是智能城市运行的关键因素。有许多风险事件在一个严格的过程如交通管理智能城市或在智能医疗手术医院,和每一步可能会导致一种或更多的风险。针对这一事实的发生风险流遵循每个流程步骤形成的序列,提出了一种贝叶斯网络在严格的链(BN_SC)模型这种情况。在这个模型中,给出的概率推理公式是根据流程步骤的序列,并给出的概率模型可以进行风险因素分析支持系统找到一个有效的方法来改进过程机械制造或医疗手术。最后举例分析基于信息由医生根据信用证的情况在他们医院位于中国四川省,它显示了BN_SC提出模型的有效性和合理性。

1。介绍

机器学习在各领域的应用了智能城市运行,如机械制造、特别是在概率评估(1- - - - - -3]。贝叶斯学习机器学习方法可以估计风险发生的概率就像医疗风险事件在医疗过程中(4- - - - - -7]。其中的一个或多个将导致其他风险事件的发生,例如,在腹腔镜胆囊切除术中,套管针穿刺可能导致肠道损伤,这常常会导致感染。

在这种情况下,事件的相关性可以量化在贝叶斯网络中8,9]。然而,风险事件的发生与医疗过程,例如,信用证必须严格遵循手术步骤,构造一个链的贝叶斯网络。现有的定量研究很少研究模型特点。根据这种情况,我们提出了贝叶斯网络在严格的链首次(BN_SC)模型。在这个模型中,概率推理公式根据手术步骤的序列过程的逻辑推理每个风险的概率接受严格的链由LC手术步骤。BN_SC模型可以更有效地计算风险流的概率比传统的贝叶斯网络。

本文的其余部分组织如下。部分2将审议关于贝叶斯网络的研究,我们将说明信用证的过程用一个有向无环图节吗3。节4BN_SC模型将提议,包括逻辑推理的风险事件和概率的公式来计算风险信用证。最后举例分析基于信息由医生根据腹腔镜胆囊切除术的情况在他们医院,这显示了BN_SC的有效性和合理性5。

2。相关的工作

先前的研究已经全面阐述了贝叶斯网络的概念和相关性质。Tuyls和梅斯指出,贝叶斯网络是一个有向无环图,它由一组随机变量。节点的含义X到节点Y是该节点X有一个直接影响节点Y(10]。贝叶斯网络的主要特征是,它显示了变量之间的相互依赖关系。科勒和弗里德曼et al ., Meinshausen Btihlmann,温赖特和约旦指出,由无向图连接边缘之间的变量是一个无向图称为马尔可夫网络(11- - - - - -13]。这些图产生无向图模型,更适合分析变量之间的相似性和相关行为。Ghahramani Heckerman et al .,那不勒斯指出图表由直接连接边缘的变量是一个“有向图”,和一个有向图没有一个循环是一个“有向无环图(DAG)”(14- - - - - -16]。有向无环图通常是基于家庭秩序的概念。例如,在一个⟶B⟶C,一个的父节点是吗B,C的子节点B,一个和B的祖先C,B和C的后裔一个。这个排名明显表达因果关系,这些数据产生一种叫贝叶斯网络模型。Andersson et al ., Gillispie帕尔曼,珍珠指出,一些有向无环图的双向边缘,也适合一些变量相互作用的情况下(17- - - - - -19]。他们代表一个类的马尔可夫等价的有向无环图。

贝叶斯网络是广泛用于风险评价研究。罗纳德等人表明,链的事件可能导致或关键挥发性有机化合物的排放增加了基于贝叶斯网络的风险评估(20.]。保护应用贝叶斯模型,可以处理死亡数据分析没有分层的竞争风险(21]。桑切斯等人开发一个通用框架和方法来估计项目管理成熟度对项目绩效的影响通过使用贝叶斯网络将正式的项目管理专家的知识(22]。Masmoudi等人使用了离散贝叶斯网络的潜变量模型的支付违约贷款用户(23]。Punyamurthula和Badurdeen生产线操作风险及其因果关系基于贝叶斯信念网络(24]。

3所示。信用证的过程

腹腔镜手术是一种微创手术的新方法,这是未来发展的必然趋势的手术方法。胆囊切除术是一种最常见的腹部操作,通常表现在腹腔镜手术在发达国家。例如,90%的美国是由腹腔镜胆囊切除术。腹腔镜胆囊切除术被认为是外科治疗的“金标准”胆石病(25,26]。

腹腔镜胆囊切除术被分为五个步骤,包括套管针穿刺(进入腹部),分离粘连,解剖学胆汁三角形,解剖胆囊床,和删除和胆囊的缝合。在手术、肠道损伤可能是由于套管针穿刺,胆管损伤可能是由于分离粘连,胆汁三角形,解剖解剖胆囊,血管损伤可能是由于切除和胆囊的缝合。此外,三种损伤可能会导致感染和大出血,这最终会导致死亡。为了描述风险概率LC手术更简洁,表1本文展示了数学符号。

根据分析,我们可以得到信用证操作的有向无环图如图1。

图1描述了特定的流程LC是如何工作的。我们可以构建一个特殊模型遵循来源于严格的逻辑链。如图,的风险发生在第二步的过程。此外,的发生意味着失败的步骤1,这意味着手术无法进行不能发生。上述5个手术步骤形成连锁手术风险的贝叶斯网络。每一个风险的发生需要遵循的顺序步骤严格链中。这改变传统的贝叶斯网络推理的规则。为了解决这个问题,我们提出一个新的模型部分4。

4所示。贝叶斯网络在严格的链(BN_SC)

根据分析部分2我们建立贝叶斯网络模型LC过程。有别于传统的贝叶斯网络,在许多医疗程序,开发风险贝叶斯网络在手术过程中LC手术的贝叶斯网络等部分2,手术过程的特点是事实,只能采取下一步前一步手术后成功。所以这些医疗步骤构建一个严格的自然过程链等年代₁来年代₅LC,更重要的是,手术风险的贝叶斯网络链模型的应该遵循的步骤。根据这一特点,本文提出了贝叶斯网络在严格的链模型。在BN_SC模式下,如果j=我+1,那么手术步骤j手术步骤后才可以开始吗我成功完成。的公式计算风险发生的概率的事件j如下:

在这里,意味着手术步骤的概率我成功完成。本文认为,只有当手术步骤我导致的风险我将导致失败的手术,和其他一些意想不到的因素,如不考虑停电。所以,和形成互补关系,也就是说, 。在腹腔镜手术中,病人一定会进入手术后外科的第一步,所以手术的第一步是一定会出现在这里,也就是说,= 1。

因此,肠道损伤风险的概率造成的第一个手术可以表示如下:

胆管损伤风险的概率由多个外科手术引起的 , ,和可以表示如下:

此外,切口撕裂的风险的概率可以表示如下:

根据LC的DAG,三个风险可能导致感染的风险和大出血的风险 。然而,这不能计算条件概率统计。它只能定量判断的基础上积累的经验,医生在完成的情况下。为了得到这个判断值,比较两组矩阵是由医生允许分数1 - 9。数字3、5、7、9对应语言判断“适度更占主导地位,”“强烈更占主导地位,”“强烈更占主导地位,”和“极其主导”(与2、4、6和8前面的值)之间的妥协。我们被允许插入值之间的整数,如果需要,或使用数据从一个测量的实际比例尺度。这种规模的数学来源于刺激反应理论和扩展通过使用构造和分解假设任意大值。首先,对风险 ,我们使用成对比较的研究风险 更有可能造成 。进入分数后由医生到矩阵,给出三种风险的贡献比例 来通过计算特征向量,贡献的比例 可以表示成 :

同样,贡献的比例 来可以表示成 :

此外,通过比较大的风险,出血和感染导致死亡的风险,风险的重量 ,可以用哪一个 :

然后,最终的重量 的 可以通过下面的公式:

根据上面的公式,我们可以使用 来表达死亡的概率。根据下面的公式,分析了每个手术步骤和死亡风险之间的关系:

5。应用范围:验证BN_SC模型

为了进一步说明本文方法的计算过程,我们实现BN_SC模型去医院在中国的四川省。根据现有的腹腔镜胆囊切除术手术的记录情况下,医院统计1166例在过去的一年。统计结果表明套管针穿刺的成功率,分离粘连,胆汁三角形,解剖解剖胆囊床,和删除和缝合的胆囊是0.990,0.970,0.873,0.830和0.821。肠道损伤的概率是0.010根据公式(2),胆管损伤和血管损伤的概率是根据公式(0.294和0.1253)。

此外,关于死亡的信息,感染,和大量出血包括患者的隐私,所以医生只能判断他们之间的关系基于经验而不是提供特定的值。根据给出的方法在第三节,我们问腹腔镜胆囊切除术操作的主治医生给主观评价如下:

三个外科感染的风险比较矩阵描述如下:

通过矩阵的特征向量,获得的重量是:

三个手术大出血的风险比较矩阵描述如下:

通过矩阵的特征向量,获得的重量是:

手术死亡风险比较矩阵描述如下:

通过矩阵的特征向量,获得的重量是:

我们可以获得 由公式(8)- (10):

据分析,在医院腹腔镜胆囊切除术手术的死亡风险在四川可以获得如下:

BN_SC模型比传统的贝叶斯模型更有效减少特定的条件概率的计算,因为一些条件概率可以取代ex-step的概率。

灵敏度分析的定量关系每个腹腔镜胆囊切除术手术步骤的成功率和死亡的概率如下图2图11:

通过以上实验结果,它可以观察到,最有效的方法来降低死亡的风险是提高成功率的解剖胆囊,第二是提高成功率的解剖胆汁三角形。此外,最有效的方式来降低死亡的风险是提高套管针穿刺手术的成功率。这些结论有一定指导意义的提高腹腔镜手术医院在四川。

6。结论

运行智能城市的关键因素、风险流程管理需要计算准确。BN_SC模型建模的一种特殊情况风险流的贝叶斯网络,逻辑推理必须遵循严格的链。这是描述飙升过程尤其是LC。在LC BN_SC计算的概率风险贝叶斯推理按照特定的流程。我们的模型是一种特殊的贝叶斯模型的特定系统,限制结构的过程,但在合适的情况下可以减少计算的公式。

BN_SC的应用证明了其合理性和实用性。结合的方法也有一个方法判断和数据的几家医院代表集团的判断来处理风险的权重。我们的模型可以应用在其他概率推理问题严格链;例如,股票价格遵循一个时间表或故事事件情节。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作部分是由中国国家自然科学基金(批准号71861015),杰出的年轻学者江西省人才(批准号20192 bcbl23008),教育部人文社会科学基金(批准号18 yja630047),江西省高校人文社会科学基础(批准号GL18122)。

引用

1. a >和c·p·罗伯特”、“不仅辩护,而且应用”:贝叶斯推理的认为荒谬,”美国统计学家,卷67,不。1、1 - 5,2013页。视图:出版商的网站|谷歌学术搜索
2. j·杨:熊,A . v . Vasilakos et al .,“指纹识别方案基于不变矩的组装为云计算通讯”IEEE系统杂志,5卷,不。4、574 - 583年,2011页。视图:出版商的网站|谷歌学术搜索
3. h .振华x鑫、z . Honghao和z MengChu,”一个高效的组织推荐和multiattention-based神经网络模型,”IEEE神经网络和学习系统31卷,页1 - 14,2020。视图:出版商的网站|谷歌学术搜索
4. r .江、m .史和w·周”医疗隐私安全风险分析方法在城市计算、大数据”IEEE访问,7卷,不。12日,第143854 - 143841页,2019年。视图:出版商的网站|谷歌学术搜索
5. j . Hu y太阳,李g, g .江和b .道,“概率分析把握规划面临的医疗机器人领域,“测量卷,141年,第234 - 227页,2019年。视图:出版商的网站|谷歌学术搜索
6. 问:悦,l . Zhang b . Yu l . j . Zhang和j·张,“双边匹配在智能环保、三角直觉模糊数”IEEE访问7卷,第42435 - 42426页,2019年。视图:出版商的网站|谷歌学术搜索
7. 问:曰和l .张“双边匹配犹豫模糊数的智能智能技术转让、”机械系统和信号处理,第139卷,第106643页,2020年。视图:出版商的网站|谷歌学术搜索
8. j .桑帕约e . j .时候,n·m·雷特,”季期间,团队的影响质量和上场时间在篮球运动员的游戏相关统计数据,”欧洲的体育科学》杂志上,10卷,不。2、141 - 149年,2010页。视图:出版商的网站|谷歌学术搜索
9. a·c·Constantinou n . e . Fenton和m .尼尔,“从低效的英式足球博彩市场中获利:预测,使用贝叶斯网络的风险和不确定性,”以知识为基础的系统,50卷,不。2,60 - 86、2013页。视图:出版商的网站|谷歌学术搜索
10. k . Tuyls美国梅斯,b . Vanschoenwinkel“机器学习技术欺诈检测,”VUB,布鲁塞尔,比利时,2000年,硕士论文。视图:谷歌学术搜索
11. d·科勒:弗里德曼和f·巴赫,概率图形模型:原则和技术美国马剑桥,麻省理工学院出版社,2009年。
12. n Meinshausen和p . Buhlmann高维图表和变量选择套索,”统计年报,34卷,不。3、1436 - 1462年,2006页。视图:出版商的网站|谷歌学术搜索
13. m·j·温赖特和乔丹,”图形模型、指数家庭和变分推理,”机器学习的基础和趋势®,1卷,不。1 - 2、1 - 305、2008页。视图:出版商的网站|谷歌学术搜索
14. z Ghahramani,“学习动态贝叶斯网络,”国际学校在神经网络,由邵建民EMFCSC施普林格,页168 - 197年,柏林,德国,1997年。视图:谷歌学术搜索
15. d . Heckerman d·盖革,d . m . Chickering”学习贝叶斯网络:知识和统计数据的结合,“机器学习,20卷,不。3、197 - 243年,1995页。视图:出版商的网站|谷歌学术搜索
16. r . e .那不勒斯学习贝叶斯网络上层,普伦蒂斯霍尔出版社,台北,2004年美国。
17. s . A·安德森·d·马迪根,m·d·帕尔曼“非循环有向图的马尔可夫等价类的描述,“统计年报,25卷,不。2、505 - 541年,1997页。视图:出版商的网站|谷歌学术搜索
18. s . b . Gillispie和m·d·珀尔曼”列举马尔可夫等价类的非循环有向图德尔,”17会议程序的不确定性人工智能摩根,页171 - 177,考夫曼出版商公司,西雅图,佤邦,美国,2001年8月。视图:谷歌学术搜索
19. j .珍珠因果关系:模型、推理和判断英国剑桥,剑桥大学出版社,2000年。
20. f·r·津凯j . Melnychuk科勒,克劳斯,“定量风险评估的排放量外浮顶罐在正常操作和使用贝叶斯网络的损害,”可靠性工程和系统安全,第197卷,第106826页,2020年。视图:出版商的网站|谷歌学术搜索
21. 答:保护好,“贝叶斯分析没有数据分层竞争风险,”临床流行病学和全球健康,8卷,不。1,第270 - 265页,2020。视图:出版商的网站|谷歌学术搜索
22. f·桑切斯,大肠您好,j。Micaelli, d . Monticolo“基于贝叶斯网络的方法改善项目管理成熟度:应用程序在工程项目降低成本超支风险,”计算机在工业领域,第119卷,第103227页,2020年。视图:出版商的网站|谷歌学术搜索
23. k . Masmoudi l·阿比德,a . Masmoudi“信用风险建模与潜变量使用贝叶斯网络,”专家系统与应用程序,卷127,不。8,157 - 166年,2019页。视图:出版商的网站|谷歌学术搜索
24. 美国Punyamurthula和f . Badurdeen评估生产线风险使用贝叶斯信念网络和系统动力学,”Procedia制造业,26卷,不。8,76 - 86年,2018页。视图:出版商的网站|谷歌学术搜索
25. j·h·李,美国金,李et al .,“医疗风险预测模型在输卵管妊娠失败,”欧洲产科和妇科生殖生物学》杂志上卷,225年,第154 - 148页,2018年。视图:出版商的网站|谷歌学术搜索
26. 美国Stonelake、p·汤姆森和n . Suggett“紧急剖腹手术后结果:比较预测负鼠Clavien-Dindo分类手术并发症的发病率,”国际期刊的手术,11卷,不。8,717年,页2013。视图:出版商的网站|谷歌学术搜索

版权

版权©2020 Zengfanxiang魏等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。