医院诊疗决策过程的知识需求具有多属性、完整性、原始性、即时性、易接受性和动态更新等典型特征，而这正是基于案例推理（CBR）进行信息处理的技术优势所在。但由于人类所患疾病的多样性、多变性、复杂性、不确定性和动态演化性等特点，以及医学技术和诊断方法自身的发展变化，加之医院各种用于早期探测、诊断、预测等诊疗决策过程的历史病例中缺失信息、判别变量缺失、区间数、灰值等情况的存在，现有的案例推理技术无法满足医院诊疗决策问题解决的需要，尚存在着一些具体问题亟待进一步的研究，如：①复杂多属性诊疗决策案例的属性选择问题，多属性诊疗决策案例尤其是不含判别变量案例的权重获取方法问题；②含区间模糊数、空间方位离散数值、连续数值等混合数值诊疗案例的模糊多属性决策问题；③最近邻法在连续型属性的计算上具有较高的效率但在离散型属性的计算上效果欠佳，需要研究面向含离散型变量多属性案例知识获取的更高效的检索方法；④此外，在多属性诊疗决策案例中，存在着只知道大概范围而不知其准确值的灰数，灰色诊疗决策案例的知识获取问题也是一个值得进一步探索的问题。围绕着以上医院诊疗决策实践中存在的关键科学问题，本研究对传统的案例推理技术进行改进和优化，通过融入统计学、模糊数学、灰色系统理论、遗传算法等其他理论，进一步改进案例推理的性能以适应各种医院诊疗决策问题的实际需要。具体的研究内容和主要贡献如下：（1）研究了基于历史案例库的集成开放的智能诊疗决策技术，构建了基于案例推理的智能医院诊疗决策支持系统架构(CBR-based Intelligent Medical Decision Support Systems，CBR-IMDSS)，提出了用改进的案例推理技术辅助决策支持系统的建造，整合DSS和CBR各自的技术优势进行医疗知识挖掘，可以面向疾病早期探测、诊断、预测等不同的诊疗过程，为医院诊疗决策者提供有力支持。（2）在对国内外属性选择方法进行了综述的基础上，探索了医院诊疗决策中案例属性的选择问题。①给出了主成分分析的数学模型和方法，讨论了主成分分析的使用条件和变量相关性检验的方法。使用威斯康星癌症诊断数据进行测试，通过Barlett球型检验以及特征向量计算等计算过程获取了三个主成分。结果表明，该方法可以降低数据维度；②研究了逻辑回归这种统计分析方法在医疗诊断决策案例权重获取中的应用，给出了相应的理论和模型，采用美国威斯康星州医疗诊断数据和UCI乳腺癌照相肿块数据进行实验，获取了各个特征属性的权重值；③研究了基于信息熵法的权重获取算法，基于UCI乳腺癌照相肿块数据的实验表明信息熵法可以用于权重的获取，而且比常见的德尔菲法有较为明显的优势。（3）针对医院诊断决策案例中同时含区间模糊数、空间方位数、连续性数值等的情境，探索了基于案例推理的模糊多属性决策方法，提出了一种适应模糊多属性知识获取需求的混合案例检索算法，构建了面向模糊多属性医院诊疗预测的案例推理方法框架，研究不同类型案例知识的表达，重点解决含符号属性、逻辑值属性、二维空间方位属性、程度上有差异（有大小差异）的区间模糊属性等复杂属性案例的检索问题。根据模糊诊疗决策案例的特点并结合医院的实际情况，对传统基于欧氏距离最近邻算法进行了部分修改，以适应空间方位变量的检索计算，形成了面向空间模糊数计算的改进最近邻法IKNN-CSFV。针对有些医院诊疗决策案例中存在的有大小差异区间模糊数的特征属性，将模糊集的概念融入进来，将案例推理问题转化成模糊多属性决策问题，形成面向区间模糊属性案例检索算法FCA-PSIS。整合欧氏最近邻算法、IKNN-CSFV、FCA-PSIS，可以获得适用于医院诊疗决策案例特征的模糊混合案例检索算法FHRA-M。基于Columbia Saint Mary’s Cancer Dataset的实验验证了该方法的有效性；进一步地，与KNN、RBFNetwork、J48等其他几种方法的对比实验表明该方法具有更高的性能。（4）研究了非连续性属性为主体的医院诊疗决策案例。将条件概率和GAs融合技术整合到案例推理方法之中形成了CRMGACP算法，该算法主要包括基于GAs的权重获取算法和融合条件概率的改进相似度算法。该方法可以被看出KNN法的延伸，相对于传统的KNN法，连续性的自变量保持不变但逻辑变量被延展到所有的离散变量。同时，连续性属性的相似度计算方法基于欧式距离算法但离散型的基于条件概率理论。用VC++实现了一个名为CancerCBRSys的程序，用基于AH肿瘤数据集分别实证研究了固定权重下的KNN（const. w）、专家评价权重下的KNN（expert. W）、CRMGACP以及信息熵法与条件概率的混合案例检索算法CRM-IECP这四种案例推理方法的性能，选择的评价统计量为准确性、灵敏度、特异性和F值。结果显示，CRMGACP在统计的准确性，灵敏度，精密度和F值上都具有最佳性能。分别选择Naive bayes，Logistics，RBF network和Simple Cart来测试相同的测试集和参考集进行比较实验，结果显示CBR（CRM-GACP）的测试结果比其他方法具有更好的性能。总的来说，CRM-GACP在对比试验中展示出更为显著的优势，它可以同时进行连续型和离散型属性值的直接计算而无需离散化连续属性值，是一个可以为临床诊断决策提供支持的具有前景的工具。（5）探索了灰色诊疗案例中的知识挖掘问题，将信息熵和灰色理论进行了融合，研究了集成优化型灰色理论的案例推理方法。基于UCI mammography数据集的实验表明，就最终准确性而言，通过信息熵可以获得比德尔菲法更高的精度。特别地，在四种不同的融合中，灰色系统理论和信息熵的融合算法获得了最好的效果。其后，是信息熵和基于欧氏距离算法传统最近邻法的融合算法。信息熵和灰色理论的融合算法带来了最好的灵敏度。其他三种融合的敏感度欠佳，也不稳定。几乎所有这些融合的算法在K=1时特异性都最差，但敏感性却不是最差的。总体上讲，在本研究中的乳腺癌诊疗决策中，信息熵法在权重获取方面表现得比德尔菲法更好。综合考虑各种性能，整合信息熵和灰色理论的案例推理方法显得更为优越。（5）通过实证分析方法研究了KNN中K值的选择。从理论上讲，目标案例的最佳匹配对象应该是那个最相似的案例，而不是第二（或第三，或更后的）案例。也就是说，精度应当在k取1时为最高水平。第六章面向诊断决策的灰色案例推理中研究了k取值变化对于检索精度的影响，考察了k值从奇数1变化到奇数13过程中检索精度的相应变化。实验结果表明，当k=1时，精度并不位于最高点。