头痛是神经内科门诊患者最常见的主诉之一,但目前我国在头痛疾患上的诊断正确率却偏低。本文所基于的“头痛人工智能决策系统的研发与推广”项目旨在通过计算机技术辅助医生完成头痛病临床诊断决策,提高头痛病的临床诊断正确率。项目的前期工作完成了头痛病辅助诊断原型系统,在实验中发现,该系统给出的诊断结果具有不确定性,会给出无结果或是多结果的诊断,这类不确定的诊断结果在检验时将被认为是诊断错误从而影响了诊断正确率。通过分析发现,除少数情形是因为患者与所有种类头痛病的诊断要素都存在冲突而无法得到唯一确定的诊断结果,其余不确定的诊断结果都是由于患者信息不足导致的。因此,本文拟设计一种面向头痛病诊断的多轮交互模型,在每轮交互中通过预测当前患者的未知信息提示医生进行进一步的问诊,获得更多的患者信息以支持诊断,避免诊断得到不确定的诊断结果,提高诊断的正确率。本文的主要工作包括:（1）设计了引入患者未知信息预测的头痛病诊断多轮交互模型（简称Pr PMRM）,通过计算当前患者与头痛门诊病历间的相似度,获取与当前患者相似的近邻病历集合,从而对当前患者的未知信息做出预测,最后通过实验分析了该模型的有效性。（2）为了减少交互轮数,在Pr PMRM的基础上进行改进,设计了考虑诊断要素影响力的头痛病诊断多轮交互模型（简称ESPr MRM）,以诊断要素对诊断结果影响力的大小决定患者信息获取的顺序,通过实验验证了ESPr MRM通过更少的交互轮数得到了与Pr PMRM相同的诊断结果。（3）以ESPr MRM为核心,设计并实现了一个面向头痛病诊断的交互原型系统。本文的主要成果包括:（1）提出了一种头痛病患者未知信息预测方法。通过计算相似度获取与患者相似的门诊病历,基于患者的近邻病历对其未知信息做出预测。根据头痛病门诊病历数据集特点,调整了马氏距离和对数似然比的计算方法,使之可以在存在空值的向量上进行计算,并通过加权混合两者得到了一种混合的相似度度量用于计算当前患者和头痛门诊病历间的相似度。（2）提出了一种计算诊断要素对诊断结果影响力的方法。在当前患者可能诊断情形的集合上计算各个诊断要素的信息增益,将诊断要素信息增益的数值作为其对诊断结果影响力的体现。