传统医疗行业存在诸多痛点问题,例如,医疗资源分配不均、看病流程复杂且效率低下、医患关系紧张等。大数据及“互联网+”的时代背景为解决这些问题提供了新的思路。在传统医疗向智慧医疗转型过程中,辅助医疗诊断是一个重要的方面,对于提高医疗管理效率具有重要意义。信息融合技术在辅助医疗诊断方面具有重要应用,其中一个有效的方法即证据理论,凭借其在信息表达与处理方面的优势而被广泛应用。因此,本文主要研究基于证据理论的医疗诊断信息融合方法,并基于真实数据对所提出的方法进行实证分析。在互联网时代,医疗领域产生的海量数据在提高医疗决策效率、提供个性化医疗服务、改善医疗管理水平等方面发挥了重要的作用。但同时也存在着诸如数据来源多样、结构不完整、信息冗余等问题。因此,本文的第一个研究内容即对医疗信息进行预处理,达到医疗数据的有效管理。接下来构建医疗信息的基本概率指派生成模型,也即将医疗信息转换为证据表示,实现医疗知识的表达与获取。本文的第三个研究内容是提出不同维度医疗数据之间的融合算法,实现医疗知识的有效融合。最后提出基于证据理论的多分类器融合方法,实现医疗诊断的辅助决策。首先,对医疗数据进行预处理以实现对医疗信息的有效管理。本章对本文所研究的医疗数据形式进行了描述,并从确定型与不确定型两个方面对医疗数据进行了分类。从三个角度研究医疗数据的规范化管理,包括:医疗数据的离群点检测、医疗数据缺省值处理以及医疗数据属性约简。分别提出基于引力定律的医疗数据离群点检测方法、基于忽略,删除与补齐的医疗数据缺省值处理方法以及基于R型聚类的医疗数据属性约简算法。实证分析表明本章所提出的方法对于提高医疗数据管理效率具有重要作用。其次,对于预处理后的医疗数据,提出基本概率指派生成模型以实现医疗诊断相关知识的获取与表达。具体做法是:选择适当的规范化医疗数据作为训练集,通过统计分析获取基本概率指派生成模型。基于K近邻思想,对于待测样本,通过距离测度考察它的K个最近的“邻居”的基本概率指派,据此得到该样本的基本概率指派。通过算例演示了该方法的使用过程,并通过实证分析说明该方法对医疗知识获取和表达的重要意义,为基于证据理论的医疗诊断信息融合奠定基础。再次,基于证据理论对多源医疗诊断信息融合问题展开研究。本文从信度熵的角度定义了清晰证据体与模糊证据体的概念,并给出证据可信度的度量方法,以此判断所获取的医疗数据的可靠程度。提出了基于可信度的医疗诊断信息融合规则,包括医疗诊断信息的权重确定方法以及医疗诊断信息的加权平均融合操作。通过算例结合实验的方式对该方法进行了实证研究,发现基于证据理论的医疗诊断信息融合方法不仅能够提高医疗诊断的准确率,在可解释性方面也具有一定的贡献。最后,为了达到辅助医疗诊断的目的,在以上定义的基于证据理论的信息融合规则基础上进一步研究医疗诊断多分类器融合问题。第一步是提出分类器输出结果的基本概率指派生成模型,实现单分类器医疗诊断结果的知识表达;第二步是提出多分类器融合算法,对各分类器所输出的知识进行集成以提高医疗诊断精度;第三步是构建医疗诊断决策模型,完成分类结果的可理解化,实现对医疗诊断的辅助决策支持。实证分析表明该方法在辅助医疗诊断方面具有较高的准确度且可解释性较强。本文基于证据理论研究了医疗诊断信息融合方法,解决了医疗信息的规范化管理、医疗诊断知识的获取与表达、多源医疗信息的融合等关键问题。对于降低医疗成本,提高医疗诊断效率,改进医疗管理水平等方面具有重要的现实意义。