《电子化临床路径管理：建模、变异监控与处理方法研究》以目前PHP的较新版本PHP 5.0为依托，结合PHP语言特性和实战案例，充分融入了企业开发过程中编程人员遇到的种种核心技术问题的解决方案和编程思想，系统、全面地介绍了PHP语言的基础知识、高级编程技术及应用方向。
　　书中的内容由浅入深、循序渐进，囊括了PHP基本语法、数组和常用函数、PHP面向对象的编程思想，还包括一些PHP高级特性，并且将一些比较流行的项目融入本书中，如仿记事狗微博系统、Smarty项目、博客管理系统等，使读者在较短的时间内就能够熟练掌握PHP特性和项目实战的方方面面。
　　本书在讲解的过程中，结合PHP知识点引用了大量的应用案例，并通过源代码一一列举，且每一部分内容都包含详细的注释和技巧提示，有助于初学者理解、把握问题的精髓，将所掌握的技术灵活应用到后期实际的项目开发过程中。

　　本书适合初学者使用，也可作为广大软件开发人员和编程爱好者的参考用书。

第1章 概论1
1.1 临床路径研究和应用现状1
1.1.1 临床路径的内涵和主要特征2
1.1.2 临床路径的国内外研究现状3
1.1.3 临床路径实施现状和存在的问题5
1.2 临床路径电子化的难点和相关研究问题6
1.2.1 临床路径电子化的难点6
1.2.2 相关研究问题7
1.3 本书的概述和章节安排9
1.4 本章小结11
第2章 临床路径电子化关键技术国内外研究现状13
2.1 临床路径工作流建模与管理研究现状和趋势13
2.1.1 医疗服务过程工作流建模与管理13
2.1.2 适应性工作流研究现状15
2.1.3 临床路径工作流建模发展趋势16
2.2 临床路径变异处理方法研究现状和趋势17
2.2.1 临床路径变异定义研究17
2.2.2 临床路径变异分类标准和方法研究18
2.2.3 临床路径变异处理方法研究19
2.2.4 临床路径变异处理方法发展趋势21
2.3 基于数据挖掘的临床路径变异知识抽取、监控与诊断研究现状与趋势22
2.3.1 基于数据挖掘的临床路径知识发现算法研究现状23
2.3.2 基于数据的临床路径变异监控、分类和预测发展趋势24
2.4 本章小结25
第3章 临床路径工作流建模与变异处理27
3.1 引言27
3.2 基于GFTECA规则的临床路径工作流模型定义28
3.3 基于扩展ECA规则的骨肉瘤临床路径工作流建模31
3.4 骨肉瘤术前化疗临床路径变异和自适应操作分析35
3.4.1 骨肉瘤术前化疗临床路径变异分析35
3.4.2 骨肉瘤术前化疗工作流自适应操作分析36
3.4.3 基于扩展ECA规则的临床路径适应性工作流建模36
3.5 基于GFTECA规则的临床路径模糊推理原理38
3.6 基于GFTECA规则的肾功能变异处理实例39
3.7 本章小结49
第4章 临床路径工作流可重构建模与性能分析51
4.1 引言51
4.2 基于MTCPN-CS的临床路径工作流可重构建模定义52
4.2.1 基本着色Petri网定义52
4.2.2 赋时机制53
4.2.3 基于MTCPN-CS的工作流可重构建模定义54
4.2.4 结构变化算法55
4.2.5 活动的触发机制定义57
4.3 基于MTCPN-CS的临床路径工作流可重构建模动态性能分析方法57
4.4 实例研究：骨肉瘤临床路径工作流可重构建模和动态性能分析过程59
4.4.1 基于MTCPN-CS的临床路径单个模块建模和动态性能分析59
4.4.2 基于MTCPN-CS的临床路径工作流系统模型构建和动态性能分析70
4.4.3 骨肉瘤临床路径工作流术前化疗模块可重构建模和动态性能分析74
4.4.4 骨肉瘤临床路径工作流系统可重构建模和动态性能分析80
4.5 本章小结84
第5章 基于智能算法优化的T-S模糊神经网络临床路径变异分析和处理85
5.1 引言85
5.2 标准模糊神经网络模型和结构86
5.3 RCDPSO_DM算法原理88
5.4 基于RCDPSO_DM优化的T-S模糊神经网络临床路径变异处理95
5.4.1 基于RCDPSO_DM优化的T-S模糊模型前件参数优化96
5.4.2 基于RCDPSO_DM优化的T-S模糊模型后件参数估计96
5.4.3 基于RCDPSO_DM优化的T-S模糊神经网络学习算法97
5.5 实例研究：骨肉瘤术前化疗肝中毒变异处理实例分析98
5.5.1 指标的选取和标准模糊神经网络模型构建98
5.5.2 肝中毒变异标准模糊神经网络初始样本数据的产生104
5.5.3 基于标准的Mamdani 型模糊神经网络实验验证106
5.5.4 基于标准的T-S模糊神经网络实验验证113
5.5.5 基于RCDPSO_DM优化的T-S模糊神经网络实验验证117
5.5.6 算法性能结果比较和主要结论124
5.5.7 诊断准确率比较和讨论126
5.6 本章小结127
第6章 基于集成智能的临床路径变异监控和诊断129
6.1 引言129
6.2 基于集成知识发现及KBANN的临床路径变异监控和诊断框架130
6.3 基于HGDMPSO的临床路径变异知识抽取算法131
6.3.1 DMPSO算法原理131
6.3.2 离散PSO算法原理133
6.3.3 基于HGDMPSO的临床路径变异知识抽取算法概述134
6.3.4 实例分析与验证138
6.4 基于知识的神经网络的临床路径变异分类和监控143
6.4.1 KBANN原理和模型构建方法143

6.4.2 实例分析：骨肉瘤临床术前化疗变异监控和诊断144
6.5 本章小结147
第7章 临床路径工作流建模与管理平台设计与开发149
7.1 引言149
7.2 平台的系统分析149
7.3 系统体系架构和实现150
7.3.1 系统框架设计150
7.3.2 系统界面设计153
7.3.3 系统程序和数据库设计155
7.4 基于扩展ECA规则的工作流引擎设计与实现164
7.4.1 工作流引擎结构设计164
7.4.2 工作流引擎实现技术165
7.5 骨肉瘤临床路径工作流建模实例和模型数据验证170
7.5.1 可视化建模工具数据验证170
7.5.2 引擎实例分析180
7.6 本章小结181
参考文献183