临床诊疗过程是一个复杂的决策过程,疾病的复杂性和患者的个体性使得临床诊疗总是一个极具挑战的思维推演和创新过程。相对现代医学,中医临床诊疗鉴于其更大的创新性和决策性,是一个极其复杂的系统过程,医生之间的临床能力和水平差异较大。因此,如何提高临床诊疗的平均效果,促进年轻中医生快速提高临床水平,一直是中医传承和临床研究的重要课题。中医共性诊疗知识的本体化建设和临床案例数据的积累,为通过计算机辅助临床诊疗决策提供了可能和机遇。在此背景下,本文研究基于知识推理的中医临床诊疗决策问题,结合归纳逻辑程序设计(Inductvie logic programming, ILP)和马尔科夫逻辑网(Markov logic network, MLN)来实现诊断决策支持,并利用基于案例推理实现处方治疗决策支持。本文的主要研究工作为如下三个方面内容：1.研究以ILP为基本算法框架的中医证候诊断决策方法,结合中医诊疗特性,考虑证候之间的相似性,研究了改进的诊断规则学习方法,并形成了中医临床证候诊断规则知识库。改进后的规则学习方法学习出的规则平均覆盖的正例数比原始的算法多,预测精确度也比较高。2.利用MLN相关权重训练算法对ILP获得的定性规则进行权重学习,进而利用MC-SAT切片采样算法实现推理,根据病人症状体征得出可能的中医证候诊断,实现诊断决策支持。在推理时基于本体的症状语义相似性对症状进行扩展,使得推理的结果比不扩展的算法更准确。3.利用临床案例数据,结合基于案例的推理方法,将诊断相关的案例按照相似性计算方法获得相似案例,并以相似案例中实际处方作为推荐的治疗方案,从而实现中医处方治疗决策支持。研发形成基于知识推理的中医临床诊疗决策方法,在失眠病案例中进行实验和测试,获得了较好的诊疗决策效果。