CN107145744B - 医学知识图谱的构建方法、装置及辅助诊断方法 - Google Patents
医学知识图谱的构建方法、装置及辅助诊断方法 Download PDFInfo
- Publication number
- CN107145744B CN107145744B CN201710317878.1A CN201710317878A CN107145744B CN 107145744 B CN107145744 B CN 107145744B CN 201710317878 A CN201710317878 A CN 201710317878A CN 107145744 B CN107145744 B CN 107145744B
- Authority
- CN
- China
- Prior art keywords
- entity
- data
- msub
- entities
- disease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000010276 construction Methods 0.000 title abstract description 11
- 201000010099 disease Diseases 0.000 claims abstract description 64
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 64
- 208000024891 symptom Diseases 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims description 2
- 239000003814 drug Substances 0.000 abstract description 3
- 238000004195 computer-aided diagnosis Methods 0.000 description 4
- 230000010485 coping Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开一种医学知识图谱的构建方法、装置及辅助诊断方法,医学知识图谱的构建方法包括:根据医学数据库构建用户词典;处理电子病历数据并进行命名实体识别;将识别的各个实体建立关联关系;根据该关联关系,建立医学知识图谱。基于医学知识图谱的辅助诊断方法包括:获取患者的主诉数据和检查数据并进行处理,得到患者的症状实体和体征实体;在医学知识图谱中查找与症状实体和体征实体相关联的疾病实体,分别计算每个疾病实体在其对应的症状实体与体征实体构成的集合下的后验概率;输出后验概率最大的疾病实体及其关联节点对应的数据。本发明为临床医学提供智能化的辅助诊断,从而减轻医护人员工作负担,缓解医疗压力,降低医疗事故的发生。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种医学知识图谱的构建方法、装置及辅助诊断方法。
背景技术
知识图谱作为一个结构化的信息网络,打破了原有的关系型数据库的限制,具有非常强大的表达能力,它在信息检索和信息整合等领域扮演着越来越重要的角色,可以为用户提供更广度、更深度的知识体系并不断扩充。
目前,知识图谱的应用非常广泛,在医学领域中,构建医学知识图谱,可以将病症、疾病与诊疗手段之间的错综复杂的关系,通过知识图谱构建成数据库,从而可以为医护人员提供很好的辅助诊断手段。但是,现有的医学知识图谱的结构比较简单,并且在利用知识图谱进行辅助诊断上,由于知识图谱的结构限制,不能很好地为医护人员提供帮助。
发明内容
基于上述问题,本发明提供一种医学知识图谱的构建方法、装置及辅助诊断方法,能够为临床医学提供智能化的辅助诊断。
为解决上述问题,本发明提供了一种医学知识图谱的构建方法,包括:
收集医学数据库中的数据,构建用户词典;
根据所述用户词典和停止词词库,对电子病历数据进行处理;
将处理后的数据进行命名实体识别;
将识别的各个实体建立关联关系;
根据各个实体以及各个实体之间的关联关系,建立医学知识图谱。
其中,所述将处理后的数据进行命名实体识别,具体还包括:
通过处理后的诊断数据得到疾病实体,通过处理后的体检数据得到体征实体,根据处理后的患者主诉数据得到症状实体,根据处理意见数据得到处理实体,根据科室信息得到科室实体。
其中,所述将识别的各个实体建立关联关系,具体包括:
对疾病实体,分别与症状实体、体征实体、处理实体、科室实体建立关联关系;
其中,所述关联关系强度采用以下公式:
Z=x/y
其中,y表示某项疾病的病历份数,x表示某项疾病的病历中目标实体出现的总次数,所述目标实体为症状实体、体征实体、处理实体、科室实体中的任一个。
其中,所述根据各个实体以及各个实体之间的关联关系,建立医学知识图谱,具体包括:
将处理后的实体依据关联关系形成的实体对及其相应的关联关系强度值导入Neo4j图形数据库,并可视化,生成所述医学知识图谱。
其中,所述方法还包括:
根据当前获取的患者诊断结果和患者主诉及检查数据,对相应实体之间的关联强度进行实时更新。在本发明的另一个方面,提供一种基于医学知识图谱的计算机辅助诊断方法,包括:
获取患者的主诉数据和检查数据;
对所述主诉数据和检查进行预处理,得到患者的症状实体和体征实体构成的集合;
在医学知识图谱中查找与所述症状实体和体征实体相关联的疾病实体集合;
根据所述疾病实体集合和每个疾病实体所对应的症状实体与体征实体构成的集合,分别计算每个疾病实体在其对应的症状实体与体征实体构成的集合下的后验概率;
输出后验概率最大的疾病实体及其关联节点对应的数据。
其中,所述计算每个疾病实体在其对应子集下的后验概率,具体包括:
对于疾病di,在对应的症状实体与体征实体构成的子集{t1,t2,...tk}下的后验概率为:
其中,k为症状实体与体征实体的个数,k为症状实体与体征实体的个数。
通过所述症状实体与知识图谱中的疾病实体的关系强度值
在本发明的又一个方面,提供一种医学知识图谱的构建装置,所述装置包括:
用户词典构建单元,用于收集医学数据库中的数据,构建用户词典;
数据处理单元,用于根据所述用户词典和停止词词库,对电子病历数据进行处理;
实体识别单元,用于对数据处理单元处理后的数据进行命名实体识别;
关联关系建立单元,用于对实体识别单元形成的各个实体建立关联关系;
医学知识图谱构建单元,用于根据所述各个实体以及各个实体之间的关联关系,建立医学知识图谱。
其中,所述实体识别单元,具体包括:
疾病实体识别子单元,用于对处理后的诊断数据进行命名实体识别,得到疾病实体;
体征实体识别子单元,用于对处理后的体检数据进行命名实体识别,得到体征实体;
症状实体识别子单元,用于对处理后的患者主诉数据进行命名实体识别,得到症状实体;
处理实体识别子单元,用于对处理后的处理意见数据进行命名实体识别,得到处理实体;
科室实体识别子单元,用于对处理后的科室信息进行命名实体识别,得到科室实体。
其中,所述装置还包括:
更新单元,用于根据当前获取的患者诊断结果和患者主诉及检查数据,对相应实体之间的关联强度进行实时更新。本发明的医学知识图谱的构建方法、装置及辅助诊断方法,通过使用医学知识图谱进行辅助诊断,能够减轻医护人员工作负担,有效缓解医疗压力,从而降低医疗事故的发生。同时,对于医护工作者凭借经验不能确诊的病例,提供了精确的计算机辅助诊断,对医护人员工作的有力支撑。
此外,对于没有相应医学专业知识背景的普通人,通过自身症状,依靠***而了解自身所患的疾病信息以及相应的治疗意见,了解基本的可行的疾病应对方法。
附图说明
图1示出了本发明的医学知识图谱的构建方法的流程图。
图2示出了本发明的基于医学知识图谱的辅助诊断方法的流程图。
图3示出了本发明的医学知识图谱的构建装置的结构框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1示出了本发明的医学知识图谱的构建方法的流程图。
参照图1,本发明的医学知识图谱的构建方法,具体包括以下步骤:
S11、收集医学数据库中的数据,构建用户词典。
在本实施例中,在现有的医学数据库中,依据ICD-10和ICD-9-CM,收集相关的数据,构建成用户词典。
S12、根据所述用户词典和停止词词库,对电子病历数据进行处理。
本实施例中,构建知识图谱使用的数据可以是从现有的电子病历中获取的数据,如患者主诉、科室、病史、体检、诊断、处理意见等相关数据,然后根据用户词典以及停止词词库,可以使用相关的医学语言处理技术(MLP)对电子病历的数据进行处理,也可以对数据进行文本分词,去除停止词等处理,使得构建知识图谱的数据更精确。
S13、将处理后的数据进行命名实体识别。
在一个实施例中,可以通过条件随机场模型(CRF)机器学习的方法,运用CRF++工具进行命名实体识别,如一个实施例中,通过处理后的诊断数据得到疾病实体,通过处理后的体检数据得到体征实体,根据处理后的患者主诉数据得到症状实体,根据处理意见数据得到处理实体,根据科室信息得到科室实体。
S14、将识别的各个实体建立关联关系。
本实施例中,对疾病实体,分别与症状实体、体征实体、处理实体、科室实体建立关联关系,该关联关系强度采用以下公式:
Z=x/y
其中,y表示某项疾病的病历份数,x表示某项疾病的病历中目标实体出现的总次数,所述目标实体为症状实体、体征实体、处理实体、科室实体中的任一个。
S15、根据各个实体以及各个实体之间的关联关系,建立医学知识图谱。
具体地,将处理后的实体依据关联关系形成的实体对及其相应的关联关系强度值导入Neo4j图形数据库,并可视化,生成所述医学知识图谱。
在进一步的实施例中,当使用上述知识图谱进行辅助诊断后,根据诊断后的疾病结果,以及患者的主诉及检查数据,对相应实体之间的关联强度值进行更新,其关系强度为Z=(x+1)/(y+1),其中y为已处理录入的该项疾病的病历份数,x为已处理录入的该项疾病的病历中目标实体出现次数。
本发明的医学知识图谱,将电子病历作为建立知识图谱的源数据,通过建立各个实体之间的关联关系,从而能够建立精确的知识图谱,为医护人员对疾病的针对起到很好的辅助作用,并能够为医护人员减轻工作负担,有效缓解了医疗压力,从而降低医疗事故的发生。
在本发明的另一个实施例中,提供一种基于医学知识图谱的辅助诊断方法,如图2所示,其具体步骤包括:
S21、获取患者的主诉数据和检查数据;
S22、对所述主诉数据和检查数据进行预处理,得到患者的症状实体和体征实体构成的集合;如对主诉数据和检查数据进行文本分词、去除停止词、以及命名实体识别处理等,以得到症状实体和体征实体构成的集合。
S23、在医学知识图谱中查找与所述症状实体和体征实体相关联的疾病实体集合;
根据步骤S22得到的症状实体和体征实体的集合中的实体与疾病实体的关联关系,在医学知识图谱中查找疾病实体集合D{d1,d2,...dn}。
在上述过程中,可以设定疾病di对症状实体或体征实体sj的条件概率P(sj|di)为两实体之间的关系强度值,即P(sj|di)=x/y。
S24、根据步骤S23得到的疾病实体和步骤S22得到的每个疾病实体所对应的症状实体与体征实体构成的集合,分别计算每个疾病实体在其对应的症状实体与体征实体构成的集合下的后验概率;
S25、输出后验概率最大的疾病实体及其关联节点对应的数据。
在上述过程中,对应疾病实体集合D中的n个疾病实体,通过关联关系找到症状实体与体征实体对应的n个集合。对于疾病di,在对应的症状实体与体征实体构成的集合{t1,t2,...tk}下的后验概率为:
其中,n为疾病实体的个数,k为症状实体与体征实体的个数,即上述后验概率为:
通过上述计算的后验概率,将后验概率最大的疾病及其关联节点对应的数据作为诊断结果。
本实施例的基于医学知识图谱的计算机辅助诊断方法,使用终端设备采集患者主诉,检查数据,并对数据进行医学语言处理MLP(分词、去停止词),命名实体识别处理,得到相应实体信息,依托已构建的医学知识图谱,通过关联关系,找到对应的候选疾病集,然后采用贝叶斯算法进行辅助诊断,确认患者所患何种疾病,为临床医学提供智能化的辅助诊断。
在本发明的又一个实施例中,提供一种医学知识图谱的构建装置,如图2所示,该装置包括:
用户词典构建单元10,用于收集医学数据库中的数据,构建用户词典;
数据处理单元20,用于根据所述用户词典和停止词词库,对电子病历数据进行处理;
实体识别单元30,用于对数据处理单元处理后的数据进行命名实体识别;
关联关系建立单元40,用于对实体识别单元30形成的各个实体建立关联关系;
医学知识图谱构建单元50,用于根据所述各个实体以及各个实体之间的关联关系,建立医学知识图谱。
具体地,上述实施例中,实体识别单元30包括:
疾病实体识别子单元,用于对处理后的诊断数据进行命名实体识别,得到疾病实体;
体征实体识别子单元,用于对处理后的体检数据进行命名实体识别,得到体征实体;
症状实体识别子单元,用于对处理后的患者主诉数据进行命名实体识别,得到症状实体;
处理实体识别子单元,用于对处理后的处理意见数据进行命名实体识别,得到处理实体;
科室实体识别子单元,用于对处理后的科室信息进行命名实体识别,得到科室实体。
在又一个实施例中,本发明的医学知识图谱的构建装置还包括:更新单元,用于根据当前获取的患者诊断结果和患者主诉及检查数据,对相应实体之间的关联强度进行实时更新。
本发明的医学知识图谱的构建方法、装置及辅助诊断方法,通过使用医学知识图谱进行辅助诊断,能够减轻医护人员工作负担,有效缓解医疗压力,从而降低医疗事故的发生。同时,对于医护工作者凭借经验不能确诊的病例,提供了精确的计算机辅助诊断,对医护人员工作的有力支撑。
此外,对于没有相应医学专业知识背景的普通人,通过自身症状,依靠***而了解自身所患的疾病信息以及相应的治疗意见,了解基本的可行的疾病应对方法。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (6)
1.一种医学知识图谱的构建方法,其特征在于,包括:
收集医学数据库中的数据,构建用户词典;
根据所述用户词典和停止词词库,对电子病历数据进行处理;
将处理后的数据通过条件随机场模型机器学习的方法进行命名实体识别;
将识别的各个实体建立关联关系;
根据各个实体以及各个实体之间的关联关系,建立医学知识图谱;
使用相关的医学语言处理技术对电子病历的数据进行处理,或对电子病历的数据进行文本分词,去除停止词处理;
通过处理后的诊断数据得到疾病实体,通过处理后的体检数据得到体征实体,根据处理后的患者主诉数据得到症状实体,根据处理意见数据得到处理实体,根据科室信息得到科室实体;
对疾病实体,分别与症状实体、体征实体、处理实体、科室实体建立关联关系;
其中,所述关联关系强度采用以下公式:
Z=x/y
其中,y表示某项疾病的病历份数,x表示某项疾病的病历中目标实体出现的总次数,所述目标实体为症状实体、体征实体、处理实体、科室实体中的任一个。
2.如权利要求1所述的方法,其特征在于,所述根据各个实体以及各个实体之间的关联关系,建立医学知识图谱,具体包括:
将处理后的实体依据关联关系形成的实体对及其相应的关联关系强度值导入Neo4j图形数据库,并可视化,生成所述医学知识图谱。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据当前获取的患者诊断结果和患者主诉及检查数据,对相应实体之间的关联强度进行实时更新。
4.一种基于权利要求1-3任一项所述方法构建的医学知识图谱的辅助查询方法,其特征在于,包括:
获取患者的主诉数据和检查数据;
对所述主诉数据和检查数据进行预处理,得到患者的症状实体和体征实体构成的集合;
在医学知识图谱中查找与所述症状实体和体征实体相关联的疾病实体集合;
根据所述疾病实体集合和每个疾病实体所对应的症状实体与体征实体构成的集合,分别计算每个疾病实体在其对应的症状实体与体征实体构成的集合下的后验概率;
输出后验概率最大的疾病实体及其关联节点对应的数据。
5.如权利要求4所述的辅助查询方法,其特征在于,所述计算每个疾病实体在其对应子集下的后验概率,具体包括:
对于疾病di,在对应的症状实体与体征实体构成的集合{t1,t2,...tk}下的后验概率为:
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>|</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>|</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>...</mo>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<msub>
<mi>t</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中,n为疾病实体的个数,k为症状实体与体征实体的个数。
6.一种医学知识图谱的构建装置,其特征在于,所述装置包括:
用户词典构建单元,用于收集医学数据库中的数据,构建用户词典;
数据处理单元,用于根据所述用户词典和停止词词库,对电子病历数据进行处理;
实体识别单元,用于对数据处理单元处理后的数据进行命名实体识别;
关联关系建立单元,用于对实体识别单元形成的各个实体建立关联关系;
医学知识图谱构建单元,用于根据所述各个实体以及各个实体之间的关联关系,建立医学知识图谱;
所述实体识别单元,具体包括:
疾病实体识别子单元,用于对处理后的诊断数据进行命名实体识别,得到疾病实体;
体征实体识别子单元,用于对处理后的体检数据进行命名实体识别,得到体征实体;
症状实体识别子单元,用于对处理后的患者主诉数据进行命名实体识别,得到症状实体;
处理实体识别子单元,用于对处理后的处理意见数据进行命名实体识别,得到处理实体;
科室实体识别子单元,用于对处理后的科室信息进行命名实体识别,得到科室实体;
更新单元,用于根据当前获取的患者诊断结果和患者主诉及检查数据,对相应实体之间的关联强度进行实时更新。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710317878.1A CN107145744B (zh) | 2017-05-08 | 2017-05-08 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
US15/972,121 US20180322954A1 (en) | 2017-05-08 | 2018-05-05 | Method and device for constructing medical knowledge graph and assistant diagnosis method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710317878.1A CN107145744B (zh) | 2017-05-08 | 2017-05-08 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107145744A CN107145744A (zh) | 2017-09-08 |
CN107145744B true CN107145744B (zh) | 2018-03-02 |
Family
ID=59778454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710317878.1A Active CN107145744B (zh) | 2017-05-08 | 2017-05-08 | 医学知识图谱的构建方法、装置及辅助诊断方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20180322954A1 (zh) |
CN (1) | CN107145744B (zh) |
Families Citing this family (105)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609163B (zh) * | 2017-09-15 | 2021-08-24 | 南京深数信息科技有限公司 | 医学知识图谱的生成方法、存储介质及服务器 |
CN109583440B (zh) * | 2017-09-28 | 2021-12-17 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及*** |
CN107591203A (zh) * | 2017-10-25 | 2018-01-16 | 湖南网数科技有限公司 | 一种基于知识库的疾病预警方法及*** |
CN107657063A (zh) * | 2017-10-30 | 2018-02-02 | 合肥工业大学 | 医学知识图谱的构建方法及装置 |
CN107887036A (zh) * | 2017-11-09 | 2018-04-06 | 北京纽伦智能科技有限公司 | 临床决策辅助***的构建方法、装置及临床决策辅助*** |
CN108461151B (zh) * | 2017-12-15 | 2021-06-15 | 北京大学深圳研究生院 | 一种知识图谱的逻辑增强方法及装置 |
CN108153734A (zh) * | 2017-12-26 | 2018-06-12 | 北京嘉和美康信息技术有限公司 | 一种文本处理方法及装置 |
CN108154928A (zh) * | 2017-12-27 | 2018-06-12 | 北京嘉和美康信息技术有限公司 | 一种疾病诊断方法及装置 |
CN108182973A (zh) * | 2017-12-29 | 2018-06-19 | 湖南大学 | 一种基于知识图谱推理的智能诊断技术 |
CN108305175A (zh) * | 2017-12-30 | 2018-07-20 | 上海栈略数据技术有限公司 | 基于智能医学知识图谱的保险理赔风控辅助审核*** |
CN108388580B (zh) * | 2018-01-24 | 2020-04-28 | 平安医疗健康管理股份有限公司 | 融合医学知识及应用病例的动态知识图谱更新方法 |
CN108427735A (zh) * | 2018-02-28 | 2018-08-21 | 东华大学 | 基于电子病历的临床知识图谱构建方法 |
CN108681544A (zh) * | 2018-03-07 | 2018-10-19 | 中山大学 | 一种基于图谱拓扑结构和实体文本描述的深度学习方法 |
CN108492887B (zh) * | 2018-04-13 | 2020-09-22 | 合肥工业大学 | 医疗知识图谱构建方法及装置 |
CN108764280B (zh) * | 2018-04-17 | 2021-04-27 | 中国科学院计算技术研究所 | 一种基于症状向量的医学数据处理方法和*** |
CN108614885B (zh) * | 2018-05-03 | 2019-04-30 | 杭州认识科技有限公司 | 基于医学信息的知识图谱分析方法及装置 |
CN108897759A (zh) * | 2018-05-16 | 2018-11-27 | 中国中医科学院中医药信息研究所 | 一种中医医案可视化方法 |
CN109524072B (zh) * | 2018-05-28 | 2024-06-28 | 深圳平安医疗健康科技服务有限公司 | 电子病历生成方法、装置、计算机设备和存储介质 |
CN108735198B (zh) * | 2018-05-29 | 2019-08-30 | 杭州认识科技有限公司 | 基于医学疾病数据的语音合成方法、装置及电子设备 |
CN108899063B (zh) * | 2018-05-31 | 2023-04-07 | 康键信息技术(深圳)有限公司 | 体检数据处理方法、装置、计算机设备和存储介质 |
CN109036545B (zh) * | 2018-05-31 | 2023-04-18 | 平安医疗科技有限公司 | 医疗信息处理方法、装置、计算机设备和存储介质 |
CN109213871A (zh) * | 2018-07-26 | 2019-01-15 | 南京邮电大学 | 患者信息知识图谱构建方法、可读存储介质和终端 |
CN109119134A (zh) * | 2018-08-09 | 2019-01-01 | 脉景(杭州)健康管理有限公司 | 医学病历数据处理方法、医学数据推荐***、设备及介质 |
CN108986871A (zh) * | 2018-08-27 | 2018-12-11 | 东北大学 | 一种智慧医疗知识图谱的构建方法 |
CN109448838A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的症状诊断方法及设备 |
CN109189947A (zh) * | 2018-11-07 | 2019-01-11 | 曲阜师范大学 | 一种基于关系数据库的移动数据知识图谱自动构建方法 |
CN109545373A (zh) * | 2018-11-08 | 2019-03-29 | 新博卓畅技术(北京)有限公司 | 一种人体疾病症状特征自动抽取方法、***及设备 |
CN109509556A (zh) * | 2018-11-09 | 2019-03-22 | 天津开心生活科技有限公司 | 知识图谱生成方法、装置、电子设备及计算机可读介质 |
CN109739992B (zh) * | 2018-11-26 | 2021-06-11 | 厦门市美亚柏科信息股份有限公司 | 一种获取关联信息的方法及终端 |
CN109767842B (zh) * | 2018-12-13 | 2023-08-22 | 平安科技(深圳)有限公司 | 一种疾病预警方法、疾病预警装置及计算机可读存储介质 |
CN111383773B (zh) * | 2018-12-28 | 2023-04-28 | 医渡云(北京)技术有限公司 | 医学实体信息的处理方法、装置、存储介质及电子设备 |
CN111382275A (zh) * | 2018-12-28 | 2020-07-07 | 医渡云(北京)技术有限公司 | 医疗知识图谱的构建方法、装置、介质及电子设备 |
CN109918475B (zh) * | 2019-01-24 | 2021-01-19 | 西安交通大学 | 一种基于医疗知识图谱的可视查询方法及查询*** |
CN109817330A (zh) * | 2019-01-25 | 2019-05-28 | 华院数据技术(上海)有限公司 | 一种疾病预测装置 |
US11972382B2 (en) * | 2019-02-22 | 2024-04-30 | International Business Machines Corporation | Root cause identification and analysis |
CN109918436B (zh) * | 2019-03-08 | 2022-12-20 | 麦博(上海)健康科技有限公司 | 一种医学知识管理和查询*** |
CN110085307B (zh) * | 2019-04-04 | 2023-02-03 | 华东理工大学 | 一种基于多源知识图谱融合的智能导诊方法和*** |
CN110059196A (zh) * | 2019-04-12 | 2019-07-26 | 张晓红 | 一种医学健康领域知识图谱的关系抽取方法及*** |
EP3956827A4 (en) * | 2019-04-17 | 2023-01-11 | Tempus Labs | COLLABORATIVE ARTIFICIAL INTELLIGENCE METHOD AND SYSTEM |
US11475318B2 (en) | 2019-05-29 | 2022-10-18 | Kyndryl, Inc. | Automated resolution of over and under-specification in a knowledge graph |
US11636350B1 (en) * | 2019-06-21 | 2023-04-25 | American Medical Association | Systems and methods for automated scribes based on knowledge graphs of clinical information |
CN110349677A (zh) * | 2019-06-26 | 2019-10-18 | 秒针信息技术有限公司 | 医学数据的搜索方法及装置、存储介质、电子装置 |
CN110427491B (zh) * | 2019-07-04 | 2020-05-12 | 北京爱医生智慧医疗科技有限公司 | 一种基于电子病历的医学知识图谱构建方法及装置 |
CN110555103A (zh) * | 2019-07-22 | 2019-12-10 | 中国人民解放军总医院 | 生物医学实体展示平台的构建方法、装置和计算机设备 |
CN110415822A (zh) * | 2019-07-23 | 2019-11-05 | 珠海格力电器股份有限公司 | 一种预测癌症的方法和装置 |
CN110600121B (zh) * | 2019-08-15 | 2022-05-03 | 浙江工业大学 | 一种基于知识图谱病因初步诊断方法 |
CN110473615B (zh) * | 2019-08-16 | 2022-06-03 | 北京声智科技有限公司 | 一种信息处理方法及装置 |
CN110472032A (zh) * | 2019-08-16 | 2019-11-19 | 未来火种(北京)科技有限公司 | 医疗自定义实体词词性标签的多分类智能问答检索方法 |
CN110459321B (zh) * | 2019-08-20 | 2020-10-23 | 山东众阳健康科技集团有限公司 | 一种基于证素的中医辅助诊断*** |
CN110609910B (zh) * | 2019-09-18 | 2023-01-31 | 金色熊猫有限公司 | 医学知识图谱构建方法及装置、存储介质和电子设备 |
CN110674315B (zh) * | 2019-09-27 | 2022-09-27 | 湘潭大学 | 一种基于知识图谱技术的辅助电源调试方法 |
CN110675954A (zh) * | 2019-10-11 | 2020-01-10 | 北京百度网讯科技有限公司 | 信息处理方法及装置、电子设备、存储介质 |
CN110990579B (zh) * | 2019-10-30 | 2022-12-02 | 清华大学 | 跨语言的医学知识图谱构建方法、装置与电子设备 |
WO2021087320A1 (en) * | 2019-10-31 | 2021-05-06 | Healthpointe Solutions, Inc. | Patient viewer customized with curated medical knowledge |
CN110911009A (zh) * | 2019-11-14 | 2020-03-24 | 南京医科大学 | 一种临床诊断辅助决策***和医学知识图谱积累方法 |
CN110866111A (zh) * | 2019-11-18 | 2020-03-06 | 合肥工业大学 | 一种基于知识图谱的糖尿病智能知识服务*** |
CN112836058A (zh) * | 2019-11-25 | 2021-05-25 | 北京搜狗科技发展有限公司 | 医疗知识图谱建立方法及装置、医疗知识图谱查询方法及装置 |
CN110990584B (zh) * | 2019-11-26 | 2021-02-09 | 口口相传(北京)网络技术有限公司 | 知识图谱的生成方法及装置 |
CN113012803A (zh) * | 2019-12-19 | 2021-06-22 | 京东方科技集团股份有限公司 | 计算机设备、***、可读存储介质及医学数据分析方法 |
CN111180081B (zh) * | 2019-12-30 | 2023-11-03 | 众安信息技术服务有限公司 | 一种智能问诊方法及装置 |
CN111191048B (zh) * | 2020-01-02 | 2023-06-02 | 南京邮电大学 | 基于知识图谱的急诊问答***构建方法 |
CN111599479B (zh) * | 2020-04-02 | 2023-08-11 | 云知声智能科技股份有限公司 | 一种基于icd9-cm-3的手术知识图谱构建方法和装置 |
CN111507827A (zh) * | 2020-04-20 | 2020-08-07 | 上海商涌网络科技有限公司 | 一种健康风险评估的方法、终端及计算机存储介质 |
CN111696667A (zh) * | 2020-06-11 | 2020-09-22 | 吾征智能技术(北京)有限公司 | 一种常见妇科疾病预测模型构建方法和预测*** |
CN111986800A (zh) * | 2020-07-06 | 2020-11-24 | 北京欧应信息技术有限公司 | 一种以关节运动功能为核心的骨科知识图谱 |
CN111816301B (zh) * | 2020-07-07 | 2024-07-02 | 平安科技(深圳)有限公司 | 医疗问诊辅助方法、装置、电子设备及介质 |
CN111858957B (zh) * | 2020-07-20 | 2024-05-14 | 上海汽车集团股份有限公司 | 一种知识图谱自动构建方法及*** |
CN111831833A (zh) * | 2020-07-27 | 2020-10-27 | 人民卫生电子音像出版社有限公司 | 知识图谱的构建方法及装置 |
CN111950285B (zh) * | 2020-07-31 | 2024-01-23 | 合肥工业大学 | 多模态数据融合的医疗知识图谱智能自动构建***和方法 |
CN112015905A (zh) * | 2020-08-05 | 2020-12-01 | 河北工程大学 | 一种疲劳标志疾病知识图谱的构建方法 |
CN111814463B (zh) * | 2020-08-24 | 2020-12-15 | 望海康信(北京)科技股份公司 | 国际疾病分类编码推荐方法、***及相应设备和存储介质 |
CN111985246B (zh) * | 2020-08-27 | 2023-08-15 | 武汉东湖大数据交易中心股份有限公司 | 一种基于主要症状与伴随症状词的疾病认知*** |
CN112133425A (zh) * | 2020-09-11 | 2020-12-25 | 北京欧应信息技术有限公司 | 一种基于智能推荐辅助医生优化诊疗过程的*** |
CN114187988A (zh) * | 2020-09-17 | 2022-03-15 | 泰康保险集团股份有限公司 | 数据处理的方法及装置、***、存储介质 |
CN112233756A (zh) * | 2020-10-15 | 2021-01-15 | 刘明 | 精神病管理云平台***及电子智能药盒 |
CN112164460B (zh) * | 2020-10-19 | 2023-06-30 | 集美大学 | 一种基于医疗知识图谱的智能疾病辅助诊断*** |
CN112597272A (zh) * | 2020-11-17 | 2021-04-02 | 北京计算机技术及应用研究所 | 一种基于自然语言问句的专家领域知识图谱查询方法 |
CN112420212B (zh) * | 2020-11-27 | 2023-12-26 | 湖南师范大学 | 一种脑卒中医疗知识图谱的构建方法 |
CN112667773A (zh) * | 2020-12-23 | 2021-04-16 | 医渡云(北京)技术有限公司 | 基于知识图谱的数据获取方法及相关设备 |
CN112635071B (zh) * | 2020-12-25 | 2024-03-01 | 中国矿业大学 | 融合中西医知识的糖尿病知识图谱构建方法 |
CN112700832A (zh) * | 2021-01-06 | 2021-04-23 | 北京左医科技有限公司 | 个性化电子病例生成方法及*** |
CN112837765B (zh) * | 2021-01-12 | 2023-01-20 | 山东众阳健康科技集团有限公司 | 一种用于疾病诊断的自动编码方法及*** |
CN113257371B (zh) * | 2021-06-03 | 2022-02-15 | 中南大学 | 基于医学知识图谱的临床检验结果分析方法及*** |
CN113539490A (zh) * | 2021-06-10 | 2021-10-22 | 成都基预科技有限公司 | 基于知识图谱的常见职业病风险预测方法 |
CN113641784B (zh) * | 2021-06-25 | 2024-07-16 | 合肥工业大学 | 医教研一体化的医疗知识推荐方法和*** |
CN113360678B (zh) * | 2021-07-08 | 2022-07-15 | 电子科技大学 | 一种基于Neo4j和大数据的初等数学知识图谱构建方法 |
CN113434700B (zh) * | 2021-07-09 | 2023-07-11 | 大连海洋大学 | 水产动物疾病诊断与防治知识图谱构建方法 |
CN113571184B (zh) * | 2021-07-20 | 2023-10-31 | 武汉情智感知科技有限公司 | 一种用于精神健康测评的对话交互设计方法及*** |
CN113470775B (zh) * | 2021-07-23 | 2023-06-16 | 深圳平安智慧医健科技有限公司 | 信息采集方法、装置、设备及存储介质 |
CN113656600B (zh) * | 2021-08-23 | 2022-04-29 | 东北农业大学 | 一种基于知识图谱的dhi报告解读方法、***及存储介质 |
CN113434626B (zh) * | 2021-08-27 | 2021-12-07 | 之江实验室 | 一种多中心医学诊断知识图谱表示学习方法及*** |
CN113704497B (zh) * | 2021-08-31 | 2024-01-26 | 平安科技(深圳)有限公司 | 医疗知识图谱的填补方法、装置、计算机设备及存储介质 |
CN113704496B (zh) * | 2021-08-31 | 2024-01-26 | 平安科技(深圳)有限公司 | 医疗知识图谱的修复方法、装置、计算机设备及存储介质 |
CN113836314B (zh) * | 2021-09-18 | 2024-04-19 | 北京百度网讯科技有限公司 | 知识图谱构建方法、装置、设备以及存储介质 |
CN113972010B (zh) * | 2021-10-27 | 2024-06-21 | 广东工业大学 | 一种基于知识图谱和自适应机制的辅助疾病推理*** |
CN114118090A (zh) * | 2021-11-12 | 2022-03-01 | 北京嘉和海森健康科技有限公司 | 医学新实体名称确定方法、装置及电子设备 |
CN114566247B (zh) * | 2022-04-20 | 2022-08-12 | 浙江太美医疗科技股份有限公司 | Crf的自动生成方法和装置、电子设备和存储介质 |
CN116313118B (zh) * | 2022-06-07 | 2023-11-14 | 拉萨卓友峰科技有限公司 | 应用于医疗数据处理的知识图谱构建方法 |
CN114882985B (zh) * | 2022-07-11 | 2022-10-18 | 北京泽桥医疗科技股份有限公司 | 基于数据库和ai算法识别的医药多媒体管理***及方法 |
CN115687660B (zh) * | 2022-12-21 | 2023-03-28 | 阿里健康科技(中国)有限公司 | 网络本体语言表达式的生成方法、装置、设备和介质 |
CN115905960B (zh) * | 2023-03-08 | 2023-05-12 | 安徽通灵仿生科技有限公司 | 一种基于心室辅助装置的不良事件检测方法及装置 |
CN116680368B (zh) * | 2023-04-11 | 2024-05-24 | 浪潮智慧科技有限公司 | 一种基于贝叶斯分类器的水利知识问答方法、设备及介质 |
CN116682553B (zh) * | 2023-08-02 | 2023-11-03 | 浙江大学 | 一种融合知识与患者表示的诊断推荐*** |
CN117894422A (zh) * | 2024-03-18 | 2024-04-16 | 攀枝花学院 | 一种基于icu重症监测的数据可视化方法及*** |
CN118280562A (zh) * | 2024-05-24 | 2024-07-02 | 湘江实验室 | 知识图谱驱动的医疗大模型诊断方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034410A (zh) * | 2007-04-16 | 2007-09-12 | 浙江大学 | 一种医疗事件索引模型及基于该模型的电子病历*** |
WO2010124137A1 (en) * | 2009-04-22 | 2010-10-28 | Millennium Pharmacy Systems, Inc. | Pharmacy management and administration with bedside real-time medical event data collection |
US10332631B2 (en) * | 2015-07-07 | 2019-06-25 | Seven Medical, Inc. | Integrated medical platform |
US10558666B2 (en) * | 2015-07-10 | 2020-02-11 | Trendkite, Inc. | Systems and methods for the creation, update and use of models in finding and analyzing content |
US9715498B2 (en) * | 2015-08-31 | 2017-07-25 | Microsoft Technology Licensing, Llc | Distributed server system for language understanding |
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
US20170344711A1 (en) * | 2016-05-31 | 2017-11-30 | Baidu Usa Llc | System and method for processing medical queries using automatic question and answering diagnosis system |
US10546066B2 (en) * | 2016-08-31 | 2020-01-28 | Microsoft Technology Licensing, Llc | End-to-end learning of dialogue agents for information access |
CN106446533B (zh) * | 2016-09-12 | 2023-12-19 | 北京和信康科技有限公司 | 一种人体健康数据处理***及其方法 |
-
2017
- 2017-05-08 CN CN201710317878.1A patent/CN107145744B/zh active Active
-
2018
- 2018-05-05 US US15/972,121 patent/US20180322954A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
CN107145744A (zh) | 2017-09-08 |
US20180322954A1 (en) | 2018-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145744B (zh) | 医学知识图谱的构建方法、装置及辅助诊断方法 | |
CN108461151B (zh) | 一种知识图谱的逻辑增强方法及装置 | |
CN110838368B (zh) | 一种基于中医临床知识图谱的主动问诊机器人 | |
CN111048167B (zh) | 一种层级式病例结构化方法及*** | |
CN112786194A (zh) | 基于人工智能的医学影像导诊导检***、方法及设备 | |
CN109949938B (zh) | 用于将医疗非标准名称标准化的方法及装置 | |
US11670420B2 (en) | Drawing conclusions from free form texts with deep reinforcement learning | |
CN109670054B (zh) | 知识图谱构建方法、装置、存储介质及电子设备 | |
CN110069779B (zh) | 医疗文本的症状实体识别方法及相关装置 | |
CN110459320A (zh) | 一种基于知识图谱的辅助诊疗*** | |
CN110246572B (zh) | 一种基于词向量的医疗分诊方法及*** | |
CN113345577B (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
Li et al. | Extracting medical knowledge from crowdsourced question answering website | |
CN115497616B (zh) | 一种感染性疾病辅助决策的方法、***、设备及存储介质 | |
CN113688255A (zh) | 一种基于中文电子病历的知识图谱构建方法 | |
CN112466462B (zh) | 一种基于图深度学习的emr信息关联及演化方法 | |
Sun et al. | Information extraction from free text in clinical trials with knowledge-based distant supervision | |
TW201606690A (zh) | 護理決策輔助系統 | |
CN112201350A (zh) | 一种智能分诊方法、装置及电子设备 | |
CN115346634A (zh) | 一种体检报告解读预测方法、***、电子设备和存储介质 | |
CN111061835B (zh) | 查询方法及装置、电子设备和计算机可读存储介质 | |
CN110473636B (zh) | 基于深度学习的智能医嘱推荐方法及*** | |
CN112349367B (zh) | 一种生成仿真病历的方法、装置、电子设备及存储介质 | |
CN108831560B (zh) | 一种确定医疗数据属性数据的方法和装置 | |
Gu et al. | Chemical-induced disease relation extraction with lexical features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |