多学科适用的临床检查组合推荐方法及装置制造方法及图纸

本发明专利技术提供一种多学科适用的临床检查组合推荐方法及装置，能够推荐患者应接受的检查项组合，辅助医生做出诊断。该方法包括：获取患者的症状信息；将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，其中，所述多标签贝叶斯分类器是用从电子病历中提取到的症状以及诊断结果训练得到的；根据所述预测集合从医疗知识图谱中确定医疗检查的推荐项组合，其中，所述医疗知识图谱包括症状实体、疾病实体、单检查实体和检查组实体，所述检查组实体是通过计算所述单检查实体的频繁项集确定的。

Multidisciplinary applicable clinical examination combination recommendation method and device

The invention provides a multidisciplinary and applicable clinical examination combination recommendation method and device, which can recommend the examination items that patients should accept and assist doctors in making diagnosis. The method includes: acquiring the symptom information of the patient; inputting the symptom information into the constructed multi-label Bayesian classifier to obtain the predictive set of the patient's disease, wherein the multi-label Bayesian classifier is trained from the symptoms extracted from the electronic medical record and the diagnostic results; and according to the said method; The prediction set determines the recommended combination of medical examinations from the medical knowledge atlas, wherein the medical knowledge atlas includes symptom entities, disease entities, single-examination entities and inspection group entities, which are determined by calculating the frequent itemsets of the single-examination entities.

【技术实现步骤摘要】
多学科适用的临床检查组合推荐方法及装置
本专利技术涉及医疗
，具体地，涉及一种多学科适用的临床检查组合推荐方法及装置。
技术介绍
现有临床辅助诊断系统大都是基于相似度匹配，选择与病人情况最相似的病例进行诊疗服务推荐。这种方法忽视了个体间一些其他属性的差异，推荐的诊疗方式不一定是最佳的。知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体－关系－实体”三元组，以及实体及其相关属性-值对，实体间通过关系相互联结，构成网状的知识结构。但是目前的医疗领域对知识图谱的应用，通常为医疗信息搜索引擎，医疗问答系统，如何将医疗知识图谱应用到医疗检查推荐以辅助诊断，是本领域技术人员未考虑到的。
技术实现思路
本专利技术实施例提供一种多学科适用的临床检查组合推荐方法及装置，能够推荐患者应接受的检查项组合，以辅助医生做出诊断。为了实现上述目的，本专利技术第一方面提供一种多学科适用的临床检查组合推荐方法，所述方法包括：获取患者的症状信息；将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，其中，所述多标签贝叶斯分类器是用从电子病历中提取到的症状以及诊断结果训练得到的；根据所述预测集合从医疗知识图谱中确定医疗检查的推荐项组合，其中，所述医疗知识图谱包括症状实体、疾病实体、单检查实体和检查组实体，所述检查组实体是通过计算所述单检查实体的频繁项集确定的。可选地，所述将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，包括：经过所述多标签贝叶斯分类器通过如下公式确定患者患每一疾病的后验概率：其中，先验概率|dj|表示所述电子病历中疾病dj的个数，|D|表示电子病历样本总数，N表示疾病类别总数，s1至sk表示k种症状；根据每一疾病的后验概率的大小，取topN种疾病作为疾病预测集合。可选地，所述根据所述预测集合从所述医疗知识图谱中确定医疗检查的推荐项，包括：根据如下公式确定所述预测集合中的每一疾病在所述医疗知识图谱中分别对应的单检查实体的后验概率pi(ej)以及检查组实体的后验概率pi(E'j)：pi(ej)＝p(li)p(ej|li)；pi(E'j)＝p(li)p(E'j|li)；其中，li表示所述预测集合中的任一疾病；根据所述单检查实体和所述检查组实体的后验概率的大小，选取每一疾病的topN种检查实体，所述topN种检查实体包括单检查实体和/或检查组实体；从所述每一疾病的所述topN种检查实体中组合排序得到所述推荐项组合。可选地，所述从所述每一疾病的所述topN种检查实体中组合排序得到所述推荐项组合，包括：从每一疾病的所述topN种检查实体中，选取一种单检查实体或者检查组实体进行组合，得到检查组合；利用DEA模型计算每一所述检查组合的相对有效性，并根据所述相对有效性对每一所述检查组合进行推荐排序。可选地，所述医疗知识图谱还包括每一检查实体以及每一检查组实体对应的费用，则所述利用DEA模型计算每一所述检查组合的相对有效性，并根据所述相对有效性对每一所述检查组合进行推荐排序，包括：根据所述DEA模型利用如下公式计算每一检查组合的评价指标：其中，hi为任一检查组合，该检查组合中的检查实体分别为：ei1,ei2,ei3，……eim，每项的费用分别为：ci1,ci2,ci3，……cim，并且，在多项组合之后，存在于频繁项集中的检查组为E’i1,E’i2,……E’in；根据每一所述检查组合的评价指标的大小进行排序，并选取topN种检查组合作为所述推荐项组合。本专利技术第二方面提供一种多学科适用的临床检查组合推荐装置，所述装置包括：获取模块，用于获取患者的症状信息；疾病预测模块，用于将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，其中，所述多标签贝叶斯分类器是用从电子病历中提取到的症状以及诊断结果训练得到的；检查推荐模块，用于根据所述预测集合从医疗知识图谱中确定医疗检查的推荐项组合，其中，所述医疗知识图谱包括症状实体、疾病实体、单检查实体和检查组实体，所述检查组实体是通过计算所述单检查实体的频繁项集确定的。可选地，所述疾病预测模块用于：经过所述多标签贝叶斯分类器通过如下公式确定患者患每一疾病的后验概率：其中，先验概率|dj|表示所述电子病历中疾病dj的个数，|D|表示电子病历样本总数，N表示疾病类别总数，s1至sk表示k种症状；根据每一疾病的后验概率的大小，取topN种疾病作为疾病预测集合。可选地，所述检查推荐模块用于：根据如下公式确定所述预测集合中的每一疾病在所述医疗知识图谱中分别对应的单检查实体的后验概率pi(ej)以及检查组实体的后验概率pi(E'j)：pi(ej)＝p(li)p(ej|li)；pi(E'j)＝p(li)p(E'j|li)；其中，li表示所述预测集合中的任一疾病；根据所述单检查实体和所述检查组实体的后验概率的大小，选取每一疾病的topN种检查实体，所述topN种检查实体包括单检查实体和/或检查组实体；从所述每一疾病的所述topN种检查实体中组合排序得到所述推荐项组合。可选地，所述检查推荐模块包括：组合子模块，用于从每一疾病的所述topN种检查实体中，选取一种单检查实体或者检查组实体进行组合，得到检查组合；评价排序模块，用于利用DEA模型计算每一所述检查组合的相对有效性，并根据所述相对有效性对每一所述检查组合进行推荐排序。可选地，所述医疗知识图谱还包括每一检查实体以及每一检查组实体对应的费用，则所述评价排序模块用于：根据所述DEA模型利用如下公式计算每一检查组合的评价指标：其中，hi为任一检查组合，该检查组合中的检查实体分别为：ei1,ei2,ei3，……eim，每项的费用分别为：ci1,ci2,ci3，……cim，并且，在多项组合之后，存在于频繁项集中的检查组为E’i1,E’i2,……E’in；根据每一所述检查组合的评价指标的大小进行排序，并选取topN种检查组合作为所述推荐项组合。采用上述技术方案，构建包括症状实体，疾病实体，单检查实体和检查组实体的医疗知识图谱，这样，基于该医疗知识图谱，在获取到患者的症状信息，即可预测得到该患者可能患有的疾病，并通过设定的匹配策略确定该疾病的检查项组合提供给医生或者患者，相比现有技术中单纯基于病例相似性，推荐相似病例的方法，本专利技术能够推荐患者应接受的检查项组合，辅助医生做出诊断。本专利技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术，但并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例提供的一种多学科适用的临床检查组合推荐方法的流程示意图；图2为本专利技术实施例提供的一种构建医疗知识图谱的方法的流程示意图；图3为本专利技术实施例提供的一种实体对本地的关系示意图；图4为本专利技术实施例提供的一种多学科适用的临床检查组合推荐装置的结构示意图；图5为本专利技术实施例提供的另一种多学科适用的临床检查组合推荐装置的结构示意图。具体实施方式以下结合附图对本专利技术的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术，并不用于限制本专利技术。本专利技术本文档来自技高网...

【技术保护点】
1.一种多学科适用的临床检查组合推荐方法，其特征在于，所述方法包括：获取患者的症状信息；将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，其中，所述多标签贝叶斯分类器是用从电子病历中提取到的症状以及诊断结果训练得到的；根据所述预测集合从医疗知识图谱中确定医疗检查的推荐项组合，其中，所述医疗知识图谱包括症状实体、疾病实体、单检查实体和检查组实体，所述检查组实体是通过计算所述单检查实体的频繁项集确定的。

【技术特征摘要】
1.一种多学科适用的临床检查组合推荐方法，其特征在于，所述方法包括：获取患者的症状信息；将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，其中，所述多标签贝叶斯分类器是用从电子病历中提取到的症状以及诊断结果训练得到的；根据所述预测集合从医疗知识图谱中确定医疗检查的推荐项组合，其中，所述医疗知识图谱包括症状实体、疾病实体、单检查实体和检查组实体，所述检查组实体是通过计算所述单检查实体的频繁项集确定的。2.根据权利要求1所述的方法，其特征在于，所述将所述症状信息输入已构建的多标签贝叶斯分类器，得到所述患者所患疾病的预测集合，包括：经过所述多标签贝叶斯分类器通过如下公式确定患者患每一疾病的后验概率：其中，先验概率|dj|表示所述电子病历中疾病dj的个数，|D|表示电子病历样本总数，N表示疾病类别总数，s1至sk表示k种症状；根据每一疾病的后验概率的大小，取topN种疾病作为疾病预测集合。3.根据权利要求1所述的方法，其特征在于，所述根据所述预测集合从所述医疗知识图谱中确定医疗检查的推荐项组合，包括：根据如下公式确定所述预测集合中的每一疾病在所述医疗知识图谱中分别对应的单检查实体的后验概率pi(ej)以及检查组实体的后验概率pi(E'j)：pi(ej)＝p(li)p(ej|li)；pi(E'j)＝p(li)p(E'j|li)；其中，li表示所述预测集合中的任一疾病；根据所述单检查实体和所述检查组实体的后验概率的大小，选取每一疾病的topN种检查实体，所述topN种检查实体包括单检查实体和/或检查组实体；从所述每一疾病的所述topN种检查实体中组合排序得到所述推荐项组合。4.根据权利要求3所述的方法，其特征在于，所述从所述每一疾病的所述topN种检查实体中组合排序得到所述推荐项组合，包括：从每一疾病的所述topN种检查实体中，选取一种单检查实体或者检查组实体进行组合，得到检查组合；利用DEA模型计算每一所述检查组合的相对有效性，并根据所述相对有效性对每一所述检查组合进行推荐排序。5.根据权利要求4所述的方法，其特征在于，所述医疗知识图谱还包括每一检查实体以及每一检查组实体对应的费用，则所述利用DEA模型计算每一所述检查组合的相对有效性，并根据所述相对有效性对每一所述检查组合进行推荐排序，包括：根据所述DEA模型利用如下公式计算每一检查组合的评价指标：其中，hi为任一检查组合，该检查组合中的检查实体分别为：ei1,ei2,ei3，……eim，每项的费用分别为：ci1,ci2,ci3，……cim，并且，在多项组合之后，存在于频繁项集中的检查组为E’i1,E’i2,……E’in；根...

【专利技术属性】
技术研发人员：丁帅，李玲，杨善林，陈意，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34