【技术实现步骤摘要】
基于医学信息的知识图谱分析方法及装置
本专利技术涉及数据处理的
，尤其是涉及一种基于医学信息的知识图谱分析方法及装置。
技术介绍
知识图谱又称为科学知识图谱，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。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，实体之间通过关系相互联结，构成网状的知识结构。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。基于此，现阶段出现了大量在线问答的应用，这些应用接收患者...
【技术保护点】
1.一种基于医学信息的知识图谱分析方法，其特征在于，所述方法包括：获取患者医学信息中所包含的分词词语，其中，所述患者医学信息包括：患者的基本信息，患者的病情信息，患者的治疗信息，患者的社交信息；基于预设医学知识库对所述分词词语进行分析，得到所述分词词语所对应的目标标准医学数据；将所述目标标准医学数据与预设疾病知识图谱进行匹配，其中，所述预设疾病知识图谱为各类疾病与其相关因素的关联性图谱；根据匹配结果确定所述患者的疾病；基于所述患者医学信息和所述患者的疾病构建所述患者的特征向量，其中，所述特征向量包括：疾病特征向量，治疗特征向量，关系特征向量；通过疾病恶化机器学习模型对所述特...
【技术特征摘要】
1.一种基于医学信息的知识图谱分析方法，其特征在于，所述方法包括：获取患者医学信息中所包含的分词词语，其中，所述患者医学信息包括：患者的基本信息，患者的病情信息，患者的治疗信息，患者的社交信息；基于预设医学知识库对所述分词词语进行分析，得到所述分词词语所对应的目标标准医学数据；将所述目标标准医学数据与预设疾病知识图谱进行匹配，其中，所述预设疾病知识图谱为各类疾病与其相关因素的关联性图谱；根据匹配结果确定所述患者的疾病；基于所述患者医学信息和所述患者的疾病构建所述患者的特征向量，其中，所述特征向量包括：疾病特征向量，治疗特征向量，关系特征向量；通过疾病恶化机器学习模型对所述特征向量进行恶化概率计算，得到所述患者的疾病恶化概率，其中，所述疾病恶化机器学习模型为通过K-MEANS算法对大量特征向量进行训练得到的模型。2.根据权利要求1所述的方法，其特征在于，基于所述患者医学信息和所述患者的疾病构建所述患者的特征向量包括：对所述患者的基本信息，所述患者的病情信息以及所述患者的疾病进行计算，得到所述疾病特征向量；对所述患者的治疗信息以及所述患者的疾病进行计算，得到所述治疗特征向量；对所述患者的疾病和所述患者的社交信息进行计算，得到所述关系特征向量。3.根据权利要求2所述的方法，其特征在于，对所述患者的基本信息，所述患者的病情信息以及所述患者的疾病进行计算，得到所述疾病特征向量包括：根据所述患者的疾病确定疾病特征；基于所述疾病特征获取疾病恶化人群的疾病特征范围和疾病稳定人群的疾病特征范围；基于所述患者的基本信息和所述患者的病情信息提取所述患者的疾病特征；结合所述疾病恶化人群的疾病特征范围，所述疾病稳定人群的疾病特征范围以及所述患者的疾病特征，确定所述患者所属的人群分布；基于所述患者所属的人群分布计算所述疾病特征向量。4.根据权利要求2所述的方法，其特征在于，对所述患者的治疗信息以及所述患者的疾病进行计算，得到所述治疗特征向量包括：根据所述患者的疾病确定治疗方案，其中，所述治疗方案中包含多个治疗特征；基于所述患者的治疗信息提取所述患者的治疗特征；将所述患者的治疗特征与所述治疗方案中的治疗特征进行匹配；根据匹配结果确定所述患者的治疗特征向量。5.根据权利要求2所述的方法，其特征在于，对所述患者的疾病和所述患者的社交信息进行计算，得到所述关系特征向量包括：将所述患者的疾病和所述患者的社交信息与历史关系图谱建立关联，其中，所述历史关系图谱为根据历史患者医学信息得到的关系图谱；通过社区发现算法对所述历史关系图谱...
【专利技术属性】
技术研发人员：李成君，仇志雄，应旭河，
申请(专利权)人：杭州认识科技有限公司，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。