本发明专利技术实施例提供了一种基于医学知识图谱的疾病类别评估装置及方法，包括：获取模块，用于获取N维病状特征；确定模块，用于将所述N维病状特征输入至基于医学知识图谱的疾病类别评估模型，得到与所述N维病状特征对应的所属疾病类别；其中，所述基于医学知识图谱的疾病类别评估模型为采用N维病状特征样本作为输入数据，以及与所述N维病状特征样本对应的所属疾病类别作为输出数据，输出数据是基于机器学习算法训练得到的。本实施例能够借助大数据及人工智能技术弥补在线优质医疗资源不足的现状，并为远程问诊提供有效支援。并为远程问诊提供有效支援。并为远程问诊提供有效支援。
【技术实现步骤摘要】
基于医学知识图谱的疾病类别评估装置及方法
[0001]本专利技术涉及计算机
，尤其涉及一种基于医学知识图谱的 疾病类别评估装置及方法。
技术介绍
[0002]目前基于移动互联网技术和移动智能终端，医疗互联网化进程加 快，我国三大运营商移动用户总数达15.98亿用户，其中，我国互联网 医疗用户2015年突破1亿，2017年达到3.8亿人。根据中商产业研究 院发布的《2018
‑
2022年移动医疗行业市场前景及投资机会研究报告》 数据，得益于知识付费时代和医药电商政策放开，互联网医疗产业市 场规模快速增长，2017年达到231.4亿元，预计2020年互联网医疗市 场规模将超越1000亿元。随着移动智能终端的普及，不断涌现的种类 繁多的移动医疗软件，将为医院和百姓提供更为便捷的医疗资讯和诊 疗服务。其中，医疗信息查询、网上预约挂号用户使用率最高，分别 达到10.8％、10.4％，其次为网上咨询问诊、网购药品/医疗器械/健康 产品、运动健身管理，占网民比例在6％左右。在《关于促进“互联网 +医疗健康”发展的意见》颁布实施后，我国主要医疗机构都相继建立 其互联网医院，各互联网医疗机构也风起云涌，互联网医疗已经覆盖 了临床医学的多个学科，包括内、外、妇、儿、康复、护理、监护、 影像、口腔、五官、精神病、皮肤、心理以及医学教育等。但是主要 开展了以挂号与轻问诊等形式的互联网医疗业务，也取得了一些重要 进展。当前我国发展的互联网医疗，基本上集中在医疗业务流程优化、 轻问诊环节，遇到突发重大公共卫生事件几乎就束手无策。随着大数 据、人工智能等前沿技术在互联网医疗中的运用，互联网医疗将在医 疗体系中发挥越来越大的作用，也有望在应对大规模突发疫情时发挥 关键作用。
[0003]
技术实现思路
[0004]针对现有技术中存在的问题，本专利技术实施例提供一种基于医学知 识图谱的疾病类别评估装置及方法。
[0005]第一方面，本专利技术实施例提供一种基于医学知识图谱的疾病类别 评估装置，包括：
[0006]获取模块，用于获取N维病状特征；
[0007]确定模块，用于将所述N维病状特征输入至基于医学知识图谱的 疾病类别评估模型，得到与所述N维病状特征对应的所属疾病类别； 其中，所述基于医学知识图谱的疾病类别评估模型为采用N维病状特 征样本作为输入数据，以及与所述N维病状特征样本对应的所属疾病 类别作为输出数据，输出数据是基于机器学习算法训练得到的。
[0008]进一步地，所述基于医学知识图谱的疾病类别评估模型具体包括：
[0009]数据标注模块，用于提取K个类别的疾病样本的N维病状特征；
[0010]模型训练模块，用于基于所述K个类别的疾病样本的N维病状特 征，采用高斯核函
数的成对分类的多分类支持向量机算法构建分类模 型进行模型训练；
[0011]知识图谱检索模块，用于基于预设的医学知识图谱通过关键字段 进行知识检索，确定与所述关键字段对应的N维病状特征；
[0012]评估模块，用于将与所述关键字段对应的N维病状特征输入到所 述分类模型进行评估，确定与所述N维病状特征样本对应的所属疾病 类别。
[0013]进一步地，所述医学知识图谱存储有图数据库；
[0014]相应地，所述知识图谱检索模块，具体用于：
[0015]基于图数据库通过关键字段进行知识检索；
[0016]所述图数据库返回与所述关键字段关联的节点和属性；
[0017]基于与所述关键字段关联的节点和属性确定与所述关键字段对应 的N维病状特征。
[0018]进一步地，所述装置，还包括：
[0019]数据查询模块，用于基于医学知识数据库随机抽取数据，将抽取 到的数据导入到标注平台中；
[0020]先验标注模块，用于基于所述标注平台预设的标注规则对导入的 数据进行标注；
[0021]数据保存模块，用于将标注好的数据保存到已标注的数据库中。
[0022]进一步地，所述评估模块，具体用于：
[0023]将与所述关键字段对应的N维病状特征按照训练过程中记录的每 一类独立模型对应的病状特征记录表输入到所述分类模型进行评估计 算，并对每一类独立模型的预测结果进行投票决策，确定与所述N维 病状特征样本对应的评估分值；
[0024]基于所述评估分值确定所属疾病类别。
[0025]进一步地，所述基于医学知识图谱的疾病类别评估模型，还包括：
[0026]数据采集模块，用于基于医学知识数据库采集医学数据；
[0027]数据清洗模块，用于对医学知识数据库采集到的医学数据进行数 据清洗。
[0028]进一步地，还包括：
[0029]基于知识抽取模块、知识融合模块和知识存储模块构建医学知识 图谱；其中，所述知识抽取模块用于提取K个类别的疾病样本的N维 病状特征数据之间的关联关系；所述知识融合模块用于基于K个类别 的疾病样本的N维病状特征数据之间的关联关系提取不同关系的相似 性及差异性，并基于不同关系的相似性及差异性进行合并或区分；所 述知识存储模块用于对知识抽取模块和知识融合模块中的数据进行存 储。
[0030]第二方面，本专利技术实施例提供了一种基于医学知识图谱的疾病类 别评估方法，包括：
[0031]获取N维病状特征；
[0032]将所述N维病状特征输入至基于医学知识图谱的疾病类别评估模 型，得到与所述N维病状特征对应的所属疾病类别；其中，所述基于 医学知识图谱的疾病类别评估模型为采用N维病状特征样本作为输入 数据，以及与所述N维病状特征样本对应的所属疾病类别作为输出数 据，输出数据是基于机器学习算法训练得到的。
[0033]进一步地，所述基于医学知识图谱的疾病类别评估模型，包括：
[0034]提取K个类别的疾病样本的N维病状特征；
[0035]基于所述K个类别的疾病样本的N维病状特征，采用高斯核函数 的成对分类的多分类支持向量机算法构建分类模型进行模型训练；
[0036]基于预设的医学知识图谱通过关键字段进行知识检索，确定与所 述关键字段对应的N维病状特征；
[0037]将与所述关键字段对应的N维病状特征输入到所述分类模型进行 评估，确定与所述N维病状特征样本对应的所属疾病类别。
[0038]进一步地，所述医学知识图谱存储有图数据库；
[0039]相应地，基于预设的医学知识图谱通过关键字段进行知识检索， 确定与所述关键字段对应的N维病状特征，具体包括：
[0040]基于图数据库通过关键字段进行知识检索；
[0041]所述图数据库返回与所述关键字段关联的节点和属性；
[0042]基于与所述关键字段关联的节点和属性确定与所述关键字段对应 的N维病状特征。
[0043]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处 理器执行所述程序时实现如上第本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于医学知识图谱的疾病类别评估装置，其特征在于，包括：获取模块，用于获取N维病状特征；确定模块，用于将所述N维病状特征输入至基于医学知识图谱的疾病类别评估模型，得到与所述N维病状特征对应的所属疾病类别；其中，所述基于医学知识图谱的疾病类别评估模型为采用N维病状特征样本作为输入数据，以及与所述N维病状特征样本对应的所属疾病类别作为输出数据，输出数据是基于机器学习算法训练得到的。2.根据权利要求1所述的基于医学知识图谱的疾病类别评估装置，其特征在于，所述基于医学知识图谱的疾病类别评估模型，包括：数据标注模块，用于提取K个类别的疾病样本的N维病状特征；模型训练模块，用于基于所述K个类别的疾病样本的N维病状特征，采用高斯核函数的成对分类的多分类支持向量机算法构建分类模型进行模型训练；知识图谱检索模块，用于基于预设的医学知识图谱通过关键字段进行知识检索，确定与所述关键字段对应的N维病状特征；评估模块，用于将与所述关键字段对应的N维病状特征输入到所述分类模型进行评估，确定与所述N维病状特征样本对应的所属疾病类别。3.根据权利要求2所述的基于医学知识图谱的疾病类别评估装置，其特征在于，所述医学知识图谱存储有图数据库；相应地，所述知识图谱检索模块，具体用于：基于图数据库通过关键字段进行知识检索；所述图数据库返回与所述关键字段关联的节点和属性；基于与所述关键字段关联的节点和属性确定与所述关键字段对应的N维病状特征。4.根据权利要求2所述的基于医学知识图谱的疾病类别评估装置，其特征在于，所述装置还包括：数据查询模块，用于基于医学知识数据库随机抽取数据，将抽取到的数据导入到标注平台中；先验标注模块，用于基于所述标注平台预设的标注规则对导入的数据进行标注；数据保存模块，用于将标注好的数据保存到已标注的数据库中。5.根据权利要求2所述的基于医学知识图谱的疾病类别评估装置，其特征在于，所述评估模块，具体用于：将与所...
【专利技术属性】
技术研发人员：殷波，焦立博，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：
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。