一种融合症状权重的疾病推荐系统技术方案

本发明专利技术特别涉及一种融合症状权重的疾病推荐系统。该融合症状权重的疾病推荐系统，包括知识图谱模块、症状集补充循环模块、症状权重计算模块、疾病相关度计算模块和疾病推荐模块；该融合症状权重的疾病推荐系统，在传统的基于知识图谱辅助诊断技术的基础上，通过症状权重计算方法为每个症状赋予了表达其典型性的权重，同时又利用疾病相关度计算方法融合症状权重值获取到了与患者当前症状最相关的疾病，解决了传统基于症状的辅助诊断中无法融合症状典型性进行诊断推荐的问题，从而提高了诊断推荐的准确性。断推荐的准确性。断推荐的准确性。

【技术实现步骤摘要】
一种融合症状权重的疾病推荐系统


[0001]本专利技术涉及知识图谱
，特别涉及一种融合症状权重的疾病推荐系统。

技术介绍

[0002]健康医疗领域是一个知识密集型的领域，临床诊断的质量主要依赖于医生所掌握的健康医疗知识以及临床经验。然而，单个医生的能力仍然非常有限。基于领域知识图谱的辅助诊断技术，是指基于知识图谱中疾病与症状知识，根据患者当前症状推理出疾病的技术。
[0003]目前，基于领域知识图谱的辅助诊断技术，一般只是基于知识图谱中疾病
‑
症状知识进行直接推理。然而，一种疾病可以表现出多种症状，相同的症状也可能出现在多种疾病中，不同的疾病可能表现出一个或者多个相同的症状。医生在基于收集到的患者信息对疾病进行筛查时，需要对筛查出的疾病进行可能性大小排名。虽然不同的疾病可能表现出一些相同的症状，但这些疾病表现出的典型症状不一定相同，或者说，相同症状于不同疾病的判断权重可能是不一样的。
[0004]基于上述情况，本专利技术提出了一种融合症状权重的疾病推荐系统。

技术实现思路

[0005]本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的融合症状权重的疾病推荐系统。
[0006]本专利技术是通过如下技术方案实现的：
[0007]一种融合症状权重的疾病推荐系统，其特征在于：包括知识图谱模块、症状集补充循环模块、症状权重计算模块、疾病相关度计算模块和疾病推荐模块；
[0008]所述知识图谱模块涉及知识的存储模块，包括疾病
‑
症状知识图谱子模块与增加症状权重的疾病
‑
症状知识图谱子模块两部分；
[0009]所述疾病
‑
症状知识图谱子模块是包含疾病相关症状知识的知识图谱，用于帮助用户补充症状和计算症状权重；
[0010]所述增加症状权重的疾病
‑
症状知识图谱子模块以实体属性的方式，为其中的每个症状实体保存利用疾病
‑
症状知识图谱子模块的症状权重计算方法所得的症状实体权重。
[0011]在初始获取患者症状集后，需要融合疾病
‑
症状知识图谱子模块为用户提供补充症状集，所述症状集补充循环模块用于供用户对初始患者症状集进行补充，包含患者症状集获取和症状集补充两个部分；
[0012]所述患者症状集获取部分负责将获取的患者症状转化为以下格式：
[0013]S＝{s1,s2,
……
s
i
}，s∈SY
[0014]所述症状集补充部分，依据患者症状集S，从疾病
‑
症状知识图谱子模块中获取到当前症状集相关的疾病集D以及疾病集D中各疾病所有的临床症状集合DS；
[0015]求取临床症状集合DS与患者症状集S的补集CS，即为本轮循环中需要推荐给用户的补充症状集。
[0016]当用户不再依据补充症状集内容进行患者症状补充时，症状集补充循环结束，此时患者症状集为最终系统运算使用的患者症状集S。
[0017]所述症状权重计算模块采用基于疾病
‑
症状知识图谱子模块的症状权重计算方法，完成各症状的权重计算，并将各症状权重以症状的实体属性形式保存于增加症状权重的疾病
‑
症状知识图谱子模块中。
[0018]所述基于疾病
‑
症状知识图谱子模块的症状权重计算方法是通过基于症状被包含的疾病数量来表示症状于疾病的权重w的算法，具体计算公式如下所示：
[0019][0020]其中，N为病种库疾病总数，对于每一种症状s，Ns为与症状s具有语义关系的疾病的数量，Ws为症状s对于疾病诊断的权重。
[0021]所述疾病相关度计算模块利用基于症状集的疾病相关度计算方法，计算患者患各类疾病的相关度，该相关度值越高，说明患者患该疾病的可能性越大。
[0022]知识库中的症状数为M疾病数为N，患者输入的症状集S＝{s1,s2,
…
,sj},1≤j≤M，知识库中与症状集S中的一个或者多个症状具有语义关联的疾病构成的集合为D＝{dl,d2,
…
,di}，1≤i≤N；基于症状集的疾病相关度计算公式下：
[0023][0024]式中，Wi为疾病di与患者输入症状集S的相关度，Si为疾病di在知识库中关联的症状集合，Si
’
为集合Si与集合S的交集，
[0025]所述疾病推荐模块用于对相关度Wi进行降序排列，并将前10个相关度Wi对应的疾病作为相关度最高的疾病推荐给用户。
[0026]所述疾病
‑
症状知识图谱子模块的建设包括知识获取、知识schema设计和知识库导入三部分：
[0027]第一步，知识获取
[0028]数据源为公开发布的《常用临床医学名词》和卫健委发布的临床路径，获取到上述数据后，利用人工或文本解析工具从《常用临床医学名词》文本中提取症状与疾病名词，提取格式如下。
[0029][症状1，症状2，
……
]、[疾病1，疾病2，
……
]……
[0030]利用人工或文本解析工具从临床路径中提取疾病与症状知识，格式如下：
[0031][(疾病1，症状1)，(疾病1，症状2)，(疾病2，症状1)，
…
(疾病d，症状s)]。
[0032]由于一个疾病可以有多个症状，一个症状也会关联多个相关疾病。因此在列表中，一个疾病可以出现在多个元组(一对小括号为一个元组)中，一个症状也会出现在多个元组中。
[0033]第二步、知识schema设计
[0034]知识schema是指知识图谱的模式层内容，即确定知识图谱中知识的起始实体类
型、关系类型与终止实体类型内容；
[0035]该知识图谱中仅包含疾病
‑
症状一类知识，schema如下：
[0036]起始实体类型关系类型终止实体类型疾病临床症状症状
[0037]第三步、知识库导入
[0038]首先，将提取的知识按照知识schema内容转换为三元组形式，如下所示：
[0039][(疾病1，临床症状，症状1)，(疾病1，临床症状，症状2)，(疾病2，临床症状，症状1)，
……
(疾病d，临床症状，症状s)][0040]然后，将以上三元组集合入到neo4j图数据库中；其中，三元组首个元素为起始实体，第二个元素为关系类型(边类型)，第三个元素为终止实体。
[0041]所述症状权重计算模块负责完成疾病
‑
症状知识获取、权重计算和症状权重输出三个部分：
[0042]第一步、疾病
‑
症状知识获取
[0043]获取neo4j图数据库中的疾病
‑
症状知识，并整理为如下格式：
[0044]D2S＝{疾病1：[症状1，症状2，
……
]，
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合症状权重的疾病推荐系统，其特征在于：包括知识图谱模块、症状集补充循环模块、症状权重计算模块、疾病相关度计算模块和疾病推荐模块；所述知识图谱模块涉及知识的存储模块，包括疾病
‑
症状知识图谱子模块与增加症状权重的疾病
‑
症状知识图谱子模块两部分；所述疾病
‑
症状知识图谱子模块是包含疾病相关症状知识的知识图谱，用于帮助用户补充症状和计算症状权重；所述增加症状权重的疾病
‑
症状知识图谱子模块以实体属性的方式，为其中的每个症状实体保存利用疾病
‑
症状知识图谱子模块的症状权重计算方法所得的症状实体权重。2.根据权利要求1所述的融合症状权重的疾病推荐系统，其特征在于：在初始获取患者症状集后，需要融合疾病
‑
症状知识图谱子模块为用户提供补充症状集，所述症状集补充循环模块用于供用户对初始患者症状集进行补充，包含患者症状集获取和症状集补充两个部分；所述患者症状集获取部分负责将获取的患者症状转化为以下格式：S＝{s1,s2,
……
s
i
}，s∈SY所述症状集补充部分，依据患者症状集S，从疾病
‑
症状知识图谱子模块中获取到当前症状集相关的疾病集D以及疾病集D中各疾病所有的临床症状集合DS；求取临床症状集合DS与患者症状集S的补集CS，即为本轮循环中需要推荐给用户的补充症状集；当用户不再依据补充症状集内容进行患者症状补充时，症状集补充循环结束，此时患者症状集为最终系统运算使用的患者症状集S；所述症状权重计算模块采用基于疾病
‑
症状知识图谱子模块的症状权重计算方法，完成各症状的权重计算，并将各症状权重以症状的实体属性形式保存于增加症状权重的疾病
‑
症状知识图谱子模块中；所述疾病相关度计算模块利用基于症状集的疾病相关度计算方法，计算患者患各类疾病的相关度，该相关度值越高，说明患者患该疾病的可能性越大；所述疾病推荐模块用于对相关度Wi进行降序排列，并将前10个相关度Wi对应的疾病作为相关度最高的疾病推荐给用户。3.根据权利要求2所述的融合症状权重的疾病推荐系统，其特征在于：所述基于疾病
‑
症状知识图谱子模块的症状权重计算方法是通过基于症状被包含的疾病数量来表示症状于疾病的权重w的算法，具体计算公式如下所示：其中，N为病种库疾病总数，对于每一种症状s，Ns为与症状s具有语义关系的疾病的数量，Ws为症状s对于疾病诊断的权重。4.根据权利要求3所述的融合症状权重的疾病推荐系统，其特征在于：若知识库中的症状数为M疾病数为N，患者输入的症状集S＝{s1,s2,
…
,sj},1≤j≤M，知识库中与症状集S中的一个或者多个症状具有语义关联的疾病构成的集合为D＝{dl,d2,
…
,di}，1≤i≤N；基于症状集的疾病相关度计算公式下：
式中，Wi为疾病di与患者输入症状集S的相关度，Si为疾病di在知识库中关联的症状集合，Si
’
为集合Si与集合S的交集。5.根据权利要求4所述的融合症状权重的疾病推荐系统，其特征在于：所述疾病
‑
症状知识图谱子模块的建设包括知识获取、知识schema设计和知识库导入三部分：第一步，知识获取数据源为公开发布的《常用临床医学名词》和卫健委发布的临床路径，获取到上述数据后，利用人工或文本解析工具从《常用临床医学名词》文本中提取症状与疾病名词，提取格式如下：[症状1，症状2，
……
]、[疾病1，疾病2，
……
]利用人工或文本解析工具从临床路径中提取疾病与症状知识，格式如下：[(疾病1，症状1)，(疾病1，症状2)，(疾病2，症状1)，
…
(疾病d，症状s)]第二步、知识schema设计知识schema是指知识图谱的模式层内容，即确定知识图谱中知识的起始实体类型、关系类型与终止实体类型内容；该知识图谱中仅包含疾病
‑
症状一类知识，schema如下：起始实体类型关系类型终止实体类型疾病临床症状症状第三步、知识库导入首先，将提取的知识按照知识schema内容转换为三元组形式，如下所示：[(疾病1，临床症状，症状1)，(疾病1，临床症状，症状2)，(疾病2，临床症状，症状1)，
……
(疾病d，临床症状，症状s)]然后，将以上三元组集合入到neo4j图数据库中；其中，三元组首个元素为起始实体，第二个元素为关系类型(边类型)，第三个元素为终止实体。6.根据权利要求5所述的融合症状权重的疾病推荐系统，其特征在于：所述症状权重计算模块负责完成疾病
‑
症状知识获取、权重计算和症状权重输出三个部分：第一步、疾病
‑
症状知识获取获取neo4j图数据库中的疾病
‑
症状知识，并整理为如下格式：D2S＝{疾病1：[症状1，症状2，
……
]，
……

【专利技术属性】
技术研发人员：刘文丽，李向阳，
申请(专利权)人：浪潮软件集团有限公司，
类型：发明
国别省市：