【技术实现步骤摘要】
一种基于医疗知识图谱的智能医疗数据管理系统及方法
[0001]本专利技术涉及医疗知识图谱领域,具体为一种基于医疗知识图谱的智能医疗数据管理系统及方法。
技术介绍
[0002]目前医院中都普遍使用CDSS(ClinicalDecisionSupportSystem,临床决策支持系统)来进行病例、患者管理。CDSS中主要用于对所有的病例数据进行数据库字段的存储和管理;其对诊疗流程和各种风险的预测,主要是通过人工规则的方式进行设定,缺乏灵活性。医生只能单纯地查看、编辑这些数据。
[0003]但是由于不同医院之间使用的CDSS一般不通用,因此CDSS的使用只能对本医院的病人病例和数据进行管理,灵活性差。此外,目前的CDSS系统,普遍缺乏对电子数据的有效分析,因此其进行诊疗流程和风险预测的能力有限。
[0004]随着科学技术的发展。在进行诊疗优化、风险预测时,CDSS会应用知识图谱数据,通过知识图谱中的数据信息,进行最佳诊疗匹配,而鉴于知识图谱数据构建本身的要求较高,因此,现在CDSS经常会遇到很多问题,例如:知识图谱数据规模较小,在实际应用中应用场景受限;数据错误过多,无法真正用于实际的医疗工作;数据过于丰富,但是缺乏场景定制化(针对不同国家、不同地区,提供的数据完全相同),忽略了不同地域人群之间的患病概率、治疗水平等外部因素的差异,导致实际使用中指导性较差;
[0005]知识图谱涉及技术繁多,其中主要包括知识表示、图谱构建和图谱应用三个方面。知识表示是针对计算机内部表示和处理客观事件知识的方法研究; ...
【技术保护点】
【技术特征摘要】
1.一种基于医疗知识图谱的智能医疗数据管理方法,其特征在于,所述方法包括以下步骤:S1、通过医疗大数据获取妇幼患者的信息;S2、采用机器学习技术,根据获取的妇幼患者的信息进行实体抽取、关系抽取和属性抽取;S3、结合实体抽取、关系抽取和属性抽取的内容进行知识融合,并构建医疗知识图谱;S4、根据患者信息,结合医疗知识图谱进行实体识别与关系抽取,匹配最佳诊疗方案。2.根据权利要求1所述一种基于医疗知识图谱的智能医疗数据管理方法,其特征在于,所述S1中通过医疗大数据获取妇幼患者的信息的方法包括以下步骤:SA1、通过医疗大数据获取妇幼患者性别、年龄、疾病名称、诊断报告,并将获取的信息作为第一特征信息;SA2、通过医疗大数据获取妇幼患者疾病伴随症状、检查报告、药物配方、手术名词以及医疗设备,并将获取的信息作为第二特征信息。3.根据权利要求2所述一种基于医疗知识图谱的智能医疗数据管理方法,其特征在于,所述S2中采用机器学习技术,根据获取的妇幼患者的信息进行实体抽取、关系抽取和属性抽取的方法包括以下步骤:SB1、根据统计的方法对特征信息进行训练,通过训练样本得到隐马尔科夫模型参数,运用ML算法构建隐马尔科夫模型,并设定状态集合Q={妇幼患者性别、年龄、疾病名称、诊断报告}和观测事件集合V={妇幼患者疾病伴随症状、检查报告、药物配方、手术名词以及医疗设备};SB2、获取状态集合和观测事件集合中元素,并构建状态集合S对应的模型状态序列T,表达式为S={s1,s2,s3,...,s
T
},O={o1,o2,o3,...,o
T
},其中O表示对应训练序列的观测序列;SB3、根据公式对训练序列的初始概率和转移概率进行分块,其中P
i
表示初始状态为i的概率,P
i
→
j
表示从状态i转移到状态j的概率,O
i
表示观测序列O中初始状态为i的序列个数,O
i
→
j
表示观测序列O中,从状态i转移到状态j的次数;SB4、根据公式得到输出释放概率,其中S
i
(V
j
)表示观测序列O中,状态为i对应释放单词V
j
的次数,M表示输出单词的值,即观测事件集合中的元素;SB5、基于隐马尔科夫模型进行文本信息抽取,以观测序列O={o1,o2,o3,...,o
T
}作为模型的输入,采用Viterbi算法,找出最大概率的状态标签序列,被标记为目标状态标签的观察文本即为妇幼医疗知识抽取的内容;SB6、基于RNN关系抽取模型,针对每一个状态集合中元素的输入,通过词嵌入处理转换成固定维度的向量;SB7、采用双向RNN层进行特征抽取,通过双向RNN建模输入序列的语义特征;SB8、基于RNN层特征抽取,得到一个输出序列,即{b1,b2,b3,...,b
t
};
SB9、根据公式m
i
=MAX(b
t
)
i
1<i<L
RNN
得到状态为i的集合中元素经过处理后转换成固定维度的向量值,记为m,并通过so...
【专利技术属性】
技术研发人员:刘尊亮,吴芸,王路路,李云志,吉昱行,郝宁,商超,
申请(专利权)人:江苏雷奥生物科技有限公司,
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。