本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種醫(yī)學知識圖譜的構(gòu)建方法、裝置及輔助診斷方法。

背景技術(shù)：

知識圖譜作為一個結(jié)構(gòu)化的信息網(wǎng)絡，打破了原有的關(guān)系型數(shù)據(jù)庫的限制，具有非常強大的表達能力，它在信息檢索和信息整合等領(lǐng)域扮演著越來越重要的角色，可以為用戶提供更廣度、更深度的知識體系并不斷擴充。

目前，知識圖譜的應用非常廣泛，在醫(yī)學領(lǐng)域中，構(gòu)建醫(yī)學知識圖譜，可以將病癥、疾病與診療手段之間的錯綜復雜的關(guān)系，通過知識圖譜構(gòu)建成數(shù)據(jù)庫，從而可以為醫(yī)護人員提供很好的輔助診斷手段。但是，現(xiàn)有的醫(yī)學知識圖譜的結(jié)構(gòu)比較簡單，并且在利用知識圖譜進行輔助診斷上，由于知識圖譜的結(jié)構(gòu)限制，不能很好地為醫(yī)護人員提供幫助。

技術(shù)實現(xiàn)要素：

基于上述問題，本發(fā)明提供一種醫(yī)學知識圖譜的構(gòu)建方法、裝置及輔助診斷方法，能夠為臨床醫(yī)學提供智能化的輔助診斷。

為解決上述問題，本發(fā)明提供了一種醫(yī)學知識圖譜的構(gòu)建方法，包括：

收集醫(yī)學數(shù)據(jù)庫中的數(shù)據(jù)，構(gòu)建用戶詞典；

根據(jù)所述用戶詞典和停止詞詞庫，對電子病歷數(shù)據(jù)進行處理；

將處理后的數(shù)據(jù)進行命名實體識別；

將識別的各個實體建立關(guān)聯(lián)關(guān)系；

根據(jù)各個實體以及各個實體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學知識圖譜。

其中，所述將處理后的數(shù)據(jù)進行命名實體識別，具體還包括：

通過處理后的診斷數(shù)據(jù)得到疾病實體，通過處理后的體檢數(shù)據(jù)得到體征實體，根據(jù)處理后的患者主訴數(shù)據(jù)得到癥狀實體，根據(jù)處理意見數(shù)據(jù)得到處理實體，根據(jù)科室信息得到科室實體。

其中，所述將識別的各個實體建立關(guān)聯(lián)關(guān)系，具體包括：

對疾病實體，分別與癥狀實體、體征實體、處理實體、科室實體建立關(guān)聯(lián)關(guān)系；

其中，所述關(guān)聯(lián)關(guān)系強度采用以下公式：

z＝x/y

其中，y表示某項疾病的病歷份數(shù)，x表示某項疾病的病歷中目標實體出現(xiàn)的總次數(shù)，所述目標實體為癥狀實體、體征實體、處理實體、科室實體中的任一個。

其中，所述根據(jù)各個實體以及各個實體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學知識圖譜，具體包括：

將處理后的實體依據(jù)關(guān)聯(lián)關(guān)系形成的實體對及其相應的關(guān)聯(lián)關(guān)系強度值導入neo4j圖形數(shù)據(jù)庫，并可視化，生成所述醫(yī)學知識圖譜。

其中，所述方法還包括：

根據(jù)當前獲取的患者診斷結(jié)果和患者主訴及檢查數(shù)據(jù)，對相應實體之間的關(guān)聯(lián)強度進行實時更新。在本發(fā)明的另一個方面，提供一種基于醫(yī)學知識圖譜的計算機輔助診斷方法，包括：

獲取患者的主訴數(shù)據(jù)和檢查數(shù)據(jù)；

對所述主訴數(shù)據(jù)和檢查進行預處理，得到患者的癥狀實體和體征實體構(gòu)成的集合；

在醫(yī)學知識圖譜中查找與所述癥狀實體和體征實體相關(guān)聯(lián)的疾病實體集合；

根據(jù)所述疾病實體集合和每個疾病實體所對應的癥狀實體與體征實體構(gòu)成的集合，分別計算每個疾病實體在其對應的癥狀實體與體征實體構(gòu)成的集合下的后驗概率；

輸出后驗概率最大的疾病實體及其關(guān)聯(lián)節(jié)點對應的數(shù)據(jù)。

其中，所述計算每個疾病實體在其對應子集下的后驗概率，具體包括：

對于疾病di，在對應的癥狀實體與體征實體構(gòu)成的子集{t1,t2,...tk}下的后驗概率為：

其中，k為癥狀實體與體征實體的個數(shù)，k為癥狀實體與體征實體的個數(shù)。

通過所述癥狀實體與知識圖譜中的疾病實體的關(guān)系強度值

在本發(fā)明的又一個方面，提供一種醫(yī)學知識圖譜的構(gòu)建裝置，所述裝置包括：

用戶詞典構(gòu)建單元，用于收集醫(yī)學數(shù)據(jù)庫中的數(shù)據(jù)，構(gòu)建用戶詞典；

數(shù)據(jù)處理單元，用于根據(jù)所述用戶詞典和停止詞詞庫，對電子病歷數(shù)據(jù)進行處理；

實體識別單元，用于對數(shù)據(jù)處理單元處理后的數(shù)據(jù)進行命名實體識別；

關(guān)聯(lián)關(guān)系建立單元，用于對實體識別單元形成的各個實體建立關(guān)聯(lián)關(guān)系；

醫(yī)學知識圖譜構(gòu)建單元，用于根據(jù)所述各個實體以及各個實體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學知識圖譜。

其中，所述實體識別單元，具體包括：

疾病實體識別子單元，用于對處理后的診斷數(shù)據(jù)進行命名實體識別，得到疾病實體；

體征實體識別子單元，用于對處理后的體檢數(shù)據(jù)進行命名實體識別，得到體征實體；

癥狀實體識別子單元，用于對處理后的患者主訴數(shù)據(jù)進行命名實體識別，得到癥狀實體；

處理實體識別子單元，用于對處理后的處理意見數(shù)據(jù)進行命名實體識別，得到處理實體；

科室實體識別子單元，用于對處理后的科室信息進行命名實體識別，得到科室實體。

其中，所述裝置還包括：

更新單元，用于根據(jù)當前獲取的患者診斷結(jié)果和患者主訴及檢查數(shù)據(jù)，對相應實體之間的關(guān)聯(lián)強度進行實時更新。本發(fā)明的醫(yī)學知識圖譜的構(gòu)建方法、裝置及輔助診斷方法，通過使用醫(yī)學知識圖譜進行輔助診斷，能夠減輕醫(yī)護人員工作負擔，有效緩解醫(yī)療壓力，從而降低醫(yī)療事故的發(fā)生。同時，對于醫(yī)護工作者憑借經(jīng)驗不能確診的病例，提供了精確的計算機輔助診斷，對醫(yī)護人員工作的有力支撐。

此外，對于沒有相應醫(yī)學專業(yè)知識背景的普通人，通過自身癥狀，依靠系統(tǒng)而了解自身所患的疾病信息以及相應的治療意見，了解基本的可行的疾病應對方法。

附圖說明

圖1示出了本發(fā)明的醫(yī)學知識圖譜的構(gòu)建方法的流程圖。

圖2示出了本發(fā)明的基于醫(yī)學知識圖譜的輔助診斷方法的流程圖。

圖3示出了本發(fā)明的醫(yī)學知識圖譜的構(gòu)建裝置的結(jié)構(gòu)框圖。

具體實施方式

下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

圖1示出了本發(fā)明的醫(yī)學知識圖譜的構(gòu)建方法的流程圖。

參照圖1，本發(fā)明的醫(yī)學知識圖譜的構(gòu)建方法，具體包括以下步驟：

s11、收集醫(yī)學數(shù)據(jù)庫中的數(shù)據(jù)，構(gòu)建用戶詞典。

在本實施例中，在現(xiàn)有的醫(yī)學數(shù)據(jù)庫中，依據(jù)icd-10和icd-9-cm，收集相關(guān)的數(shù)據(jù)，構(gòu)建成用戶詞典。

s12、根據(jù)所述用戶詞典和停止詞詞庫，對電子病歷數(shù)據(jù)進行處理。

本實施例中，構(gòu)建知識圖譜使用的數(shù)據(jù)可以是從現(xiàn)有的電子病歷中獲取的數(shù)據(jù)，如患者主訴、科室、病史、體檢、診斷、處理意見等相關(guān)數(shù)據(jù)，然后根據(jù)用戶詞典以及停止詞詞庫，可以使用相關(guān)的醫(yī)學語言處理技術(shù)(mlp)對電子病歷的數(shù)據(jù)進行處理，也可以對數(shù)據(jù)進行文本分詞，去除停止詞等處理，使得構(gòu)建知識圖譜的數(shù)據(jù)更精確。

s13、將處理后的數(shù)據(jù)進行命名實體識別。

在一個實施例中，可以通過條件隨機場模型(crf)機器學習的方法，運用crf++工具進行命名實體識別，如一個實施例中，通過處理后的診斷數(shù)據(jù)得到疾病實體，通過處理后的體檢數(shù)據(jù)得到體征實體，根據(jù)處理后的患者主訴數(shù)據(jù)得到癥狀實體，根據(jù)處理意見數(shù)據(jù)得到處理實體，根據(jù)科室信息得到科室實體。

s14、將識別的各個實體建立關(guān)聯(lián)關(guān)系。

本實施例中，對疾病實體，分別與癥狀實體、體征實體、處理實體、科室實體建立關(guān)聯(lián)關(guān)系，該關(guān)聯(lián)關(guān)系強度采用以下公式：

z＝x/y

其中，y表示某項疾病的病歷份數(shù)，x表示某項疾病的病歷中目標實體出現(xiàn)的總次數(shù)，所述目標實體為癥狀實體、體征實體、處理實體、科室實體中的任一個。

s15、根據(jù)各個實體以及各個實體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學知識圖譜。

具體地，將處理后的實體依據(jù)關(guān)聯(lián)關(guān)系形成的實體對及其相應的關(guān)聯(lián)關(guān)系強度值導入neo4j圖形數(shù)據(jù)庫，并可視化，生成所述醫(yī)學知識圖譜。

在進一步的實施例中，當使用上述知識圖譜進行輔助診斷后，根據(jù)診斷后的疾病結(jié)果，以及患者的主訴及檢查數(shù)據(jù)，對相應實體之間的關(guān)聯(lián)強度值進行更新，其關(guān)系強度為z＝(x+1)/(y+1)，其中y為已處理錄入的該項疾病的病歷份數(shù)，x為已處理錄入的該項疾病的病歷中目標實體出現(xiàn)次數(shù)。

本發(fā)明的醫(yī)學知識圖譜，將電子病歷作為建立知識圖譜的源數(shù)據(jù)，通過建立各個實體之間的關(guān)聯(lián)關(guān)系，從而能夠建立精確的知識圖譜，為醫(yī)護人員對疾病的針對起到很好的輔助作用，并能夠為醫(yī)護人員減輕工作負擔，有效緩解了醫(yī)療壓力，從而降低醫(yī)療事故的發(fā)生。

在本發(fā)明的另一個實施例中，提供一種基于醫(yī)學知識圖譜的輔助診斷方法，如圖2所示，其具體步驟包括：

s21、獲取患者的主訴數(shù)據(jù)和檢查數(shù)據(jù)；

s22、對所述主訴數(shù)據(jù)和檢查數(shù)據(jù)進行預處理，得到患者的癥狀實體和體征實體構(gòu)成的集合；如對主訴數(shù)據(jù)和檢查數(shù)據(jù)進行文本分詞、去除停止詞、以及命名實體識別處理等，以得到癥狀實體和體征實體構(gòu)成的集合。

s23、在醫(yī)學知識圖譜中查找與所述癥狀實體和體征實體相關(guān)聯(lián)的疾病實體集合；

根據(jù)步驟s22得到的癥狀實體和體征實體的集合中的實體與疾病實體的關(guān)聯(lián)關(guān)系，在醫(yī)學知識圖譜中查找疾病實體集合d{d1,d2,...dn}。

在上述過程中，可以設(shè)定疾病di對癥狀實體或體征實體sj的條件概率p(sj|di)為兩實體之間的關(guān)系強度值，即p(sj|di)＝x/y。

s24、根據(jù)步驟s23得到的疾病實體和步驟s22得到的每個疾病實體所對應的癥狀實體與體征實體構(gòu)成的集合，分別計算每個疾病實體在其對應的癥狀實體與體征實體構(gòu)成的集合下的后驗概率；

s25、輸出后驗概率最大的疾病實體及其關(guān)聯(lián)節(jié)點對應的數(shù)據(jù)。

在上述過程中，對應疾病實體集合d中的n個疾病實體，通過關(guān)聯(lián)關(guān)系找到癥狀實體與體征實體對應的n個集合。對于疾病di，在對應的癥狀實體與體征實體構(gòu)成的集合{t1,t2,...tk}下的后驗概率為：

其中，n為疾病實體的個數(shù)，k為癥狀實體與體征實體的個數(shù)，即上述后驗概率為：

通過上述計算的后驗概率，將后驗概率最大的疾病及其關(guān)聯(lián)節(jié)點對應的數(shù)據(jù)作為診斷結(jié)果。

本實施例的基于醫(yī)學知識圖譜的計算機輔助診斷方法，使用終端設(shè)備采集患者主訴，檢查數(shù)據(jù)，并對數(shù)據(jù)進行醫(yī)學語言處理mlp(分詞、去停止詞)，命名實體識別處理，得到相應實體信息，依托已構(gòu)建的醫(yī)學知識圖譜，通過關(guān)聯(lián)關(guān)系，找到對應的候選疾病集，然后采用貝葉斯算法進行輔助診斷，確認患者所患何種疾病，為臨床醫(yī)學提供智能化的輔助診斷。

在本發(fā)明的又一個實施例中，提供一種醫(yī)學知識圖譜的構(gòu)建裝置，如圖2所示，該裝置包括：

用戶詞典構(gòu)建單元10，用于收集醫(yī)學數(shù)據(jù)庫中的數(shù)據(jù)，構(gòu)建用戶詞典；

數(shù)據(jù)處理單元20，用于根據(jù)所述用戶詞典和停止詞詞庫，對電子病歷數(shù)據(jù)進行處理；

實體識別單元30，用于對數(shù)據(jù)處理單元處理后的數(shù)據(jù)進行命名實體識別；

關(guān)聯(lián)關(guān)系建立單元40，用于對實體識別單元30形成的各個實體建立關(guān)聯(lián)關(guān)系；

醫(yī)學知識圖譜構(gòu)建單元50，用于根據(jù)所述各個實體以及各個實體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學知識圖譜。

具體地，上述實施例中，實體識別單元30包括：

疾病實體識別子單元，用于對處理后的診斷數(shù)據(jù)進行命名實體識別，得到疾病實體；

體征實體識別子單元，用于對處理后的體檢數(shù)據(jù)進行命名實體識別，得到體征實體；

癥狀實體識別子單元，用于對處理后的患者主訴數(shù)據(jù)進行命名實體識別，得到癥狀實體；

處理實體識別子單元，用于對處理后的處理意見數(shù)據(jù)進行命名實體識別，得到處理實體；

科室實體識別子單元，用于對處理后的科室信息進行命名實體識別，得到科室實體。

在又一個實施例中，本發(fā)明的醫(yī)學知識圖譜的構(gòu)建裝置還包括：更新單元，用于根據(jù)當前獲取的患者診斷結(jié)果和患者主訴及檢查數(shù)據(jù)，對相應實體之間的關(guān)聯(lián)強度進行實時更新。

本發(fā)明的醫(yī)學知識圖譜的構(gòu)建方法、裝置及輔助診斷方法，通過使用醫(yī)學知識圖譜進行輔助診斷，能夠減輕醫(yī)護人員工作負擔，有效緩解醫(yī)療壓力，從而降低醫(yī)療事故的發(fā)生。同時，對于醫(yī)護工作者憑借經(jīng)驗不能確診的病例，提供了精確的計算機輔助診斷，對醫(yī)護人員工作的有力支撐。

此外，對于沒有相應醫(yī)學專業(yè)知識背景的普通人，通過自身癥狀，依靠系統(tǒng)而了解自身所患的疾病信息以及相應的治療意見，了解基本的可行的疾病應對方法。

以上實施方式僅用于說明本發(fā)明，而并非對本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護范圍應由權(quán)利要求限定。