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(xué)知識(shí)圖譜的構(gòu)建方法、裝置及輔助診斷方法。

背景技術(shù)：

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

目前，知識(shí)圖譜的應(yīng)用非常廣泛，在醫(yī)學(xué)領(lǐng)域中，構(gòu)建醫(yī)學(xué)知識(shí)圖譜，可以將病癥、疾病與診療手段之間的錯(cuò)綜復(fù)雜的關(guān)系，通過(guò)知識(shí)圖譜構(gòu)建成數(shù)據(jù)庫(kù)，從而可以為醫(yī)護(hù)人員提供很好的輔助診斷手段。但是，現(xiàn)有的醫(yī)學(xué)知識(shí)圖譜的結(jié)構(gòu)比較簡(jiǎn)單，并且在利用知識(shí)圖譜進(jìn)行輔助診斷上，由于知識(shí)圖譜的結(jié)構(gòu)限制，不能很好地為醫(yī)護(hù)人員提供幫助。

技術(shù)實(shí)現(xiàn)要素：

基于上述問題，本發(fā)明提供一種醫(yī)學(xué)知識(shí)圖譜的構(gòu)建方法、裝置及輔助診斷方法，能夠?yàn)榕R床醫(yī)學(xué)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(xué)知識(shí)圖譜的構(gòu)建方法，包括：

收集醫(yī)學(xué)數(shù)據(jù)庫(kù)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(kù)，對(duì)電子病歷數(shù)據(jù)進(jìn)行處理；

將處理后的數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別；

將識(shí)別的各個(gè)實(shí)體建立關(guān)聯(lián)關(guān)系；

根據(jù)各個(gè)實(shí)體以及各個(gè)實(shí)體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學(xué)知識(shí)圖譜。

其中，所述將處理后的數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，具體還包括：

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

其中，所述將識(shí)別的各個(gè)實(shí)體建立關(guān)聯(lián)關(guān)系，具體包括：

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

其中，所述關(guān)聯(lián)關(guān)系強(qiáng)度采用以下公式：

z＝x/y

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

其中，所述根據(jù)各個(gè)實(shí)體以及各個(gè)實(shí)體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學(xué)知識(shí)圖譜，具體包括：

將處理后的實(shí)體依據(jù)關(guān)聯(lián)關(guān)系形成的實(shí)體對(duì)及其相應(yīng)的關(guān)聯(lián)關(guān)系強(qiáng)度值導(dǎo)入neo4j圖形數(shù)據(jù)庫(kù)，并可視化，生成所述醫(yī)學(xué)知識(shí)圖譜。

其中，所述方法還包括：

根據(jù)當(dāng)前獲取的患者診斷結(jié)果和患者主訴及檢查數(shù)據(jù)，對(duì)相應(yīng)實(shí)體之間的關(guān)聯(lián)強(qiáng)度進(jìn)行實(shí)時(shí)更新。在本發(fā)明的另一個(gè)方面，提供一種基于醫(yī)學(xué)知識(shí)圖譜的計(jì)算機(jī)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(duì)所述主訴數(shù)據(jù)和檢查進(jìn)行預(yù)處理，得到患者的癥狀實(shí)體和體征實(shí)體構(gòu)成的集合；

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

根據(jù)所述疾病實(shí)體集合和每個(gè)疾病實(shí)體所對(duì)應(yīng)的癥狀實(shí)體與體征實(shí)體構(gòu)成的集合，分別計(jì)算每個(gè)疾病實(shí)體在其對(duì)應(yīng)的癥狀實(shí)體與體征實(shí)體構(gòu)成的集合下的后驗(yàn)概率；

輸出后驗(yàn)概率最大的疾病實(shí)體及其關(guān)聯(lián)節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)。

其中，所述計(jì)算每個(gè)疾病實(shí)體在其對(duì)應(yīng)子集下的后驗(yàn)概率，具體包括：

對(duì)于疾病di，在對(duì)應(yīng)的癥狀實(shí)體與體征實(shí)體構(gòu)成的子集{t1,t2,...tk}下的后驗(yàn)概率為：

其中，k為癥狀實(shí)體與體征實(shí)體的個(gè)數(shù)，k為癥狀實(shí)體與體征實(shí)體的個(gè)數(shù)。

通過(guò)所述癥狀實(shí)體與知識(shí)圖譜中的疾病實(shí)體的關(guān)系強(qiáng)度值

在本發(fā)明的又一個(gè)方面，提供一種醫(yī)學(xué)知識(shí)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(xué)數(shù)據(jù)庫(kù)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(kù)，對(duì)電子病歷數(shù)據(jù)進(jìn)行處理；

實(shí)體識(shí)別單元，用于對(duì)數(shù)據(jù)處理單元處理后的數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別；

關(guān)聯(lián)關(guān)系建立單元，用于對(duì)實(shí)體識(shí)別單元形成的各個(gè)實(shí)體建立關(guān)聯(lián)關(guān)系；

醫(yī)學(xué)知識(shí)圖譜構(gòu)建單元，用于根據(jù)所述各個(gè)實(shí)體以及各個(gè)實(shí)體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學(xué)知識(shí)圖譜。

其中，所述實(shí)體識(shí)別單元，具體包括：

疾病實(shí)體識(shí)別子單元，用于對(duì)處理后的診斷數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到疾病實(shí)體；

體征實(shí)體識(shí)別子單元，用于對(duì)處理后的體檢數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到體征實(shí)體；

癥狀實(shí)體識(shí)別子單元，用于對(duì)處理后的患者主訴數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到癥狀實(shí)體；

處理實(shí)體識(shí)別子單元，用于對(duì)處理后的處理意見數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到處理實(shí)體；

科室實(shí)體識(shí)別子單元，用于對(duì)處理后的科室信息進(jìn)行命名實(shí)體識(shí)別，得到科室實(shí)體。

其中，所述裝置還包括：

更新單元，用于根據(jù)當(dāng)前獲取的患者診斷結(jié)果和患者主訴及檢查數(shù)據(jù)，對(duì)相應(yīng)實(shí)體之間的關(guān)聯(lián)強(qiáng)度進(jìn)行實(shí)時(shí)更新。本發(fā)明的醫(yī)學(xué)知識(shí)圖譜的構(gòu)建方法、裝置及輔助診斷方法，通過(guò)使用醫(yī)學(xué)知識(shí)圖譜進(jìn)行輔助診斷，能夠減輕醫(yī)護(hù)人員工作負(fù)擔(dān)，有效緩解醫(yī)療壓力，從而降低醫(yī)療事故的發(fā)生。同時(shí)，對(duì)于醫(yī)護(hù)工作者憑借經(jīng)驗(yàn)不能確診的病例，提供了精確的計(jì)算機(jī)輔助診斷，對(duì)醫(yī)護(hù)人員工作的有力支撐。

此外，對(duì)于沒有相應(yīng)醫(yī)學(xué)專業(yè)知識(shí)背景的普通人，通過(guò)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(yīng)的治療意見，了解基本的可行的疾病應(yīng)對(duì)方法。

附圖說(shuō)明

圖1示出了本發(fā)明的醫(yī)學(xué)知識(shí)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(xué)知識(shí)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(xué)知識(shí)圖譜的構(gòu)建裝置的結(jié)構(gòu)框圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。

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

參照?qǐng)D1，本發(fā)明的醫(yī)學(xué)知識(shí)圖譜的構(gòu)建方法，具體包括以下步驟：

s11、收集醫(yī)學(xué)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，構(gòu)建用戶詞典。

在本實(shí)施例中，在現(xiàn)有的醫(yī)學(xué)數(shù)據(jù)庫(kù)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(kù)，對(duì)電子病歷數(shù)據(jù)進(jìn)行處理。

本實(shí)施例中，構(gòu)建知識(shí)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(kù)，可以使用相關(guān)的醫(yī)學(xué)語(yǔ)言處理技術(shù)(mlp)對(duì)電子病歷的數(shù)據(jù)進(jìn)行處理，也可以對(duì)數(shù)據(jù)進(jìn)行文本分詞，去除停止詞等處理，使得構(gòu)建知識(shí)圖譜的數(shù)據(jù)更精確。

s13、將處理后的數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別。

在一個(gè)實(shí)施例中，可以通過(guò)條件隨機(jī)場(chǎng)模型(crf)機(jī)器學(xué)習(xí)的方法，運(yùn)用crf++工具進(jìn)行命名實(shí)體識(shí)別，如一個(gè)實(shí)施例中，通過(guò)處理后的診斷數(shù)據(jù)得到疾病實(shí)體，通過(guò)處理后的體檢數(shù)據(jù)得到體征實(shí)體，根據(jù)處理后的患者主訴數(shù)據(jù)得到癥狀實(shí)體，根據(jù)處理意見數(shù)據(jù)得到處理實(shí)體，根據(jù)科室信息得到科室實(shí)體。

s14、將識(shí)別的各個(gè)實(shí)體建立關(guān)聯(lián)關(guān)系。

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

z＝x/y

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

s15、根據(jù)各個(gè)實(shí)體以及各個(gè)實(shí)體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學(xué)知識(shí)圖譜。

具體地，將處理后的實(shí)體依據(jù)關(guān)聯(lián)關(guān)系形成的實(shí)體對(duì)及其相應(yīng)的關(guān)聯(lián)關(guān)系強(qiáng)度值導(dǎo)入neo4j圖形數(shù)據(jù)庫(kù)，并可視化，生成所述醫(yī)學(xué)知識(shí)圖譜。

在進(jìn)一步的實(shí)施例中，當(dāng)使用上述知識(shí)圖譜進(jìn)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(duì)相應(yīng)實(shí)體之間的關(guān)聯(lián)強(qiáng)度值進(jìn)行更新，其關(guān)系強(qiáng)度為z＝(x+1)/(y+1)，其中y為已處理錄入的該項(xiàng)疾病的病歷份數(shù)，x為已處理錄入的該項(xiàng)疾病的病歷中目標(biāo)實(shí)體出現(xiàn)次數(shù)。

本發(fā)明的醫(yī)學(xué)知識(shí)圖譜，將電子病歷作為建立知識(shí)圖譜的源數(shù)據(jù)，通過(guò)建立各個(gè)實(shí)體之間的關(guān)聯(lián)關(guān)系，從而能夠建立精確的知識(shí)圖譜，為醫(yī)護(hù)人員對(duì)疾病的針對(duì)起到很好的輔助作用，并能夠?yàn)獒t(yī)護(hù)人員減輕工作負(fù)擔(dān)，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(gè)實(shí)施例中，提供一種基于醫(yī)學(xué)知識(shí)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(duì)所述主訴數(shù)據(jù)和檢查數(shù)據(jù)進(jìn)行預(yù)處理，得到患者的癥狀實(shí)體和體征實(shí)體構(gòu)成的集合；如對(duì)主訴數(shù)據(jù)和檢查數(shù)據(jù)進(jìn)行文本分詞、去除停止詞、以及命名實(shí)體識(shí)別處理等，以得到癥狀實(shí)體和體征實(shí)體構(gòu)成的集合。

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

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

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

s24、根據(jù)步驟s23得到的疾病實(shí)體和步驟s22得到的每個(gè)疾病實(shí)體所對(duì)應(yīng)的癥狀實(shí)體與體征實(shí)體構(gòu)成的集合，分別計(jì)算每個(gè)疾病實(shí)體在其對(duì)應(yīng)的癥狀實(shí)體與體征實(shí)體構(gòu)成的集合下的后驗(yàn)概率；

s25、輸出后驗(yàn)概率最大的疾病實(shí)體及其關(guān)聯(lián)節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)。

在上述過(guò)程中，對(duì)應(yīng)疾病實(shí)體集合d中的n個(gè)疾病實(shí)體，通過(guò)關(guān)聯(lián)關(guān)系找到癥狀實(shí)體與體征實(shí)體對(duì)應(yīng)的n個(gè)集合。對(duì)于疾病di，在對(duì)應(yīng)的癥狀實(shí)體與體征實(shí)體構(gòu)成的集合{t1,t2,...tk}下的后驗(yàn)概率為：

其中，n為疾病實(shí)體的個(gè)數(shù)，k為癥狀實(shí)體與體征實(shí)體的個(gè)數(shù)，即上述后驗(yàn)概率為：

通過(guò)上述計(jì)算的后驗(yàn)概率，將后驗(yàn)概率最大的疾病及其關(guān)聯(lián)節(jié)點(diǎn)對(duì)應(yīng)的數(shù)據(jù)作為診斷結(jié)果。

本實(shí)施例的基于醫(yī)學(xué)知識(shí)圖譜的計(jì)算機(jī)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(duì)數(shù)據(jù)進(jìn)行醫(yī)學(xué)語(yǔ)言處理mlp(分詞、去停止詞)，命名實(shí)體識(shí)別處理，得到相應(yīng)實(shí)體信息，依托已構(gòu)建的醫(yī)學(xué)知識(shí)圖譜，通過(guò)關(guān)聯(lián)關(guān)系，找到對(duì)應(yīng)的候選疾病集，然后采用貝葉斯算法進(jìn)行輔助診斷，確認(rèn)患者所患何種疾病，為臨床醫(yī)學(xué)提供智能化的輔助診斷。

在本發(fā)明的又一個(gè)實(shí)施例中，提供一種醫(yī)學(xué)知識(shí)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(xué)數(shù)據(jù)庫(kù)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(kù)，對(duì)電子病歷數(shù)據(jù)進(jìn)行處理；

實(shí)體識(shí)別單元30，用于對(duì)數(shù)據(jù)處理單元處理后的數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別；

關(guān)聯(lián)關(guān)系建立單元40，用于對(duì)實(shí)體識(shí)別單元30形成的各個(gè)實(shí)體建立關(guān)聯(lián)關(guān)系；

醫(yī)學(xué)知識(shí)圖譜構(gòu)建單元50，用于根據(jù)所述各個(gè)實(shí)體以及各個(gè)實(shí)體之間的關(guān)聯(lián)關(guān)系，建立醫(yī)學(xué)知識(shí)圖譜。

具體地，上述實(shí)施例中，實(shí)體識(shí)別單元30包括：

疾病實(shí)體識(shí)別子單元，用于對(duì)處理后的診斷數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到疾病實(shí)體；

體征實(shí)體識(shí)別子單元，用于對(duì)處理后的體檢數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到體征實(shí)體；

癥狀實(shí)體識(shí)別子單元，用于對(duì)處理后的患者主訴數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到癥狀實(shí)體；

處理實(shí)體識(shí)別子單元，用于對(duì)處理后的處理意見數(shù)據(jù)進(jìn)行命名實(shí)體識(shí)別，得到處理實(shí)體；

科室實(shí)體識(shí)別子單元，用于對(duì)處理后的科室信息進(jìn)行命名實(shí)體識(shí)別，得到科室實(shí)體。

在又一個(gè)實(shí)施例中，本發(fā)明的醫(yī)學(xué)知識(shí)圖譜的構(gòu)建裝置還包括：更新單元，用于根據(jù)當(dāng)前獲取的患者診斷結(jié)果和患者主訴及檢查數(shù)據(jù)，對(duì)相應(yīng)實(shí)體之間的關(guān)聯(lián)強(qiáng)度進(jìn)行實(shí)時(shí)更新。

本發(fā)明的醫(yī)學(xué)知識(shí)圖譜的構(gòu)建方法、裝置及輔助診斷方法，通過(guò)使用醫(yī)學(xué)知識(shí)圖譜進(jìn)行輔助診斷，能夠減輕醫(yī)護(hù)人員工作負(fù)擔(dān)，有效緩解醫(yī)療壓力，從而降低醫(yī)療事故的發(fā)生。同時(shí)，對(duì)于醫(yī)護(hù)工作者憑借經(jīng)驗(yàn)不能確診的病例，提供了精確的計(jì)算機(jī)輔助診斷，對(duì)醫(yī)護(hù)人員工作的有力支撐。

此外，對(duì)于沒有相應(yīng)醫(yī)學(xué)專業(yè)知識(shí)背景的普通人，通過(guò)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(yīng)的治療意見，了解基本的可行的疾病應(yīng)對(duì)方法。

以上實(shí)施方式僅用于說(shuō)明本發(fā)明，而并非對(duì)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(hù)范圍應(yīng)由權(quán)利要求限定。