CN104331455A - 一种中医气血辨证演绎推理的再现方法及装置 - Google Patents
一种中医气血辨证演绎推理的再现方法及装置 Download PDFInfo
- Publication number
- CN104331455A CN104331455A CN201410601505.3A CN201410601505A CN104331455A CN 104331455 A CN104331455 A CN 104331455A CN 201410601505 A CN201410601505 A CN 201410601505A CN 104331455 A CN104331455 A CN 104331455A
- Authority
- CN
- China
- Prior art keywords
- disease
- symptom
- disease type
- cause
- illness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种中医气血辨证演绎推理的再现方法和装置,所述方法包括:步骤1、获得所要处理的病症词汇信息中的症状词;步骤2、根据症型症状数据库中症状与症型之间的对应关系,获得该症状词对应的最接近的症型;步骤3、根据病机病因数据库中症型与病机病因之间的对应关系,获得步骤2中所获得的症型对应的病机病因;步骤4、判断步骤2和3得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则返回步骤2选取仅次于最接近症型的次接近症型,然后进行步骤3和4,直到判断合理则进入步骤5,或直到遍历所有症型都不合理则判断无法进行信息匹配;步骤5、得出最终的症状、症型、病机病因。
Description
技术领域
本发明涉及信息处理及医学辅助领域,尤其涉及一种中医气血辨证演绎推理的再现方法及装置。
背景技术
现代医学在现今的发展过程中,对于病人病症的判断,基本上都依靠纯人工的方式,基于医学体检得到的病状,通过医生科学的医学逻辑进行判断的。但是医学的发展主要体现医生对于疾病的判断和药物研发等方面,但是对于医学发展中诊断的效率,减少劳动力方面则微乎其微。在现今网络时代,大数据科学和人工智能快速发展,我们需要以多种方式来帮助医学的发展,一方面利用大数据科学和人工智能,以减轻医生的负担,另一方面在减少医疗开支,为医学研发降低门槛,同时解决人类获得更廉价的医疗保障的世纪难题。
发明内容
本发明的目的是提供一种中医气血辨证演绎推理的再现方法,包括:
步骤1、获得所要处理的病症词汇信息中的症状词;
步骤2、根据症型症状数据库中症状与症型之间的对应关系,获得该症状词对应的最接近的症型;
步骤3、根据病机病因数据库中症型与病机病因之间的对应关系,获得步骤2中所获得的症型对应的病机病因;
步骤4、判断步骤2和3得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则返回步骤2选取仅次于最接近症型的次接近症型,然后进行步骤3和4,直到判断合理则进入步骤5,或直到遍历所有症型都不合理则判断无法进行信息匹配;
步骤5、得出最终的症状、症型、病机病因。
进一步的,所述步骤1之前还包括前置步骤a,如果获得所要处理的病症词汇信息中的症状词为非标准症状词库里的标准症状词,则将该病症词汇替换为唯一的标准症状词。
进一步的,所述症型症状数据库包括症型与或图,与或图中的根节点对应的是症状,中间节点对应的是子症型,最终叶节点对应的是主症型;还包括症型数据表,所述症型数据表包括症状数据、症型数据、匹配度数据及病机病因数据,其中所述症型数据包括主症和次症两种,所述匹配度为0/1两个数据,匹配度0对应为次症,匹配度1对应主症。
进一步的,根据症型症状数据库Y0中记录的主症顺序,从X中提取对应的主症,若X中不存在相应的主症,则该主症用NULL或0表示;首先计算叶节点m(其值为X0j)的匹配度:然后计算中间节点的匹配度,若L为该中间节点包含的所有叶节点,则中间节点n的匹配度s1(n)为:
或节点:
与节点:
最后计算根节点的主症匹配度s。假设该根节点包含的N子节点,则根节点的主症匹配度计算公式为:
或节点:
与节点:
如果与或图没有中间层,若其子节点有N个,则其匹配度的计算公式为:
或节点:s=max(a(m))n=1,2,...,N
与节点:
将当前症状集X归属于最大匹配度所属的症型Sk,即:
若则X∈Sk。
进一步的,采用IF-Then形式表示该数据库中所有症Y0:A-V的步骤3中判断规则,如果Y0记录了D维症状与体征,则其具体的产生式规则的形式如下:
IF Sk=××证AND A=Y0 (0):A∧V=Y0 (0):V Then r0=R0
IF Sk=××证AND A=Y0 (1):A∧V=Y0 (1):V Then r1=R1
…
IF Sk=××证AND A=Y0 (D-1):A∧V=Y0 (d-1):V Then rd-1=Rd-1
r=∪ri(i=0,1,...,D-1)。
进一步的,所述步骤4中,如以上步骤中匹配度获得的症型无法很好地解释大部分症状,则认为症型Sk推理不恰当,排除该症型Sk后,继续采用匹配度计算的方法计算新的症型S'k,进行该症型S'k的病因病机分析,如此反复,直到解释完备或程序自动退出为止。也就是说症型的最终确定实际上是与病因病机融合在一起的,病因病机解释合理,则认为症型最终合理,否则重新进行推理。
本发明实施例还公开了一种中医气血辨证演绎推理的再现装置,包括:一个数据存储装置,用于存储症型症状数据;一个处理器,用于根据获得所要处理的病症词汇信息中的症状词,根据症型症状数据库中症状与症型之间的对应关系,得出该症状词对应的最接近的症型,然后根据病机病因数据库中症型与病机病因之间的对应关系,获得所获得的症型对应的病机病因,并对比得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则重新计算得到仅次于最接近症型的次接近症型,直到获得合理的病症结果,或直到遍历所有症型都不合理则判断无法进行信息匹配;输出相应的症状、症型、病机病因。
进一步的,所述中医气血辨证演绎推理的再现装置还包括:一个输入装置,所述输入装置用于输入所述的症状词。
进一步的,所述中医气血辨证演绎推理的再现装置还包括:一个显示装置,所述显示装置用于显示最终得到的症状、症型、病机病因中一个信息或全部信息。
本发明实施例通过采用一种中医气血辨证演绎推理的再现方法和装置,通过一种可不断完善的症型症状数据库,对于获得的病症词汇进行信息处理后,得到症状、症型、病机病因等结果,以便辅助医生能更高效率地更准确地判断疾病并对患者进行医治。
附图说明
图1为本发明提供一种中医气血辨证演绎推理的再现方法处理步骤示意图;
图2为本发明的用于病症词汇的信息处理症型症状数据库症状与症型之间的对应关系的5种与或图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明的目的是提供一种中医气血辨证演绎推理的再现方法,包括:
步骤1、获得所要处理的病症词汇信息中的症状词;
步骤2、根据症型症状数据库中症状与症型之间的对应关系,获得该症状词对应的最接近的症型;
步骤3、根据病机病因数据库中症型与病机病因之间的对应关系,获得步骤2中所获得的症型对应的病机病因;
步骤4、判断步骤2和3得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则返回步骤2选取仅次于最接近症型的次接近症型,然后进行步骤3和4,直到判断合理则进入步骤5,或直到遍历所有症型都不合理则判断无法进行信息匹配;
步骤5、得出最终的症状、症型、病机病因。
建立辨症症型与对应症状之间的关系描述,即症型、症、主症、病因病机之间的关系。其中症型对应涉及的具体基本症型,包括气虚、气陷、气脱、气滞、气逆、气闭、血虚、血瘀、血热、血寒、气滞血瘀,气虚血瘀,两虚,气不摄血,气随血脱等;症对应某症型所涉及的常见症状;主症表示各症是该症型的典型表现还是次要表现;病因病机则描述该症的发病机理,阐释各症出现的原因。
辨症所涉及症型与症状之间的关系表征。用“与或图”的图式方式表征各种症对症型决策的关系。其中父节点为症型,子节点为该症型下的子症型或者症结点。当子症型或者症结点完全独立,“与”表示各个后续节点(症或子症型)均完全独立,只要其中有一个有解就能进行可靠决策,“或”表示各症(或子症型)之间是只要一个节点满足条件,即可进行判决;可用于符号运算的知识表示规则设计。利用基于特征表<类型T-属性A-可信度C-病因病机R>的方式描述辨症的每个症型对应的症状及其属性。其中症型、症状、病因病机为符号型数据,可信度为数值型数据,此时该表示法在计算机内部就对应一个数据表,包括症型、症状/体征、取值、病因病机四个表项。
当输入待推理的症状集X时,首先遍历常用词汇-标准词汇映射表,将症状词汇X进行标准化处理;然后遍历数据库,按一定顺序取出每个症型对应的主症,参与症型计算;最后根据症型计算结果,根据具体的症(不局限于主症)遍历该症型数据表中的症与病因病机表项,检查数据库是否能较全面解释X各项出现的原因;
进一步的,所述步骤1之前还包括前置步骤a,如果获得所要处理的病症词汇信息中的症状词为非标准症状词库里的标准症状词,则将该病症词汇替换为唯一的标准症状词。
作为一种优选,所述采用基于最大主症匹配度规则完成症型的推理步骤,包括:输入症状的标准化。在已经建立的标准化数据库的基础上将输入症状集X用标准化词汇取代,将其转换成标准化症状集X0(X→X0)。主症提取。根据特征表<症-属性-可信度-病因病机>中的可信度属性,提取所有症型Si对应的主症集,形成标准特征集主症匹配度计算。计算X0中的各个要素X0j与知识数据库中记录的所有症型Si对应的标准主症集之间的匹配度。
症型决策。根据计算的15种相似度,将当前症状集X归属于最大相似度所属的症型Sk,即:若则X∈Sk。
进一步的,所述症型症状数据库包括症型与或图,与或图中的根节点对应的是症状,中间节点对应的是子症型,最终叶节点对应的是主症型;还包括症型数据表,所述症型数据表包括症状数据、症型数据、匹配度数据及病机病因数据,其中所述症型数据包括主症和次症两种,所述匹配度为0/1两个数据,匹配度0对应为次症,匹配度1对应主症。
进一步的,根据症型症状数据库Y0中记录的主症顺序,从X中提取对应的主症,若X中不存在相应的主症,则该主症用NULL或0表示;首先计算叶节点m(其值为X0j)的匹配度:然后计算中间节点的匹配度,若L为该中间节点包含的所有叶节点,则中间节点n的匹配度s1(n)为:
或节点:
与节点:
最后计算根节点的主症匹配度s。假设该根节点包含的N子节点,则根节点的主症匹配度计算公式为:
或节点:
与节点:
如果与或图没有中间层,若其子节点有N个,则其匹配度的计算公式为:
或节点:s=max(a(m))n=1,2,...,N
与节点:
将当前症状集X归属于最大匹配度所属的症型Sk,即:
若则X∈Sk。
进一步的,采用IF-Then形式表示该数据库中所有症Y0:A-V的步骤3中判断规则,如果Y0记录了D维症状与体征,则其具体的产生式规则的形式如下:
IF Sk=××证AND A=Y0 (0):A∧V=Y0 (0):V Then r0=R0
IF Sk=××证AND A=Y0 (1):A∧V=Y0 (1):V Then r1=R1
…
IF Sk=××证AND A=Y0 (D-1):A∧V=Y0 (d-1):V Then rd-1=Rd-1
r=∪ri(i=0,1,...,D-1)。
进一步的,所述步骤4中,如以上步骤中匹配度获得的症型无法很好地解释大部分症状,则认为症型Sk推理不恰当,排除该症型Sk后,继续采用匹配度计算的方法计算新的症型S'k,进行该症型S'k的病因病机分析,如此反复,直到解释完备或程序自动退出为止。也就是说症型的最终确定实际上是与病因病机融合在一起的,病因病机解释合理,则认为症型最终合理,否则重新进行推理。
本发明实施例还公开了一种中医气血辨证演绎推理的再现装置,包括:一个数据存储装置,用于存储症型症状数据;一个处理器,用于根据获得所要处理的病症词汇信息中的症状词,根据症型症状数据库中症状与症型之间的对应关系,得出该症状词对应的最接近的症型,然后根据病机病因数据库中症型与病机病因之间的对应关系,获得所获得的症型对应的病机病因,并对比得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则重新计算得到仅次于最接近症型的次接近症型,直到获得合理的病症结果,或直到遍历所有症型都不合理则判断无法进行信息匹配;输出相应的症状、症型、病机病因。
进一步的,所述中医气血辨证演绎推理的再现装置还包括:一个输入装置,所述输入装置用于输入所述的症状词。
进一步的,所述中医气血辨证演绎推理的再现装置还包括:一个显示装置,所述显示装置用于显示最终得到的症状、症型、病机病因中一个信息或全部信息。
本发明实施例通过采用一种中医气血辨证演绎推理的再现方法和装置,通过一种可不断完善的症型症状数据库,对于获得的病症词汇进行信息处理后,得到症状、症型、病机病因等结果,以便辅助医生能更高效率地更准确地判断疾病并对患者进行医治。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种中医气血辨证演绎推理的再现方法,其特征在于,包括:
步骤1、获得所要处理的病症词汇信息中的症状词;
步骤2、根据症型症状数据库中症状与症型之间的对应关系,获得该症状词对应的最接近的症型;
步骤3、根据病机病因数据库中症型与病机病因之间的对应关系,获得步骤2中所获得的症型对应的病机病因;
步骤4、判断步骤2和3得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则返回步骤2选取仅次于最接近症型的次接近症型,然后进行步骤3和4,直到判断合理则进入步骤5,或直到遍历所有症型都不合理则判断无法进行信息匹配;
步骤5、得出最终的症状、症型、病机病因。
2.如权利要求1所述的中医气血辨证演绎推理的再现方法,其特征在于,所述步骤1之前还包括前置步骤a,如果获得所要处理的病症词汇信息中的症状词为非标准症状词库里的标准症状词,则将该病症词汇替换为唯一的标准症状词。
3.如权利要求1所述的中医气血辨证演绎推理的再现方法,其特征在于,所述症型症状数据库包括症型与或图,与或图中的根节点对应的是症状,中间节点对应的是子症型,最终叶节点对应的是主症型;还包括症型数据表,所述症型数据表包括症状数据、症型数据、匹配度数据及病机病因数据,其中所述症型数据包括主症和次症两种,所述匹配度为0/1两个数据,匹配度0对应为次症,匹配度1对应主症。
4.如权利要求3所述的中医气血辨证演绎推理的再现方法,其特征在于,根据症型症状数据库Y0中记录的主症顺序,从X中提取对应的主症,若X中不存在相应的主症,则该主症用NULL或0表示;首先计算叶节点m(其值为X0j)的匹配度:然后计算中间节点的匹配度,若L为该中间节点包含的所有叶节点,则中间节点n的匹配度s1(n)为:
或节点:
与节点:
最后计算根节点的主症匹配度s。假设该根节点包含的N子节点,则根节点的主症匹配度计算公式为:
或节点:
与节点:
如果与或图没有中间层,若其子节点有N个,则其匹配度的计算公式为:
或节点:s=max(a(m))n=1,2,...,N
与节点:
将当前症状集X归属于最大匹配度所属的症型Sk,即:
若则X∈Sk。
5.如权利要求4所述的中医气血辨证演绎推理的再现方法,其特征在于,采用IF-Then形式表示该数据库中所有症Y0:A-V的步骤3中判断规则,如果Y0记录了D维症状与体征,则其具体的产生式规则的形式如下:
IF Sk=××证ANDThen r0=R0
IF Sk=××证ANDThen r1=R1
…
IF Sk=××证ANDThen rd-1=Rd-1
r=∪ri(i=0,1,...,D-1)。
6.如权利要求5所述的中医气血辨证演绎推理的再现方法,其特征在于,所述步骤4中,如以上步骤中匹配度获得的症型无法很好地解释大部分症状,则认为症型Sk推理不恰当,排除该症型Sk后,继续采用匹配度计算的方法计算新的症型S'k,进行该症型S'k的病因病机分析,如此反复,直到解释完备或程序自动退出为止。也就是说症型的最终确定实际上是与病因病机融合在一起的,病因病机解释合理,则认为症型最终合理,否则重新进行推理。
7.一种中医气血辨证演绎推理的再现装置,其特征在于,包括:一个数据存储装置,用于存储症型症状数据;一个处理器,用于根据获得所要处理的病症词汇信息中的症状词,根据症型症状数据库中症状与症型之间的对应关系,得出该症状词对应的最接近的症型,然后根据病机病因数据库中症型与病机病因之间的对应关系,获得所获得的症型对应的病机病因,并对比得到的症状、症型、病机病因之间的对应结果是否合理,如果不合理,则重新计算得到仅次于最接近症型的次接近症型,直到获得合理的病症结果,或直到遍历所有症型都不合理则判断无法进行信息匹配;输出相应的症状、症型、病机病因。
8.如权利要求7所述的中医气血辨证演绎推理的再现装置,其特征在于,还包括:一个输入装置,所述输入装置用于输入所述的症状词。
9.如权利要求7所述的中医气血辨证演绎推理的再现装置,其特征在于,还包括:一个显示装置,所述显示装置用于显示最终得到的症状、症型、病机病因中一个信息或全部信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410601505.3A CN104331455B (zh) | 2014-10-30 | 2014-10-30 | 一种中医气血辨证演绎推理的再现方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410601505.3A CN104331455B (zh) | 2014-10-30 | 2014-10-30 | 一种中医气血辨证演绎推理的再现方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104331455A true CN104331455A (zh) | 2015-02-04 |
CN104331455B CN104331455B (zh) | 2018-03-13 |
Family
ID=52406182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410601505.3A Expired - Fee Related CN104331455B (zh) | 2014-10-30 | 2014-10-30 | 一种中医气血辨证演绎推理的再现方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331455B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867090A (zh) * | 2015-05-16 | 2015-08-26 | 深圳市前海安测信息技术有限公司 | 基于大数据应用的网络医院系统及数据库的数据应用方法 |
CN106874655A (zh) * | 2017-01-16 | 2017-06-20 | 西北工业大学 | 基于多标记学习和贝叶斯网络的中医症型分类预测方法 |
CN107330289A (zh) * | 2017-07-10 | 2017-11-07 | 叮当(深圳)健康机器人科技有限公司 | 一种症状信息分析方法及装置 |
CN107423575A (zh) * | 2017-08-25 | 2017-12-01 | 广州宝荣科技应用有限公司 | 一种跨区域医疗资源调配方法、装置及系统 |
CN107491437A (zh) * | 2017-08-25 | 2017-12-19 | 广州宝荣科技应用有限公司 | 一种基于自然语言的中医症候语义识别方法及装置 |
CN107506589A (zh) * | 2017-08-25 | 2017-12-22 | 广州宝荣科技应用有限公司 | 一种中成药辅助推送方法及装置 |
CN107526930A (zh) * | 2017-08-25 | 2017-12-29 | 广州宝荣科技应用有限公司 | 一种基于打赏机制的医疗方案获取方法 |
CN107578818A (zh) * | 2017-08-25 | 2018-01-12 | 广州宝荣科技应用有限公司 | 一种基于深度学习的辅助开方方法及装置 |
CN108520777A (zh) * | 2018-03-13 | 2018-09-11 | 郑国哲 | 一种有关婴幼儿及儿童疾病辩证系统 |
CN110276453A (zh) * | 2019-05-29 | 2019-09-24 | 武汉大学 | 一种利用基于特征的知识表示进行推理的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020398A1 (en) * | 2002-11-27 | 2006-01-26 | The Gov.of the USA as Repted. by the Secretary of the Dept. of Health & Human Services, Centers..... | Integration of gene expression data and non-gene data |
CN1804850A (zh) * | 2005-11-24 | 2006-07-19 | 朱文锋 | 中医证素辨证诊疗系统 |
CN101667223A (zh) * | 2008-09-01 | 2010-03-10 | 英业达股份有限公司 | 健康数据处理系统及方法 |
CN101751509A (zh) * | 2008-12-12 | 2010-06-23 | 北京大北农科技集团股份有限公司 | 一种猪病诊断系统和方法 |
CN102110192A (zh) * | 2011-04-02 | 2011-06-29 | 中国医学科学院医学信息研究所 | 基于诊断要素数据关联的疾病辅助判断方法 |
-
2014
- 2014-10-30 CN CN201410601505.3A patent/CN104331455B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020398A1 (en) * | 2002-11-27 | 2006-01-26 | The Gov.of the USA as Repted. by the Secretary of the Dept. of Health & Human Services, Centers..... | Integration of gene expression data and non-gene data |
CN1804850A (zh) * | 2005-11-24 | 2006-07-19 | 朱文锋 | 中医证素辨证诊疗系统 |
CN101667223A (zh) * | 2008-09-01 | 2010-03-10 | 英业达股份有限公司 | 健康数据处理系统及方法 |
CN101751509A (zh) * | 2008-12-12 | 2010-06-23 | 北京大北农科技集团股份有限公司 | 一种猪病诊断系统和方法 |
CN102110192A (zh) * | 2011-04-02 | 2011-06-29 | 中国医学科学院医学信息研究所 | 基于诊断要素数据关联的疾病辅助判断方法 |
Non-Patent Citations (2)
Title |
---|
周昌盛: "中医诊断专家系统的研究与应用", 《中国优秀博硕士学位论文全文数据库 (硕士)信息科技辑》 * |
李海鲲: "计算机中医辅助诊断和医院信息管理系统的研究", 《中国优秀博硕士学位论文全文数据库 (硕士)信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867090A (zh) * | 2015-05-16 | 2015-08-26 | 深圳市前海安测信息技术有限公司 | 基于大数据应用的网络医院系统及数据库的数据应用方法 |
CN106874655A (zh) * | 2017-01-16 | 2017-06-20 | 西北工业大学 | 基于多标记学习和贝叶斯网络的中医症型分类预测方法 |
CN106874655B (zh) * | 2017-01-16 | 2018-12-14 | 西北工业大学 | 基于多标记学习和贝叶斯网络的中医症型分类预测方法 |
CN107330289A (zh) * | 2017-07-10 | 2017-11-07 | 叮当(深圳)健康机器人科技有限公司 | 一种症状信息分析方法及装置 |
CN107423575A (zh) * | 2017-08-25 | 2017-12-01 | 广州宝荣科技应用有限公司 | 一种跨区域医疗资源调配方法、装置及系统 |
CN107491437A (zh) * | 2017-08-25 | 2017-12-19 | 广州宝荣科技应用有限公司 | 一种基于自然语言的中医症候语义识别方法及装置 |
CN107506589A (zh) * | 2017-08-25 | 2017-12-22 | 广州宝荣科技应用有限公司 | 一种中成药辅助推送方法及装置 |
CN107526930A (zh) * | 2017-08-25 | 2017-12-29 | 广州宝荣科技应用有限公司 | 一种基于打赏机制的医疗方案获取方法 |
CN107578818A (zh) * | 2017-08-25 | 2018-01-12 | 广州宝荣科技应用有限公司 | 一种基于深度学习的辅助开方方法及装置 |
CN108520777A (zh) * | 2018-03-13 | 2018-09-11 | 郑国哲 | 一种有关婴幼儿及儿童疾病辩证系统 |
CN110276453A (zh) * | 2019-05-29 | 2019-09-24 | 武汉大学 | 一种利用基于特征的知识表示进行推理的方法 |
CN110276453B (zh) * | 2019-05-29 | 2022-06-14 | 武汉大学 | 一种利用基于特征的知识表示进行推理的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104331455B (zh) | 2018-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331455A (zh) | 一种中医气血辨证演绎推理的再现方法及装置 | |
CN103729428B (zh) | 一种大数据分类方法及系统 | |
Kansadub et al. | Stroke risk prediction model based on demographic data | |
CN107368547A (zh) | 一种基于深度学习的智能医疗自动问答方法 | |
CN110838368A (zh) | 一种基于中医临床知识图谱的机器人主动问诊方法 | |
CN113707297A (zh) | 医疗数据的处理方法、装置、设备及存储介质 | |
WO2023065858A1 (zh) | 基于异构图神经网络的医疗术语规范化系统及方法 | |
Luo et al. | A BERT-based approach with relation-aware attention for knowledge base question answering | |
CN111914550B (zh) | 一种面向限定领域的知识图谱更新方法及系统 | |
Yang et al. | Scene graph reasoning with prior visual relationship for visual question answering | |
Kaur et al. | A systematic literature review of automated ICD coding and classification systems using discharge summaries | |
CN109213871A (zh) | 患者信息知识图谱构建方法、可读存储介质和终端 | |
WO2021170085A1 (zh) | 标注方法、关系抽取方法、存储介质和运算装置 | |
Nan et al. | Enhancing few-shot text-to-sql capabilities of large language models: A study on prompt design strategies | |
CN109147954A (zh) | 基于知识图谱的患者信息处理装置 | |
Thayaparan et al. | Identifying supporting facts for multi-hop question answering with document graph networks | |
CN104866713A (zh) | 基于增量局部鉴别子空间嵌入的川崎病和发烧诊断系统 | |
Liu et al. | Knowledge-aware deep dual networks for text-based mortality prediction | |
CN116705299A (zh) | 辅助诊断方法、装置、设备及存储介质 | |
Wang et al. | MuGER $^ 2$: Multi-Granularity Evidence Retrieval and Reasoning for Hybrid Question Answering | |
Florez et al. | Deep learning for identification of adverse drug reaction relations | |
Cheng et al. | Construction of traditional Chinese medicine knowledge graph using data mining and expert knowledge | |
CN111858784A (zh) | 一种基于transH的人员亲属关系预测方法 | |
Wang et al. | Transh-ra: A learning model of knowledge representation by hyperplane projection and relational attributes | |
Wu et al. | A hybrid-scales graph contrastive learning framework for discovering regularities in traditional Chinese medicine formula |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180313 Termination date: 20201030 |
|
CF01 | Termination of patent right due to non-payment of annual fee |