CN104765762A - 自动挖掘配伍关系系统及其方法 - Google Patents
自动挖掘配伍关系系统及其方法 Download PDFInfo
- Publication number
- CN104765762A CN104765762A CN201510035590.6A CN201510035590A CN104765762A CN 104765762 A CN104765762 A CN 104765762A CN 201510035590 A CN201510035590 A CN 201510035590A CN 104765762 A CN104765762 A CN 104765762A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- mining
- keyword
- database
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的自动挖掘配伍关系系统,以基础数据总库为依托,具有这样的特征,包括:数据准备部,连接基础数据总库,对基础数据总库中的基础数据依次进行数据集成、数据选择、预处理形成新数据库;数据挖掘部,与数据准备部相连,对新数据库进行数据挖掘形成挖掘数据;以及结果表达和解释部,与数据挖掘部相连,对挖掘数据进行结果表达和解释。
Description
技术领域
本发明涉及知识发现技术领域,尤其涉及自动挖掘配伍关系系统及其方法。
背景技术
随着社会信息化进程的飞速发展,人类已经进入了一个“信息爆炸”的时代,海量的数据已经远远超过了人们的分析和理解能力,于是数据库技术和人工智能技术应运而生。但是,单纯的数据库技术和人工智能技术基本上停留在对原始数据的标引和检索,并未能更深入地挖掘出数据内部隐藏的知识。
知识发现技术是随着数据库技术和人工智能技术的发展而出现的一种新技术。它运用数据库技术对数据进行前端处理,从而利用机器学习方法从处理后的数据库中提取有用的知识。知识发现技术系统能够在用户的指令下,从数据库管理系统获取数据,经过数据聚集生成多维数据集,通过一定的知识发现技术进行模式提取,并进行模式评价,最终获得知识。此项技术涉及到机器学习、模式识别、统计学、智能数据库、知识获取、数据可视化、高性能计算、专家系统等多个领域。从数据库中发现出来的知识可以用在信息管理、过程控制、科学研究、决策支持等许多方面。
但是,目前的知识发现技术并不能做到对相关的知识进行自动挖掘并配伍关系。
发明内容
本发明的目的在于提供一种将检索到的知识进行自动挖掘和配伍关系的自动挖掘配伍关系系统及其方法。
本发明提供的自动挖掘配伍关系系统,以基础数据总库为依托,具有这样的特征,包括:数据准备部,连接基础数据总库,对基础数据总库中的基础数据依次进行数据集成、数据选择、预处理形成新数据库;数据挖掘部,与数据准备部相连,对新数据库进行数据挖掘形成挖掘数据;以及结果表达和解释部,与数据挖掘部相连,对挖掘数据进行结果表达和解释,其中,数据准备部,具有:检索模块,根据基础数据总库建立,对基础数据进行检索,自动生成检索表达式并存储,并生成检索数据库;识别阅读模块,与检索模块相连,根据检索模块建立,对检索数据库中的指定字段中阅读文本,查找出若干个关键词,并生成关键词库;筛选关键词模块,与识别阅读模块相连,根据检索模块和识别阅读模块建立,对关键词库中的若干个关键词进行筛选,并形成布尔逻辑表达式;以及语义数据库生成模块,与筛选关键词模块相连,根据检索模块、识别阅读模块和筛选关键词模块建立,根据布尔逻辑表达式,在基础数据总库中搜索,并生成新数据库。
优选的,筛选关键词模块,包含:纳入关键词模块,将若干个关键词通过检索模块进行逐个检索,选出高频或相关系数高的若干个关键词,计算出若干个关键词的组合重叠情况,分析用词习惯和语言规律;以及排出关键词模块,与纳入关键词模块相连,将人工识别去除的去除关键词记录下来,并生成弃用规则。
优选的,检索模块包含搜索界面,通过人工输入检索关键词。
优选的,识别阅读模块通过切词、断词、组词等阅读过程,生成一组关键词库。
本发明还提供的自动挖掘配伍关系方法,以基础数据总库为依托,其特征在于,包括以下步骤:
步骤a:根据基础数据总库建立检索模块,对基础数据进行检索,自动生成检索表达式并存储,并生成检索数据库,
步骤b:根据检索模块建立识别阅读模块,对检索数据库中的指定字段中阅读文本,查找出若干个关键词,并生成关键词库,
步骤c:根据检索模块和识别阅读模块建立筛选关键词模块,对关键词库中的若干个关键词进行筛选,并形成布尔逻辑表达式,
步骤d:根据检索模块、识别阅读模块和筛选关键词模块建立语义数据库生成模块,根据布尔逻辑表达式,在基础数据总库中搜索,并生成新数据库,
步骤e:对数据库进行数据挖掘形成挖掘数据,以及
步骤f:对挖掘数据进行结果表达和解释。
优选的,步骤c,具有:
步骤c-1:将若干个关键词通过检索模块进行逐个检索,选出高频或相关系数高的若干个关键词,计算出若干个关键词的组合重叠情况,分析用词习惯和语言规律,以及
步骤c-2:将人工识别去除的去除关键词记录下来,并生成弃用规则。
优选的,检索模块包含搜索界面,通过人工输入检索关键词。
优选的,识别阅读模块通过切词、断词、组词等阅读过程,生成一组关键词库。
发明作用和效果
根据本发明所涉及自动挖掘配伍关系系统及其方法能够在根据基础数据总库里的基础数据依次进行数据集成、数据选择、预处理形成新数据库,对新数据库进行数据挖掘形成挖掘数据,对所述挖掘数据进行结果表达和解释。本发明提出的中医方剂自动挖掘配伍关系系统及其方法是能进行知识自动挖掘、并查找出配伍关系的自动挖掘配伍关系系统及其方法。
附图说明
图1是本发明在实施例中的自动挖掘配伍关系系统的结构连接框图;
图2是本发明在实施例中的自动挖掘配伍关系方法的流程图;
图3是本发明在实施例中的基础数据总库的数据表;
图4是本发明在实施例中的检索数据库的数据表;
图5是本发明在实施例中的关键词库的数据表;
图6是本发明在实施例中的启用规则中的关键词库数据表;
图7是本发明在实施例中的乳岩方剂数据的数据表;
图8是本发明在实施例中的数据挖掘结果的数据表;
图9是本发明在实施例中的通过药物关联规则方剂生成药物配伍关系的配伍关系图;
图10是本发明在实施例中的局部放大药物关系图的关系图;以及
图11是本发明在实施例中的数据挖掘部挖掘数据的药物分类的通用关联图。
具体实施方式
以下参照附图对本发明所涉及的自动挖掘配伍关系系统及其方法作详细的描述。
实施例
本实施例中的自动挖掘配伍关系系统及其方法用于中医古方的挖掘与配伍关系,主要是对组成、症状、功用等字段进行规范化设计,转换成多维频繁模式可挖掘数据,完成药物配伍和功效数据挖掘研究,发掘其中的规律。利用神经网络方法、聚类、关联规则的挖掘和可视化等方法,开展方药的知识发现研究,证实和发掘方药中隐含的有价值的信息,揭示方药配伍规律,为中医的新药开发提供参考依据。
图1是本发明在实施例中的自动挖掘配伍关系系统的结构连接框图。
如图1所示,本实例中的自动挖掘配伍关系系统以基础数据总库10为依托,具有:数据准备部20、数据挖掘部30和结果表达和解释部40。
数据准备部20与基础数据总库10相连,包含:检索模块11、识别阅读模块12、筛选关键词模块13和语义数据库生成模块14,对基础数据总库10中的基础数据依次进行数据集成、数据选择、预处理形成新数据库。
检索模块11根据所述基础数据总库10建立,包含搜索界面,通过人工输入检索关键词对基础数据进行检索,自动生成检索表达式并存储,并生成检索数据库。
识别阅读模块12与检索模块11相连,根据检索模块11建立,对检索数据库中的指定字段中阅读文本,通过切词、断词、组词等阅读过程,查找出若干个关键词,并生成一组关键词库。
筛选关键词模块13,与识别阅读模块12相连,包括:纳入关键词模块13a和排出关键词模块13b,根据检索模块11和识别阅读模块12建立,对关键词库中的若干个关键词进行筛选,并形成布尔逻辑表达式。
纳入关键词模块13a将若干个关键词通过检索模块11进行逐个检索,选出高频或相关系数高的若干个关键词,计算出若干个关键词的组合重叠情况,分析用词习惯和语言规律。
排出关键词模块13b与纳入关键词模块13a相连,将人工识别去除的去除关键词记录下来,并生成弃用规则。
语义数据库生成模块14与筛选关键词模块相连,根据检索模块11、识别阅读模块12和筛选关键词模块13建立,根据布尔逻辑表达式,在基础数据总库10中搜索,并生成新数据库。
数据挖掘部30与数据准备部20相连,对新数据库进行数据挖掘形成挖掘数据。
结果表达和解释部40与数据挖掘部30相连,对所述挖掘数据进行结果表达和解释。
图2是本发明在实施例中的自动挖掘配伍关系方法的流程图。
如图2所示,自动挖掘配伍关系方法具有以下步骤:
步骤a:根据基础数据总库10建立检索模块11,通过人工输入检索关键词对基础数据总库10中的基础数据进行检索,自动生成检索表达式并存储,并生成检索数据库,进入步骤b。
步骤b:根据检索模块11建立识别阅读模块12,对检索数据库中的指定字段中阅读文本,通过切词、断词、组词等阅读过程查找出若干个关键词,并生成一组关键词库,进入步骤c。
步骤c:根据检索模块11和识别阅读模块12建立筛选关键词模块13,对关键词库中的若干个关键词进行筛选,并形成布尔逻辑表达式,进入步骤d。
步骤d:根据检索模块11、识别阅读模块12和筛选关键词模块13建立语义数据库生成模块14,根据布尔逻辑表达式,在基础数据总库10中搜索,并生成新数据库,进入步骤e。
步骤e:数据挖掘部30对数据库进行数据挖掘形成挖掘数据,进入步骤f。
步骤f:结果表达和解释部40对挖掘数据进行结果表达和解释。
其中,步骤c中还具有以下步骤:
步骤c-1:纳入关键词模块13a将若干个关键词通过检索模块11进行逐个检索,选出高频或相关系数高的若干个关键词,计算出若干个关键词的组合重叠情况,分析用词习惯和语言规律,进入步骤c-2。
步骤c-2:排出关键词模块13b将人工识别去除的去除关键词记录下来,并生成弃用规则。
图3是本发明在实施例中的基础数据总库的数据表。
图4是本发明在实施例中的检索数据库的数据表。
图5是本发明在实施例中的关键词库的数据表。
图6是本发明在实施例中的启用规则中的关键词库数据表。
图7是本发明在实施例中的乳岩方剂数据的数据表。
图8是本发明在实施例中的数据挖掘结果的数据表。
图9是本发明在实施例中的通过药物关联规则方剂生成药物配伍关系的配伍关系图。
图10是本发明在实施例中的局部放大药物关系图的关系图。
图11是本发明在实施例中的数据挖掘部挖掘数据的药物分类的通用关联图。
以“乳腺癌”疾病为例自动挖掘配伍关系方法自动挖掘中医古方配伍关系的步骤如下:
以基础数据总库10为依托,建立检索模块11,在所建立的检索模块11所提供的界面中,由人工输入要检索的关键词,即“乳腺癌”疾病的三个中医病名“乳癌”、“乳岩”和“奶岩”。
基础数据总库10中数据以如图3所示格式保存。
筛选关键词模块13自动生成检索布尔表达式并储存:
主治like’%乳癌%’or主治like’%乳岩%’or主治like’%奶岩%’
根据上述布尔表达式,检索模块11能在指定基础数据总库10中找到与关键词有关的条目,并自动生成符合检索条件的检索数据库如图4所示(共含55条)。
将上述由检索模11自动生成的检索数据库导入识别阅读模块12。
识别阅读模块12在指定检索数据库中的指定字段中阅读文本,并自动找出关键词。
识别阅读模块12通过断词、切词、组词等阅读过程,生成一组关键词库,具体步骤如下所示:
根据标点来“断词”,根据词长来“切词”,根据词频来“组词”后得到最小词长为“1字”至最大词长为“16字”的词语共2894个,结果如下:
在检索模块11、识别阅读模块12基础上,建立筛选关键词模块13,即筛选关键词模块,包括:纳入关键词模块13a和排出关键词模块13b。
纳入关键词模块13a所生成的关键词如图5所示(共70余个)。
排出关键词模块13b所生成的排除关键词如图6所示(共60余个)。
纳入关键词模块13a能统计各间接关键词的相关频次,并能选出高频或相关系数高的关键词,计算出各关键词的组合重叠情况,分析用词习惯和语言规律。
排出关键词模块13b能提供界面,将人工识别的去除关键词记录下来,并生成弃用规则。
根据筛选关键词模块13所生成的布尔逻辑表达式,在基础数据总库10中搜索。
语义数据库生成模块14自动生成新的数据库。
具体乳岩方剂数据如图7所示(共334条)。
在新数据库基础上,运用数据挖掘模块30对该系统为“乳腺癌”(即中医“乳岩”病名)生成的乳岩方剂数据库进行数据挖掘得到的如下结果:
通过症状与药物的关联分析,挖掘出“乳房肿块”、“瘰疬”、“痈疽”、“乳房胀痛”等与乳腺癌中医古方治疗数据库中最常见的主要症状和针对该症状的相应方剂中的药物配伍,从而为制定该疾病的临床治疗方案提供直接指导和参考,具体结果如图8所示。
数据挖掘部30挖掘数据的药物分类的通用关联图如图11所示。
结果表达和解释部40对所述挖掘数据进行结果表达和解释。
关联规则挖掘出方剂中药物与主治症状的关联度如下:
通过药物关联规则方剂生成药物配伍关系图如图9所示,局部放大药物关系图如图10所示,从中可以看出以“白僵蚕”为核心与之最相关的药物配伍。
实施例的作用与效果
本实施例所涉及的自动挖掘配伍关系系统及其方法能够在根据基础数据总库里的基础数据的中医古方依次进行数据集成、数据选择、预处理形成新数据库,对新数据库进行数据挖掘形成挖掘数据,对所述挖掘数据进行结果表达和解释,通过创建目标数据集合,去掉噪声,根据目标压缩和优化数据量,形成新数据库,利用正则表达式和SQL查询结合C#进行数据库字段的语义处理,主要是对组成、症状、功用等字段进行规范化设计,转换成多维频繁模式可挖掘数据,完成药物配伍和功效数据挖掘研究,发掘其中的规律,利用神经网络方法、聚类、关联规则的挖掘和可视化等方法,开展方药的知识发现研究,证实和发掘方药中隐含的有价值的信息,揭示方药配伍规律,为中医的新药开发提供参考依据。本发明提出的自动挖掘配伍关系系统及其方法是能进行中药古方自动挖掘、并查找出配伍关系的自动挖掘配伍关系系统及其方法。
上述实施方式为本发明的优选案例,并不用来限制本发明的保护范围。
Claims (8)
1.一种自动挖掘配伍关系系统,以基础数据总库为依托,其特征在于,包括:
数据准备部,连接所述基础数据总库,对所述基础数据总库中的基础数据依次进行数据集成、数据选择、预处理形成新数据库;
数据挖掘部,与所述数据准备部相连,对所述新数据库进行数据挖掘形成挖掘数据;以及
结果表达和解释部,与所述数据挖掘部相连,对所述挖掘数据进行结果表达和解释,
其中,所述数据准备部,具有:
检索模块,根据所述基础数据总库建立,对所述基础数据进行检索,自动生成检索表达式并存储,并生成检索数据库;
识别阅读模块,与所述检索模块相连,根据所述检索模块建立,对所述检索数据库中的指定字段中阅读文本,查找出若干个关键词,并生成关键词库;
筛选关键词模块,与所述识别阅读模块相连,根据所述检索模块和所述识别阅读模块建立,对所述关键词库中的若干个所述关键词进行筛选,并形成布尔逻辑表达式;以及
语义数据库生成模块,与所述筛选关键词模块相连,根据所述检索模块、所述识别阅读模块和所述筛选关键词模块建立,根据所述布尔逻辑表达式,在所述基础数据总库中搜索,并生成新数据库。
2.根据权利要求1所述的自动挖掘配伍关系系统,其特征在于:
其中,所述筛选关键词模块,还包含:
纳入关键词模块,将若干个所述关键词通过所述检索模块进行逐个检索,选出高频或相关系数高的若干个所述关键词,计算出若干个所述关键词的组合重叠情况,分析用词习惯和语言规律;以及
排出关键词模块,与所述纳入关键词模块相连,将人工识别去除的去除关键词记录下来,并生成弃用规则。
3.根据权利要求1所述的自动挖掘配伍关系系统,其特征在于:
其中,所述检索模块包含搜索界面,通过人工输入检索关键词。
4.根据权利要求1所述的自动挖掘配伍关系系统,其特征在于:
其中,所述识别阅读模块通过切词、断词、组词等阅读过程,生成一组所述关键词库。
5.一种自动挖掘配伍关系方法,以基础数据总库为依托,其特征在于,包括以下步骤:
步骤a:根据所述基础数据总库建立检索模块,对所述基础数据进行检索,自动生成检索表达式并存储,并生成检索数据库;
步骤b:根据所述检索模块建立识别阅读模块,对所述检索数据库中的指定字段中阅读文本,查找出若干个关键词,并生成关键词库;
步骤c:根据所述检索模块和所述识别阅读模块建立筛选关键词模块,对所述关键词库中的若干个所述关键词进行筛选,并形成布尔逻辑表达式;
步骤d:根据所述检索模块、所述识别阅读模块和所述筛选关键词模块建立语义数据库生成模块,根据所述布尔逻辑表达式,在所述基础数据总库中搜索,并生成新数据库;
步骤e:对所述数据库进行数据挖掘形成挖掘数据;以及
步骤f:对所述挖掘数据进行结果表达和解释。
6.根据权利要求5所述的自动挖掘配伍关系方法,其特征在于:
其中,所述步骤c,还具有:
步骤c-1:将若干个所述关键词通过所述检索模块进行逐个检索,选出高频或相关系数高的若干个所述关键词,计算出若干个所述关键词的组合重叠情况,分析用词习惯和语言规律;以及
步骤c-2:将人工识别去除的去除关键词记录下来,并生成弃用规则。
7.根据权利要求5所述的自动挖掘配伍关系方法,其特征在于:
其中,所述其中,所述检索模块包含搜索界面,通过人工输入检索关键词。
8.根据权利要求5所述的自动挖掘配伍关系方法,其特征在于:
其中,所述识别阅读模块通过切词、断词、组词等阅读过程,生成一组所述关键词库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510035590.6A CN104765762B (zh) | 2015-01-23 | 2015-01-23 | 自动挖掘配伍关系系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510035590.6A CN104765762B (zh) | 2015-01-23 | 2015-01-23 | 自动挖掘配伍关系系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104765762A true CN104765762A (zh) | 2015-07-08 |
CN104765762B CN104765762B (zh) | 2018-02-23 |
Family
ID=53647593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510035590.6A Active CN104765762B (zh) | 2015-01-23 | 2015-01-23 | 自动挖掘配伍关系系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104765762B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220484A (zh) * | 2017-05-10 | 2017-09-29 | 山东中医药大学 | 一种中医方药数据分析挖掘系统 |
CN110622251A (zh) * | 2017-05-24 | 2019-12-27 | 日本自然抗衰老实验室株式会社 | 过敏处方搜索系统和方法以及过敏处方搜索程序 |
CN110633305A (zh) * | 2018-06-06 | 2019-12-31 | 中国石油化工股份有限公司 | 基于规则检索和关键词检索的化学事故数据挖掘方法 |
CN112489792A (zh) * | 2020-12-14 | 2021-03-12 | 河南经方云科技有限公司 | 一种基于大数据中医经方传承指导系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582135A (zh) * | 2008-05-14 | 2009-11-18 | 北京中食新华科技有限公司 | 一种具有数据挖掘方法的物流管理系统 |
US20120136684A1 (en) * | 2010-11-29 | 2012-05-31 | International Business Machines Corporation | Fast, dynamic, data-driven report deployment of data mining and predictive insight into business intelligence (bi) tools |
CN102509187A (zh) * | 2011-10-28 | 2012-06-20 | 合肥工业大学 | 一种基于数据挖掘的大型装备mro知识获取方法 |
CN102682162A (zh) * | 2012-04-24 | 2012-09-19 | 河海大学 | 基于复杂网络社区发现的层次重叠核心药群发现方法 |
CN102708285A (zh) * | 2012-04-24 | 2012-10-03 | 河海大学 | 基于复杂网络模型并行化PageRank算法的核心药物挖掘方法 |
CN102902871A (zh) * | 2012-07-03 | 2013-01-30 | 成都中医药大学 | 针灸临床循证决策支持系统及其应用方法 |
-
2015
- 2015-01-23 CN CN201510035590.6A patent/CN104765762B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582135A (zh) * | 2008-05-14 | 2009-11-18 | 北京中食新华科技有限公司 | 一种具有数据挖掘方法的物流管理系统 |
US20120136684A1 (en) * | 2010-11-29 | 2012-05-31 | International Business Machines Corporation | Fast, dynamic, data-driven report deployment of data mining and predictive insight into business intelligence (bi) tools |
CN102509187A (zh) * | 2011-10-28 | 2012-06-20 | 合肥工业大学 | 一种基于数据挖掘的大型装备mro知识获取方法 |
CN102682162A (zh) * | 2012-04-24 | 2012-09-19 | 河海大学 | 基于复杂网络社区发现的层次重叠核心药群发现方法 |
CN102708285A (zh) * | 2012-04-24 | 2012-10-03 | 河海大学 | 基于复杂网络模型并行化PageRank算法的核心药物挖掘方法 |
CN102902871A (zh) * | 2012-07-03 | 2013-01-30 | 成都中医药大学 | 针灸临床循证决策支持系统及其应用方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220484A (zh) * | 2017-05-10 | 2017-09-29 | 山东中医药大学 | 一种中医方药数据分析挖掘系统 |
CN107220484B (zh) * | 2017-05-10 | 2019-11-05 | 山东中医药大学 | 一种中医方药数据分析挖掘系统 |
CN110622251A (zh) * | 2017-05-24 | 2019-12-27 | 日本自然抗衰老实验室株式会社 | 过敏处方搜索系统和方法以及过敏处方搜索程序 |
CN110633305A (zh) * | 2018-06-06 | 2019-12-31 | 中国石油化工股份有限公司 | 基于规则检索和关键词检索的化学事故数据挖掘方法 |
CN112489792A (zh) * | 2020-12-14 | 2021-03-12 | 河南经方云科技有限公司 | 一种基于大数据中医经方传承指导系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104765762B (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844723B (zh) | 基于问答系统的医学知识库构建方法 | |
CN104572675B (zh) | 一种相似病历检索的系统及方法 | |
CN107656952B (zh) | 平行智能病例推荐模型的建模方法 | |
CN105893597B (zh) | 一种相似病历检索方法及系统 | |
CN102364498B (zh) | 一种基于多标签的图像识别方法 | |
CN108182262A (zh) | 基于深度学习和知识图谱的智能问答系统构建方法和系统 | |
CN103186541B (zh) | 一种映射关系生成方法及装置 | |
Khaing | Data mining based fragmentation and prediction of medical data | |
AS et al. | Estimating the surveillance of liver disorder using classification algorithms | |
CN104765762A (zh) | 自动挖掘配伍关系系统及其方法 | |
CN102314478A (zh) | 一种患者身份识别与匹配的方法 | |
CN101441658A (zh) | 面向pacs数据库中放射图像的基于内容的检索方法和系统 | |
US20200075135A1 (en) | Trial planning support apparatus, trial planning support method, and storage medium | |
KR101577376B1 (ko) | 텍스트 기준점 기반의 저작권 침해 판단 시스템 및 그 방법 | |
CN104978347A (zh) | 中文生物医学文献数据库中敏感关键词的数据挖掘方法和系统 | |
CN107220484B (zh) | 一种中医方药数据分析挖掘系统 | |
CN102024027A (zh) | 一种医学数据库的建立方法 | |
CN107480435A (zh) | 一种应用于临床数据的自动搜索机器学习系统及方法 | |
CN107818816A (zh) | 基于人工智能学习的医生电子病历自动生成系统 | |
CN110019410A (zh) | 针对中医药临床案例信息的大数据挖掘系统 | |
CN108647199A (zh) | 一种地名新词的发现方法 | |
CN113161001A (zh) | 一种基于改进lda的过程路径挖掘方法 | |
CN110569372B (zh) | 一种心脏病大数据知识图谱系统的构建方法 | |
Gaillard et al. | Adaptation knowledge discovery for cooking using closed itemset extraction | |
CN112667781A (zh) | 一种恶性肿瘤文献获取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |