CN106933994A - 一种基于中医药知识图谱的核心症证关系构建方法 - Google Patents
一种基于中医药知识图谱的核心症证关系构建方法 Download PDFInfo
- Publication number
- CN106933994A CN106933994A CN201710107299.4A CN201710107299A CN106933994A CN 106933994 A CN106933994 A CN 106933994A CN 201710107299 A CN201710107299 A CN 201710107299A CN 106933994 A CN106933994 A CN 106933994A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- relation
- tcm
- node
- collection
- 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
- G06F16/248—Presentation of query results
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于中医药知识图谱的核心症证关系构建方法,其从中医药文献以及疾病诊断数据库中挖掘提取以中医病案的中医四诊信息、辨证要素知识元以及理、法、方、药等辅助知识元组成的案例集,并通过深度学习器将每一个案例对应四诊信息和辨证要素建立样本关系然后将样本关系转换为有向加权复杂网络,将各症候对应样本所包含的知识元推理关系抽象成有向边集合,再以知识地图和知识推理网络的方式进行可视化拓扑图输出。本发明能充分利用中医医案承载的有效信息,利用深度神经网络最大程度的实现特征抽取和自学习,中医症状、辨证要素可视化拓扑图的构建大大提高了潜在知识的发现效率,为中医智能诊断辅助决策和导医推荐打下基础。
Description
技术领域
本发明涉及医学诊断中症候群的图谱构建领域,尤其涉及一种基于中医药知识图谱的核心症证关系构建方法。
背景技术
知识图谱融合所有学科,将不同来源、不同类型、不同结构的知识单元通过链接关联成图,基于各学科的元数据,为用户提供更广度、更深度的知识体系并不断扩充。其本质上是将领域知识数据体系化、关系化,并以图的方式将知识可视化。简单来说,知识图谱是基于信息系统建立的知识体系,通过数据采集、数据挖掘、信息处理、知识计量和图形绘制等技术把复杂的知识领域系统地显示出来,揭示知识领域的动态发展规律。在中医药知识图谱的构建中,需要对不同病机对应的症候建立关联关系,因此,不同症候构成的症候群是完善中医药知识图谱的重要数据源。然而已有的中医药知识图谱数据来源大多是医学典籍和官方诊疗指南等固化知识,一方面无法满足临床对知识动态更新的需求,另一方面只起到了查询作用,限制了临床医生在知识图谱使用过程中的自主性探究。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种基于中医药知识图谱的核心症证关系构建方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于中医药知识图谱的核心症证关系构建方法,包括步骤:
S1、从中医药文献以及疾病诊断数据库中挖掘提取中医病案的中医四诊信息、辨证要素知识元以及理、法、方、药辅助知识元组成的案例集,以作为基于中医药知识图谱的核心症证关系的关联关系的基础数据以及复杂网络的节点集合;
S2、通过深度学习器将每一个案例对应四诊信息和辨证要素建立样本关系然后将样本关系转换为有向加权复杂网络,将各症候对应样本所包含的知识元推理关系抽象成有向边集合;
S3、根据步骤S1和步骤S2中的节点集和边集进行生成知识地图以及知识推理网络的可视化。
进一步地,在步骤S1中,通过计算机对名医验案进行文本清洗、实体抽取,获取中医专有名词,并初步建立它们的语义关系。
进一步地,在步骤S1的实施过程中又包括以下步骤:
S101、根据病案中的中医四诊信息及医生所判断的病机抽取知识元;
S102、结合中医药知识本体,对步骤S101中所抽取知识元进行概念逻辑层次的构建;
S103、将所抽取的实体转换为知识元节点集合;
S104、根据步骤S102中所构建逻辑层次对所抽取知识元节点进行特征分组;
进一步地,在步骤S2的实施过程中又包括以下步骤:
S201、根据病案中知识元节点出现的关系先后进行有向关系抽取,形成有向边集合;
S202、根据知识元节点在病案中的分布为节点赋权,根据知识元节点间语义距离为其有向关系赋权;
S203、根据症状与病机节点集合以及边集合建立有向加权复杂网络,输出病机推理网络。
进一步地,在步骤S3的实施过程中又包括以下步骤:
S301、确立坐标原点,根据所选各知识元节点属性特征计算地图坐标以定位各节点,输出症状与病机的知识地图;
S302、通过设定聚类个数对已有节点进行聚类,并聚类结果进行区块划分,以不同的背景色区别不同聚类;
S303、根据步骤S1中确定的节点类别分组结果为节点着色;根据步骤S2中的节点赋权结果调整节点大小。
进一步地,对所述症候群知识图谱模型进行可视化地输出形式之一包括:知识地图
再进一步地,用以生成所述知识地图的参数至少包括:区块数量、图谱尺寸以及知识元范围。
进一步地,对所述症候群知识图谱模型进行可视化地输出形式之一包括:病机推理网络。
再进一步地,所述病机推理网络由所述症候群知识图谱模型自动生成,用以生成知识元构成的有向加权网络,所述知识元构成的有向加权网络中的各样本关系、节点均具有权重,并可自动/手动定义聚类数量。
本发明的有益效果:本发明的基于中医药知识图谱的核心症证关系构建方法通过将各症候对应的每一个案例建立样本关系然后将样本关系转换为有向加权复杂网络,较之以往的中医药知识图谱以及单味药、基础方的关联性研究有显著的优越性。发明有机结合了知识检索功能与数据分析功能,从检索功能看,提高了知识的更新频率及名医验案的利用效率;从分析功能看,结合专病专家知识对比的数据分析提升了潜在知识的发现效率。
附图说明
图1为本发明基于中医药知识图谱的核心症证关系构建方法的流程图;
图2为本发明的中医医案局部展示图;
图3为本发明的分类知识元视图的局部展示图;
图4为本发明的中医四诊知识地图的局部展示图;
图5为本发明的中医辨证要素知识分布地图的局部呈现图;
图6为本发明的中医辨证要素知识推理网络图的局部呈现图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
本发明提供了一种基于中医药知识图谱的核心症证关系构建方法,如图1所示,具体包括步骤:
S1,从中医药文献以及疾病诊断数据库中挖掘提取中医病案的中医四诊信息、辨证要素知识元以及理、法、方、药辅助知识元组成的案例集,以作为基于中医药知识图谱的核心症证关系的关联关系的基础数据;
S2,通过深度学习器将每一个案例对应四诊信息和辨证要素建立样本关系然后将样本关系转换为有向权值复杂网络,将各症候对应样本所包含的知识元推理关系抽象成有向边集合;
S3,根据步骤S1和步骤S2中的节点集和边集进行生成知识地图及知识推理网络的可视化,即知识图谱的输出。
具体的,在步骤S1中又包括以下步骤:
S101,根据病案中的中医四诊信息及医生所判断的病机抽取知识元;
S102,结合中医药知识本体,对步骤S101中所抽取知识元进行概念逻辑层次的构建;
S103,将所抽取的实体转换为知识元节点集合;
S104,根据步骤S102中所构建逻辑层次对所抽取知识元节点进行特征分组;
具体的,在步骤S2的实施过程中有包括以下步骤:
S201,根据病案中知识元节点出现的关系先后进行有向关系抽取,形成有向边集合;
S202,根据知识元节点在病案中的分布为节点赋权,根据知识元节点间语义距离为其有向关系赋权;
S203,根据症状与病机节点集合以及边集合建立有向加权复杂网络,输出病机推理网络。
具体的,在步骤S3的实施过程中又包括以下步骤:
S301,确立坐标原点,根据所选各知识元节点属性特征计算地图坐标以定位各节点,输出症状与病机的知识地图;
S302,通过设定聚类个数对已有节点进行聚类,并聚类结果进行区块划分,以不同的背景色区别不同聚类;
S303,根据步骤S1中确定的节点类别分组结果为节点着色,根据步骤S2中的节点赋权结果调整节点大小。
如图2所示,为本发明的中医医案局部展示图,其将不同就诊ID的主诉、辨证关系和患者特点进行归纳,作为基础数据的提取来源。如图3所示,为本发明的分类知识元视图的局部展示图,其以矩形色块的方式将知识元进行可视化呈现,包括中医四诊、案例用药、辩证关系、法治法治、脉诊、中医辨证、中医辨病等信息。如图4所示,为本发明的中医四诊知识地图的局部展示图,其以不同色块将不同症候进行归纳,不同色块具体不同的坐标,以此实现症候分布的可视化以及核心症候群分析的可视化。如图5所示,为本发明的中医辨证要素知识分布地图的局部呈现图,其以不同色块将中医辨证要素进行归纳。如图6所示,为本发明的中医辨证要素知识推理网络图的局部呈现图,其将图5中的中医辨证要素以推理网络的形式进行可视化呈现。
根据所建立的可视化知识地图和病机推理网络,用户可进行专科单病种核心症-证的直观分析挖掘。具体场景:对中医专科单病种患者的症状和病机进行分析,输出该病种的核心症状,并描绘出该病种的症状与病机的知识地图和知识推理网络。输入中医门诊非结构化文本病历,根据预定义的结构化知识量表模板抽取文本知识元,规范化、标准化医生采集的中医四诊信息和医生判断的病机。输入深度学习器,输出症状与病机的知识地图及其相关关系的有向网络图。利用知识地图和知识语义网络实现中医专科单病种核心症-证的可视化分析挖掘。
本发明的基于中医药知识图谱的核心症证关系构建方法通过将各症候对应的每一个案例建立样本关系然后将样本关系转换为有向加权复杂网络向量模型,使其在较之以往的中医药知识图谱以及核心症证的关联性研究上有显著的优越性。,发明有机结合了知识检索功能与数据分析功能,大大从检索功能看,提高了诊断的准确性知识的更新频率及名医验案的利用效率;从分析功能看,结合专病专家知识对比的数据分析提升了潜在知识的发现效率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,包括步骤:
S1、从中医药文献以及疾病诊断数据库中挖掘提取中医病案的中医四诊信息、辨证要素知识元以及理、法、方、药辅助知识元组成的案例集,以作为基于中医药知识图谱的核心症证关系的关联关系的基础数据以及复杂网络的节点集合;
S2、通过深度学习器将每一个案例对应四诊信息和辨证要素建立样本关系,然后将样本关系转换为有向加权复杂网络,将各症候对应样本所包含的知识元推理关系抽象成有向边集合;
S3、根据步骤S1和步骤S2中的节点集和边集进行生成知识地图以及知识推理网络的可视化。
2.根据权利要求1所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,在步骤S1中,通过计算机对名医验案进行文本清洗、实体抽取,获取中医专有名词,并初步建立它们的语义关系。
3.根据权利要求1所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,在步骤S1的实施过程中又包括以下步骤:
S101、根据病案中的中医四诊信息及医生所判断的病机抽取知识元;
S102、结合中医药知识本体,对步骤S101中所抽取知识元进行概念逻辑层次的构建;
S103、将所抽取的实体转换为知识元节点集合;
S104、根据步骤S102中所构建逻辑层次对所抽取知识元节点进行特征分组。
4.根据权利要求1所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,在步骤S2的实施过程中又包括以下步骤:
S201、根据病案中知识元节点出现的关系先后进行有向关系抽取,形成有向边集合;
S202、根据知识元节点在病案中的分布为节点赋权,根据知识元节点间语义距离为其有向关系赋权;
S203、根据症状与病机节点集合以及边集合建立有向加权复杂网络,输出病机推理网络。
5.根据权利要求1所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,在步骤S3的实施过程中又包括以下步骤:
S301、确立坐标原点,根据所选各知识元节点属性特征计算地图坐标以定位各节点,输出症状与病机的知识地图;
S302、通过设定聚类个数对已有节点进行聚类,并聚类结果进行区块划分,以不同的背景色区别不同聚类;
S303、根据步骤S1中确定的节点类别分组结果为节点着色;根据步骤S2中的节点赋权结果调整节点大小。
6.根据权利要求1所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,对所述症候群知识图谱模型进行可视化地输出形式之一包括:知识地图。
7.根据权利要求6所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,用以生成所述知识地图的参数至少包括:区块数量、图谱尺寸以及知识元范围。
8.根据权利要求1所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,对所述症候群知识图谱模型进行可视化地输出形式之一包括:病机推理网络。
9.根据权利要求8所述的一种基于中医药知识图谱的核心症证关系构建方法,其特征在于,所述病机推理网络由所述症候群知识图谱模型自动生成,用以生成知识元构成的有向加权网络,所述知识元构成的有向加权网络中的各样本关系、节点均具有权重,并可自动/手动定义聚类数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710107299.4A CN106933994B (zh) | 2017-02-27 | 2017-02-27 | 一种基于中医药知识图谱的核心症证关系构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710107299.4A CN106933994B (zh) | 2017-02-27 | 2017-02-27 | 一种基于中医药知识图谱的核心症证关系构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106933994A true CN106933994A (zh) | 2017-07-07 |
CN106933994B CN106933994B (zh) | 2020-07-31 |
Family
ID=59424172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710107299.4A Active CN106933994B (zh) | 2017-02-27 | 2017-02-27 | 一种基于中医药知识图谱的核心症证关系构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106933994B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647791A (zh) * | 2018-03-30 | 2018-10-12 | 中国标准化研究院 | 一种多源汽车安全信息的处理方法、装置及系统 |
CN109065173A (zh) * | 2018-07-10 | 2018-12-21 | 北京科技大学 | 知识路径的获取方法 |
CN109189947A (zh) * | 2018-11-07 | 2019-01-11 | 曲阜师范大学 | 一种基于关系数据库的移动数据知识图谱自动构建方法 |
CN109448838A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的症状诊断方法及设备 |
CN109509556A (zh) * | 2018-11-09 | 2019-03-22 | 天津开心生活科技有限公司 | 知识图谱生成方法、装置、电子设备及计算机可读介质 |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
CN109585024A (zh) * | 2018-11-14 | 2019-04-05 | 金色熊猫有限公司 | 数据挖掘方法及装置、存储介质、电子设备 |
CN109614619A (zh) * | 2018-12-08 | 2019-04-12 | 白晓跃 | 基于中医学领域专业词和文献的电子字典及其更新方法 |
CN109637618A (zh) * | 2018-11-28 | 2019-04-16 | 北京工业大学 | 一种基于标签的中药方剂多样性推荐方法 |
CN110033862A (zh) * | 2019-04-12 | 2019-07-19 | 南京中医药大学 | 一种基于加权有向图的中医量化诊断系统及存储介质 |
CN110827990A (zh) * | 2019-10-31 | 2020-02-21 | 北京科技大学 | 一种基于知识图谱的伤寒辨证推理系统 |
CN111292848A (zh) * | 2019-12-31 | 2020-06-16 | 同方知网(北京)技术有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
CN111522964A (zh) * | 2020-04-17 | 2020-08-11 | 电子科技大学 | 一种藏医药文献核心概念挖掘方法 |
WO2020245691A1 (en) * | 2019-06-06 | 2020-12-10 | International Business Machines Corporation | Automatic validation and enrichment of semantic relations between medical entities for drug discovery |
CN112489769A (zh) * | 2019-08-22 | 2021-03-12 | 浙江远图互联科技股份有限公司 | 基于深度神经网络的慢性病智慧中医诊断与药物推荐系统 |
CN112786197A (zh) * | 2021-02-03 | 2021-05-11 | 成都中医药大学 | 一种基于网络辨证的中医病机网络构建方法及系统 |
CN113220896A (zh) * | 2021-04-27 | 2021-08-06 | 北京大数医达科技有限公司 | 多来源知识图谱生成方法、装置、终端设备 |
CN115292286A (zh) * | 2022-08-04 | 2022-11-04 | 王炳策 | 一种中医护理条文数据库的构建方法和管理方法 |
CN117708338A (zh) * | 2024-02-05 | 2024-03-15 | 成都中医药大学 | 一种中文电子病历实体识别与四诊分类的抽取方法及模型 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868578A (zh) * | 2016-06-12 | 2016-08-17 | 北京万物语联技术有限公司 | 医疗知识系统及医疗知识编辑方法、应用方法 |
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
CN106227820A (zh) * | 2016-07-22 | 2016-12-14 | 北京科技大学 | 一种中医基础理论知识图库的构建方法 |
-
2017
- 2017-02-27 CN CN201710107299.4A patent/CN106933994B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021281A (zh) * | 2016-04-29 | 2016-10-12 | 京东方科技集团股份有限公司 | 医学知识图谱的构建方法、其装置及其查询方法 |
CN105868578A (zh) * | 2016-06-12 | 2016-08-17 | 北京万物语联技术有限公司 | 医疗知识系统及医疗知识编辑方法、应用方法 |
CN106227820A (zh) * | 2016-07-22 | 2016-12-14 | 北京科技大学 | 一种中医基础理论知识图库的构建方法 |
Non-Patent Citations (3)
Title |
---|
于彤等: "大型中医药知识图谱构建研究", 《中国数字医学》 * |
张德政等: "基于本体的中医知识图谱构建", 《情报工程》 * |
阮彤等: "中医药知识图谱构建与应用", 《医学信息学杂志》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
CN108647791A (zh) * | 2018-03-30 | 2018-10-12 | 中国标准化研究院 | 一种多源汽车安全信息的处理方法、装置及系统 |
CN109065173A (zh) * | 2018-07-10 | 2018-12-21 | 北京科技大学 | 知识路径的获取方法 |
CN109065173B (zh) * | 2018-07-10 | 2022-04-19 | 北京科技大学 | 知识路径的获取方法 |
CN109448838A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的症状诊断方法及设备 |
CN109189947A (zh) * | 2018-11-07 | 2019-01-11 | 曲阜师范大学 | 一种基于关系数据库的移动数据知识图谱自动构建方法 |
CN109509556A (zh) * | 2018-11-09 | 2019-03-22 | 天津开心生活科技有限公司 | 知识图谱生成方法、装置、电子设备及计算机可读介质 |
CN109585024B (zh) * | 2018-11-14 | 2021-03-09 | 金色熊猫有限公司 | 数据挖掘方法及装置、存储介质、电子设备 |
CN109585024A (zh) * | 2018-11-14 | 2019-04-05 | 金色熊猫有限公司 | 数据挖掘方法及装置、存储介质、电子设备 |
CN109637618A (zh) * | 2018-11-28 | 2019-04-16 | 北京工业大学 | 一种基于标签的中药方剂多样性推荐方法 |
CN109614619A (zh) * | 2018-12-08 | 2019-04-12 | 白晓跃 | 基于中医学领域专业词和文献的电子字典及其更新方法 |
CN110033862B (zh) * | 2019-04-12 | 2022-05-17 | 南京中医药大学 | 一种基于加权有向图的中医量化诊断系统及存储介质 |
CN110033862A (zh) * | 2019-04-12 | 2019-07-19 | 南京中医药大学 | 一种基于加权有向图的中医量化诊断系统及存储介质 |
GB2599287A (en) * | 2019-06-06 | 2022-03-30 | Ibm | Automatic validation and enrichment of semantic relations between medical entities for drug discovery |
WO2020245691A1 (en) * | 2019-06-06 | 2020-12-10 | International Business Machines Corporation | Automatic validation and enrichment of semantic relations between medical entities for drug discovery |
CN112489769A (zh) * | 2019-08-22 | 2021-03-12 | 浙江远图互联科技股份有限公司 | 基于深度神经网络的慢性病智慧中医诊断与药物推荐系统 |
CN112489769B (zh) * | 2019-08-22 | 2024-05-17 | 浙江远图技术股份有限公司 | 基于深度神经网络的慢性病智慧中医诊断与药物推荐系统 |
CN110827990A (zh) * | 2019-10-31 | 2020-02-21 | 北京科技大学 | 一种基于知识图谱的伤寒辨证推理系统 |
CN110827990B (zh) * | 2019-10-31 | 2022-08-19 | 北京科技大学 | 一种基于知识图谱的伤寒辨证推理系统 |
CN111292848A (zh) * | 2019-12-31 | 2020-06-16 | 同方知网(北京)技术有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
CN111292848B (zh) * | 2019-12-31 | 2023-05-16 | 同方知网数字出版技术股份有限公司 | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 |
CN111522964A (zh) * | 2020-04-17 | 2020-08-11 | 电子科技大学 | 一种藏医药文献核心概念挖掘方法 |
CN112786197A (zh) * | 2021-02-03 | 2021-05-11 | 成都中医药大学 | 一种基于网络辨证的中医病机网络构建方法及系统 |
CN112786197B (zh) * | 2021-02-03 | 2023-08-18 | 成都中医药大学 | 一种基于网络辨证的中医病机网络构建方法及系统 |
CN113220896B (zh) * | 2021-04-27 | 2024-03-19 | 北京大数医达科技有限公司 | 多来源知识图谱生成方法、装置、终端设备 |
CN113220896A (zh) * | 2021-04-27 | 2021-08-06 | 北京大数医达科技有限公司 | 多来源知识图谱生成方法、装置、终端设备 |
CN115292286A (zh) * | 2022-08-04 | 2022-11-04 | 王炳策 | 一种中医护理条文数据库的构建方法和管理方法 |
CN117708338B (zh) * | 2024-02-05 | 2024-04-26 | 成都中医药大学 | 一种中文电子病历实体识别与四诊分类的抽取方法及模型 |
CN117708338A (zh) * | 2024-02-05 | 2024-03-15 | 成都中医药大学 | 一种中文电子病历实体识别与四诊分类的抽取方法及模型 |
Also Published As
Publication number | Publication date |
---|---|
CN106933994B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106933994A (zh) | 一种基于中医药知识图谱的核心症证关系构建方法 | |
CN106933983B (zh) | 一种中医药知识图谱的构建方法 | |
CN107066814A (zh) | 一种基于望闻问切协同的中医智能辅助诊断系统 | |
Moody | Peer influence groups: identifying dense clusters in large networks | |
CN106933985B (zh) | 一种核心方的分析发现方法 | |
CN106919671A (zh) | 一种中医文本病案挖掘与辅助决策智能系统 | |
CN104462227A (zh) | 一种图形化知识谱系自动构建方法 | |
CN101647696A (zh) | 健康诊疗智能系统 | |
CN103258054B (zh) | 数据处理方法及装置 | |
DE112019002235T5 (de) | Einbinden eines wörterbuch-bearbeitungssystems in ein text mining | |
Chou et al. | Extracting drug utilization knowledge using self-organizing map and rough set theory | |
KR20110098286A (ko) | 퍼지 추론기법을 이용한 한방 자가 진단방법 | |
Silva et al. | Data science in public mental health: a new analytic framework | |
Hessari et al. | The impact of environmental construction on the spatial configuration of traditional Iranian housing (case study: Comparison of Dezful and Boroujerd traditional housing) | |
Luo et al. | Time series clustering of COVID-19 pandemic-related data | |
CN110136113A (zh) | 一种基于卷积神经网络的阴道病理图像分类方法 | |
Walliman | Research Basics | |
CN102915469A (zh) | 旨在实现学习质量体检的数据深度挖掘分析系统及方法 | |
He et al. | Applying a spatial decision support system to the integrated regional planning of China | |
CN105760406B (zh) | 用于在数据挖掘技术中提取特征数据的方法 | |
Dahyot et al. | Information visualisation for social media analytics | |
Song et al. | Research on user experience evaluation of man-machine interaction interface based on virtual reality technology | |
Marrapu et al. | New Analytic Framework of Public Mental Health Prediction Using Data Science | |
Yang et al. | The design of exam system on the basis of. net technology | |
Acibar et al. | Data analysis with visualization for a geographic information system of schistosomiasis community health data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |