CN107256427A - 医学知识图生成方法、装置及诊断数据获取系统、方法 - Google Patents

医学知识图生成方法、装置及诊断数据获取系统、方法 Download PDF

Info

Publication number
CN107256427A
CN107256427A CN201710431231.1A CN201710431231A CN107256427A CN 107256427 A CN107256427 A CN 107256427A CN 201710431231 A CN201710431231 A CN 201710431231A CN 107256427 A CN107256427 A CN 107256427A
Authority
CN
China
Prior art keywords
medical
information
rule
knowledge
medical knowledge
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.)
Pending
Application number
CN201710431231.1A
Other languages
English (en)
Inventor
赵海丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Deep Spring Technology Co Ltd
Original Assignee
Chengdu Deep Spring Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Deep Spring Technology Co Ltd filed Critical Chengdu Deep Spring Technology Co Ltd
Priority to CN201710431231.1A priority Critical patent/CN107256427A/zh
Publication of CN107256427A publication Critical patent/CN107256427A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明实施例提供的一种医学知识图生成方法、装置及诊断数据获取系统、方法,涉及医学数据处理技术领域。所述医学知识图生成方法通过获取标准医学词项信息;获取所述标准医学词项信息对应的医学指标项信息;再基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;然后将所述医学逻辑信息以图形化的方式,生成医学知识图,以此更好地表达出医学知识,通过图形化方式,操作方便、高效。

Description

医学知识图生成方法、装置及诊断数据获取系统、方法
技术领域
本发明涉及医学数据处理技术领域,具体而言,涉及一种医学知识图生成方法、装置及诊断数据获取系统、方法。
背景技术
优质医疗资源不足,医疗水平参差不齐是当前医疗行业存在的一个基本问题,作为医疗行为中重要角色的医生也面临成长周期长,且其医疗水平也往往受制于其职业经验等问题。如何提高或规范化医生的诊断、治疗水平是解决该问题的一个重要环节。医生+“系统”的模式能提供相对低层本而又高标准且优良的医疗服务,采用信息化、智能化的计算机系统来帮助医生能较好的实现此目的。其中智能决策系统就是辅助医生进行诊断判别、处方开具等医疗行为的此类系统之一。决策系统需要具备渊博的医学知识(含快速的自我进化能力)和自动化的决策能力才能很好的辅助医生做出正确的决策数据获取。如何让决策系统拥有渊博的医学知识和自动化的决策能力一直以来都是此类系统设计的难点。现有的系统一般采用大数据学习或者规则系统录入医学知识为主的方式(往往两者都会有所交叉)来让决策系统具备良好的医学知识。大数据学习往往是从海量的医学资料例如病例,医学文献等中沉积医学知识到系统中,而专家系统往往则是依靠高水平的医生总结医学规律后再录入到系统中去。
不论是采用大数据学习或则专家系统的方式都希望尽可能准确、完整的把人类现有的医学知识结构化的表达在系统中,让系统拥有结构化的知识从而能做出正确的决策结论。大数据学习的方式往往面临着医学资料不齐备,如病例开放度不够,病例质量不高等问题,非计算机化的资料(医生脑子里的经验)无法学习,学习得到的医学知识还需要进一步人工清理等问题;专家系统方式往往面临医学规律总结困难,表达到系统会丢失信息,人工工作量大等问题。同时决策系统的开发往往也离不开医生的参与,但医生往往也不具备编程知识,导致进入系统的医学知识存在部分丢失,虽然也有不少系统提供了诸如可视化输入等工具,但现有工具在表达医生知识和医生的可操作性上还需改进。现有方法实现的系统还缺乏足够的表达能力。
发明内容
本发明的目的在于提供一种医学知识图生成方法、装置及决策数据获取方法、装置,其能够改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本发明实施例提供了一种医学知识图生成方法,所述方法包括:获取标准医学词项信息;获取所述标准医学词项信息对应的医学指标项信息;基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;将所述医学逻辑信息以图形化的方式,生成医学知识图。
第二方面,本发明实施例提供了一种医学知识图生成装置,所述装置包括第一获取单元、第二获取单元、第三获取单元和生成单元。第一获取单元,用于获取标准医学词项信息。第二获取单元,用于获取所述标准医学词项信息对应的医学指标项信息。第三获取单元,用于基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息。生成单元,用于将所述医学逻辑信息以图形化的方式,生成医学知识图。
第三方面,本发明实施例提供了一种诊断数据获取系统,所述系统包括服务器和用户终端,所述服务器与所述用户终端通过网络连接,所述服务器存储有上述的医学知识图生成方法生成的医学知识图。所述服务器用于接收到所述用户终端发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端,以供所述用户终端反馈所述第二问诊信息。所述服务器还用于接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。
第四方面,本发明实施例提供了一种诊断数据获取方法,应用于上述的系统,所述系统包括服务器和用户终端,所述服务器与所述用户终端通过网络连接,所述服务器存储有上述的医学知识图生成方法生成的医学知识图;所述服务器接收到所述用户终端发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端,以供所述用户终端反馈所述第二问诊信息;所述服务器接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。
本发明实施例提供的一种医学知识图生成方法、装置及决策数据获取方法、装置,所述医学知识图生成方法通过获取标准医学词项信息;获取所述标准医学词项信息对应的医学指标项信息;再基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;然后将所述医学逻辑信息以图形化的方式,生成医学知识图,以此更好地表达出医学知识,通过图形化方式,操作方便、高效。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为一种可应用于本申请实施例中的电子设备的结构框图;
图2为本发明第一实施例提供的医学知识图生成方法的流程图;
图3为本发明第一实施例提供的医学知识图示意图;
图4为本发明第二实施例提供的诊断数据获取系统的应用环境;
图5为本发明第三实施例提供的诊断数据获取方法的流程图;
图6为本发明第四实施例提供的医学知识图生成装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1,图1示出了一种可应用于本申请实施例提供的医学知识图生成方法的电子设备100的结构框图。该电子设备100可以作为用户终端,也可以是计算机或服务器,所述用户终端可以为手机或平板电脑。如图1所示,电子设备100可以包括存储器110、存储控制器111、处理器112和医学知识图生成装置。
存储器110、存储控制器111、处理器112各元件之间直接或间接地电连接,以实现数据的传输或交互。例如,这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。医学知识图生成方法分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器110中的软件功能模块,例如所述医学知识图生成装置包括的软件功能模块或计算机程序。
存储器110可以存储各种软件程序以及模块,如本申请实施例提供的医学知识图生成方法、装置对应的程序指令/模块。处理器112通过运行存储在存储器110中的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本申请实施例中的医学知识图生成方法。存储器110可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器112可以是一种集成电路芯片,具有信号处理能力。上述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第一实施例
请参阅图2,本发明实施例提供了一种医学知识图生成方法,所述方法包括:
步骤S200:获取标准医学词项信息;
进一步地,通过机器学习方法和/或接收用户指令,获取标准医学词项信息。
在本实施例中,标准化的医学词库,用于描述症状、病、体征、疾病、辅助检查等的基础医学概念。医学词库中的每一个基础医学概念称为一条医学词项。医学词库类似于字典,所述标准医学词项信息可以从所述医学词库中获得。可以通过机器学习和/或接收用户输入指令,不断完善该医学词库,获取更多的标准医学词项信息。
步骤S210:获取所述标准医学词项信息对应的医学指标项信息;
所述医学指标项信息包括数值型指标项信息、枚举型指标项信息、组合型指标项信息、嵌套型指标项信息中的至少一种。
在本实施例中,一种词项的逻辑组合单元“指标项”,用于描述特定关系的医学词项集合。
数值型指标项信息:形如[指标项名][可选单位列表],例如,体重{kg,g}。
枚举型指标项信息:形如[指标项名][互斥的可选词项及权重列表],例如,性别:{男(1),女(2)}。
组合型指标项信息:形如[指标项名][可同时存在的可选词项及权重列表],例如,呼吸道常见症状:{咽痛(3),咳嗽(2),气促(5)}。
嵌套型指标项信息:形如[指标项名][嵌套包含的其它指标项集],例如,基本体征:{身高,体征,心率}。
在表达医学知识时,可以根据实际的表达需要,灵活的建立各种医学指标项信息,枚举型和组合型指标项中的词项权重是可以在不同场景下给定不同的值。
步骤S220:基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;
通过预设的布尔规则集来编辑医学指标项信息,获得医学逻辑信息。
进一步地,所述预设的布尔规则集包括比较规则、范围规则、包含规则、包含于规则、存在规则、字典比较规则、表达式规则、不存在规则、缺失规则、症状变化规则、症状变化率规则、字典运算比较规则。
所述症状变化率规则包括相邻最大上升率规则、相邻最大下降率规则、最终累积变化率规则、最大累积变化率规则、奇点最近变化率规则、奇点最远变化率规则、相邻平均上升率规则、相邻平均下降率规则、相邻平均波动率规则。所述症状变化规则包括时序逻辑规则。
具体地,所述比较规则可以包括但不限于:数值型指标项信息是否大于、大于等于、小于、小于等于、等于或不等于(>,>=,<,<=,==,!=)某个指定医学数值常量,枚举型指标项信息是否等于或不等于(==,!=)某个指定的非数值型医学常量,组合型指标项信息是否只有一条且是否等于或不等于(==,!=)某个指定的非数值型医学常量。
所述范围规则可以包括但不限于:数值型指标项信息是否在某两个医学数值常量之间。
包含规则可以包括但不限于:组合型指标项信息是否包含了规则中所有指定的信息常量集合。
包含于规则可以包括但不限于:组合型/枚举型指标项信息是否被规则中所有指定的信息常量集合所包含。和所述包含规则都是定义集合的包含关系,只是方向相反。
存在规则可以包括但不限于:组合型/枚举型指标项信息是否和规则中指定的信息常量集合有交集。存在规则定义了集合间的相交关系。
字典比较规则可以包括但不限于:字典比较规则用于比较医学指标项信息的取值关系(相对大小关系):对数值指标项信息,比较的是两个数值的大小。对于枚举型指标项信息和组合型指标项信息比较的是枚举型指标项信息和组合型指标项信息中所选的项的权值大小,组合型指标项信息若选择了多个选项,则唯一选择一个作为其权值。
表达式规则可以包括但不限于:一种数值型指标项信息的四则运算表达式的值大于、大于等于、小于、小于等于、等于、不等于(>,>=,<,<=,==,!=)另一种数值型指标项信息的四则运算表达式的值。例如3*#{一种数值型指标项信息}>3*#{另一种数值型指标项信息}。
以上规则中组合型指标项信息和枚举型指标项信息的值集均为状态为“有”的信息点集。
不存在规则可以包括但不限于:组合型指标项信息/枚举型指标项信息中状态为“无”的值集合是否包含规则中指定的“无”状态信息点集合。即运行时选择的状态为“无”的子项集合必须包含规则中定义的所有选项,规则才成立。
缺失规则可以包括但不限于:某枚举型指标项信息是否是未知状态;某枚举型指标项信息中的指定一项或多项是否是未知状态;某数值型指标项信息是否未填写。
症状变化规则可以包括但不限于:描述了两个症状在时间轴上的相对位置关系,即在某时间段1上出现过症状1,然后在其后的某一段时间之后的某一段时间2上又出现了症状2。
所述症状变化规则可以包括时序逻辑规则。时序逻辑规则用来描述某种病情在时间序列上的变化是否发生过。在本实施例中,通过“奇点”,相对“奇点”时间范围的方式来刻画时间序列,定义了三种“奇点”:出生时刻,当前时刻,某个事件的发生时刻。其中出生时刻,当前时刻为基础奇点,事件发生时刻为复合奇点需嵌套在基础奇点上使用,所有的时间段从而可以被表述为诸如:出生时刻:[0,10]天(出生后的10天内),当前时刻:[-7,0]天(最近一周内),首次呕吐时刻:[1,5]天(出现呕吐后的1到5天内)。同时还可以有“时间奇点”的嵌套,例如[胆红素>20[出生时刻:[1,7]天]][0,10]小时,从而提供更为丰富的表达能力。
症状变化率规则:用于计算某一个数值型指标项信息在一段时间范围内的变化趋势,可以通过多种预设的变化计算函数来计算。每一种预设的变化计算函数均对应一种规则。因此,症状变化率规则可以包括相邻最大上升率规则、相邻最大下降率规则、最终累积变化率规则、最大累积变化率规则、奇点最近变化率规则、奇点最远变化率规则、相邻平均上升率规则、相邻平均下降率规则、相邻平均波动率规则。
对于数值型指标项信息,可以使用如下以上多种症状变化率规则。例如:对病人填写过如下体温序列:36.5(2016.10.1),36.8(2016.10.2),38.2(2016.10.3),38.8(2016.10.4),37.8(2016.10.5),36.9(2016.10.6),36.4(2016.10.7)。以下以这一段体温序列来说明多种症状变化率规则。
相邻最大上升率规则:描述的是在时间序列上紧挨着的两个值的增长率最大的那组的增长率。应用在这段体温序列中,相应为(38.2-36.8)/36.8。
相邻最大下降率规则:描述的是在时间序列上紧挨着的两个值的下降率最大的那组的下降率。应用在这段体温序列中,相应为(37.8-38.8)/38.8。
最终累积变化率规则:描述的是在时间序列上最后一个值和第一个值之间的差值率。应用在这段体温序列中,相应为(36.4-36.5)/36.5,若为负值则为下降。
最大累积变化率规则:描述的是在时间序列上最大值和最小值的差值率。应用在这段体温序列中,相应为(36.4-38.8)/38.8,若为负值则为下降。
奇点最近变化率规则:描述的是距离基点最近的两个值的差值率。比如应用在这段体温序列中,以当前为基点,相应为:(36.4-36.9)/36.9。
奇点最远变化率规则:描述的是距离基点最近的两个值的差值率。比如应用在这段体温序列中,以当前为基点,相应为:(36.8-36.5)/36.5。
相邻平均上升率规则:描述的是时间序列上两两靠近的值的差值(只取大于0的变化率)的平均值。应用在这段体温序列中,相应为:(36.8-36.5)/36.5+(38.2-36.8)/36.8......)/3,只有3天是上升的。
相邻平均下降率规则:描述的是时间序列上两两靠近的值的差值(只取小于0的变化率)的平均值。
相邻平均波动率规则:描述的是时间序列上两两靠近的值的差值(>0,<0都取)的平均值。应用在这段体温序列中,相应为:|(36.8-36.5)|/36.5+|(38.2-36.8)|/36.8......)/36。
将相邻最大上升率规则、相邻最大下降率规则、最终累积变化率规则、最大累积变化率规则、奇点最近变化率规则、奇点最远变化率规则、相邻平均上升率规则、相邻平均下降率规则、相邻平均波动率规则对应的值取绝对值,相应地,症状变化率规则还可以包括:相邻最大上升值规则、相邻最大下降值规则、最终累积变化值规则、最大累积变化值规则、奇点最近变化值规则、奇点最远变化值规则、相邻平均上升值规则、相邻平均下降值规则、相邻平均波动值规则。
例如,相邻最大上升值规则与相邻最大上升率规则对应,描述的是在时间序列上紧挨着的两个值的增长率最大的那组的增长率的绝对值。应用在这段体温序列中,相应为|(38.2-36.8)/36.8|。同理,相邻最大下降值规则、最终累积变化值规则、最大累积变化值规则、奇点最近变化值规则、奇点最远变化值规则、相邻平均上升值规则、相邻平均下降值规则、相邻平均波动值规则类似,这里不再赘述。
症状变化率规则还可以包括最大值规则,为指定时间序列上的最大值。应用在这段体温序列中,相应为38.8。
症状变化率规则还可以包括最小值规则,为指定时间序列上的最小值。应用在这段体温序列中,相应为36.4。
进一步地,字典运算比较规则包括但不限于:用于比较两个医学指标项信息(可以是同一个医学指标项信息中的两个时刻的取值)的值的差值和指定常数的关系。对于数值型指标项信息,其值为数值本身;对于枚举型指标项信息,其值为所选枚举项的权值;对于组合型指标项信息,随机选择某个已经选择的选项的权值作为其值。前后医学指标项信息相减的值和指定的常量来进行比较。
步骤S230:将所述医学逻辑信息以图形化的方式,生成医学知识图。
进一步地,步骤S230可以包括:按照预设的划分规则,将所述医学逻辑信息划分为多个待处理医学逻辑信息;将所述多个待处理医学逻辑信息分别以图形化的方式,生成所述待处理医学逻辑信息各自对应的基本医学知识图;聚合所述待处理医学逻辑信息各自对应的基本医学知识图,以生成多层次的医学知识图。
具体地,所述预设的划分规则可以包括但不限于科室/生理系统维度。按照科室/生理系统维度等维度将所述医学逻辑信息划分为多个待处理医学逻辑信息。
作为一种实施方式,图形化的方式来建模医学知识思维,其核心是使用如下描述的图元:开始图元:标识医学知识思维活动的起始点;分支类图元:用于标识当前可能的思维路径。例如二元分支:存在2条思维路径,且非此即彼。多元分支:存在可并行的1条或多条思维路径。结论输出图元:用来诊断,辅助检查决策,处方以及其它定义结论。
采用知识图的方式来组织医学知识,一张医学知识图可以是血红蛋白判别,也可以是肺炎的诊断流程,也可以是呼吸道疾病的鉴别过程。一张医学知识图由图元组件和图元组件间的连线组成,在连接线上承载了以上规则,其中每一条线对应了一个布尔规则集组。
医学知识图上的图元组件可以包括流程结构组件。流程结构组件即用于串联流程结构的图元组件。流程结构组件包括但不限于开始图元组件、结论图元组件、医学服务调用图元组件、子流程调用图元组件、绑值图元组件。开始图元组件:标识一个诊疗流程起始入口点,每一个诊疗流程都有一个开始图元。结论图元组件:标识一个诊疗流程中给出的医学结论,一个诊疗可以拥有多个结论图元。医学服务调用图元组件:用于调用一个现有的医学计算服务。子流程调用图元组件:用于调用另外一个医学流程。绑值图元组件:将某个医学流程中得到的结论进行绑定,以便流程的其它地方或者其它流程可以使用。连接线组件:用于有条件地连接两个图元组件,如图3中标有1、2、3……等数字的带箭头线即为连接线。连接线上附着规则集,当满足连接线上规则,则跳转到箭头连接的下一个流程结构组件。
医学逻辑表达组件为每一个组件包含诊疗过程中需要的信息点以及所有信息点按医学规则组合成的一个或多个合取/析取范式。医学逻辑表达组件可以包括但不限于合取图元组件、析取图元组件和枚举图元组件。
合取图元组件为一个医学逻辑表达组件,用于表达一组医学决策逻辑构成的单个合取范式,其有两条出口连接线:范式结论为真,为假。
析取图元组件为一个医学逻辑表达组件,用于表达一组医学决策逻辑构成的单个析取范式,其有两条出口连接线。
枚举图元组件为一个医学逻辑表达组件,用于表达一组医学决策逻辑构成的多个析取/合取范式,每个范式对应一条出口连接线。如图3所示的医学知识图示意图为例,以主诉为开始图元组件,存在7条分支路径,每条线都对应了一个布尔规则集或多个布尔规则集组成的布尔规则集组,这7条路径的终点如图3中的圆圈,在具体情况下,都分别可以确定一个诊断结果。医学知识图是系统管理的基本单位,即可以用来做基础医学知识的描述,也可以用来串联相关的医学知识图。知识图引用组件来把各个医学知识图串联起来,组成巨大且统一的医学知识网络,从而形成多层次的医学知识组织模式。此种方式能有效对医学问题进行分解,降低了单个知识点的编辑难度,而又能将单个的知识点串联起来,形成具有实际效果的整体。
本发明实施例提供了一种医学知识图生成方法,所述方法包括获取标准医学词项信息;获取所述标准医学词项信息对应的医学指标项信息;再基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;然后将所述医学逻辑信息以图形化的方式,生成医学知识图,能够很好地表达出现有的医学知识,操作方便、高效,成本低。
第二实施例
请参阅图4,本发明实施例提供了一种诊断数据获取系统,所述系统包括服务器310和用户终端320。所述服务器310与所述用户终端320通过网络330连接,所述服务器310存储有上述的医学知识图生成方法生成的医学知识图。所述服务器310通过网络330与一个或多个用户终端320进行通信连接,以进行数据通信或交互。所述服务器310可以是网络服务器、数据库服务器等。
所述服务器310用于接收到所述用户终端320发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端320,以供所述用户终端320反馈所述第二问诊信息。
问诊信息即病人的病情相关信息,描述采用两种基本的方式:数值型信息,例如身高,年龄,其值要么未知,要么是一个具体的数值加单位。状态型信息,例如咳嗽,发热等,其值为未知,存在,不存在三种。
服务器310用于接收到登录用户的用户终端320发送的第一问诊信息后,还需要向该登录用户询问什么病情或采集什么信息,以便进行下一步医学行为,即生成动态的问诊路径。采用服务器问-用户终端答(Q-A)的方式实现问诊的交互,服务器Q:以问题的形式抛出需要确认的病情信息,用户终端A:登录用户确认或回答服务器的问题。按照医学知识图设定的路劲进行遍历,返回需要抛出确认的问题,依据场景的不同,遍历的方式可以包括但不限于广度搜索遍历和深度遍历两种方式。即是说服务器310根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息。所述第一问诊信息可以包括发热、咳嗽、喉痛等,相应地,所述第一问诊信息相关联的第二问诊信息可以包括发热天数、咳嗽天数、喉痛天数等。
所述服务器310还用于接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。
例如,服务器310接收到登录用户的用户终端320发送的发热信息后,服务器310根据所述医学知识图获取所述发热信息相关联的发热天数,并将所述发热天数信息发送给所述用户终端320,以供所述用户终端320反馈所述第二问诊信息。用户终端320接收到所述发热天数信息后,接收登录用户输入的发热3天信息,并将所述发热3天信息发送给所述服务器310。询问服务器310接收到所述用户终端320返回的发热3天信息后,根据所述医学知识图获得诊断数据,以此获得该用户的诊断结果如感冒,还可以获得辅助检查、处方、提醒等医学结论。
需要说明的是,根据实际情况,不断重复Q-A的方式,服务器310获得登录用户的用户终端320返回的多个反馈信息后,将所述多个反馈信息在医学知识图中进行遍历,更准确地获得该登录用户的诊断结果。
本发明实施例提供了一种诊断数据获取系统,所述系统包括服务器310和用户终端320。所述服务器310与所述用户终端320通过网络连接,所述服务器310存储有上述的医学知识图生成方法生成的医学知识图。所述服务器310用于接收到所述用户终端320发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端320,以供所述用户终端320反馈所述第二问诊信息。所述服务器310还用于接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。通过服务器310不断将接收到的用户终端320发送的数据在医学知识图中遍历,获得诊断数据,以此实现了诊断数据获取系统拥有结构化的知识从而获得准确的诊断数据,有效地建立了现实诊断过程。同时,诊断数据获取系统在诊疗活动中和医生进行交互,辅助医生做出正确的医学决策。
第三实施例
请参阅图5,本发明实施例提供了一种诊断数据获取方法,应用于上述的诊断数据获取系统,所述诊断数据获取方法包括:
步骤S300:服务器接收到所述用户终端发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端,以供所述用户终端反馈所述第二问诊信息;
步骤S310:所述服务器接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的方法的具体工作过程,可以参考前述系统实施例中的对应过程,在此不再赘述。
本发明实施例提供了一种诊断数据获取方法,在服务器接收到所述用户终端发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端,以供所述用户终端反馈所述第二问诊信息;然后所述服务器接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据,以此有效地建立了现实诊断过程,自动获得诊断数据。
第四实施例
请参阅图6,本发明实施例提供了一种医学知识图生成装置400,所述装置400包括第一获取单元410、第二获取单元420、第三获取单元430和生成单元440。
第一获取单元410,用于获取标准医学词项信息。
作为一种实施方式,第一获取单元410可以包括第一获取子单元411
第一获取子单元411,用于通过机器学习方法和/或接收用户输入指令,获取标准医学词项信息。
第二获取单元420,用于获取所述标准医学词项信息对应的医学指标项信息。
第三获取单元430,用于基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息。
生成单元440,用于将所述医学逻辑信息以图形化的方式,生成医学知识图。
作为一种实施方式,所述生成单元440可以包括划分子单元441、生成子单元442和聚合子单元443。
划分子单元441,用于按照预设的划分规则,将所述医学逻辑信息划分为多个待处理医学逻辑信息。
生成子单元442,用于将所述多个待处理医学逻辑信息分别以图形化的方式,生成所述待处理医学逻辑信息各自对应的基本医学知识图。
聚合子单元443,用于聚合所述待处理医学逻辑信息各自对应的基本医学知识图,以生成多层次的医学知识图。
以上各单元可以是由软件代码实现,此时,上述的各单元可存储于存储器110内。以上各单元同样可以由硬件例如集成电路芯片实现。
本发明实施例提供的医学知识图生成装置400,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种医学知识图生成方法,其特征在于,所述方法包括:
获取标准医学词项信息;
获取所述标准医学词项信息对应的医学指标项信息;
基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;
将所述医学逻辑信息以图形化的方式,生成医学知识图。
2.根据权利要求1所述的方法,其特征在于,所述获取标准医学词项信息,包括:
通过机器学习方法和/或接收用户输入指令,获取标准医学词项信息。
3.根据权利要求1所述的方法,其特征在于,所述医学指标项信息包括数值型指标项信息、枚举型指标项信息、组合型指标项信息、嵌套型指标项信息中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述预设的布尔规则集包括比较规则、范围规则、包含规则、包含于规则、存在规则、字典比较规则、表达式规则、不存在规则、缺失规则、症状变化规则、症状变化率规则、字典运算比较规则。
5.根据权利要求4所述的方法,其特征在于,所述症状变化率规则包括相邻最大上升率规则、相邻最大下降率规则、最终累积变化率规则、最大累积变化率规则、奇点最近变化率规则、奇点最远变化率规则、相邻平均上升率规则、相邻平均下降率规则、相邻平均波动率规则。
6.根据权利要求4所述的方法,其特征在于,所述症状变化规则包括时序逻辑规则。
7.根据权利要求1所述的方法,其特征在于,所述将所述医学逻辑信息以图形化的方式,生成医学知识图,包括:
按照预设的划分规则,将所述医学逻辑信息划分为多个待处理医学逻辑信息;
将所述多个待处理医学逻辑信息分别以图形化的方式,生成所述待处理医学逻辑信息各自对应的基本医学知识图;
聚合所述待处理医学逻辑信息各自对应的基本医学知识图,以生成多层次的医学知识图。
8.一种医学知识图生成装置,其特征在于,所述装置包括:
第一获取单元,用于获取标准医学词项信息;
第二获取单元,用于获取所述标准医学词项信息对应的医学指标项信息;
第三获取单元,用于基于预设的布尔规则集和所述医学指标项信息,获得医学逻辑信息;
生成单元,用于将所述医学逻辑信息以图形化的方式,生成医学知识图。
9.一种诊断数据获取系统,其特征在于,所述系统包括服务器和用户终端,所述服务器与所述用户终端通过网络连接,所述服务器存储有如权利要求1-7任一项所述的医学知识图生成方法生成的医学知识图;
所述服务器用于接收到所述用户终端发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端,以供所述用户终端反馈所述第二问诊信息;
所述服务器还用于接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。
10.一种诊断数据获取方法,应用于如权利要求9所述的系统,所述诊断数据获取方法包括:
服务器接收到所述用户终端发送的第一问诊信息后,根据所述医学知识图获得与所述第一问诊信息相关联的第二问诊信息,并将所述第二问诊信息发送给所述用户终端,以供所述用户终端反馈所述第二问诊信息;
所述服务器接收到所述用户终端返回的反馈信息后,根据所述医学知识图获得诊断数据。
CN201710431231.1A 2017-06-08 2017-06-08 医学知识图生成方法、装置及诊断数据获取系统、方法 Pending CN107256427A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710431231.1A CN107256427A (zh) 2017-06-08 2017-06-08 医学知识图生成方法、装置及诊断数据获取系统、方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710431231.1A CN107256427A (zh) 2017-06-08 2017-06-08 医学知识图生成方法、装置及诊断数据获取系统、方法

Publications (1)

Publication Number Publication Date
CN107256427A true CN107256427A (zh) 2017-10-17

Family

ID=60024449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710431231.1A Pending CN107256427A (zh) 2017-06-08 2017-06-08 医学知识图生成方法、装置及诊断数据获取系统、方法

Country Status (1)

Country Link
CN (1) CN107256427A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108154928A (zh) * 2017-12-27 2018-06-12 北京嘉和美康信息技术有限公司 一种疾病诊断方法及装置
CN110097950A (zh) * 2018-01-29 2019-08-06 西门子医疗保健有限责任公司 医学图像的提供
CN108630322B (zh) * 2018-04-27 2020-08-14 厦门大学 药物相互作用建模与风险评估方法、终端设备及存储介质
CN111739595A (zh) * 2020-07-24 2020-10-02 湖南创星科技股份有限公司 一种医疗大数据共享分析方法及装置
CN113628753A (zh) * 2021-08-09 2021-11-09 海南大学 面向意图计算与推理的dikw资源分析方法及系统
CN114822865A (zh) * 2022-06-27 2022-07-29 天津幸福生命科技有限公司 诊断数据识别方法及装置、电子设备、存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916332A (zh) * 2010-08-10 2010-12-15 李光煌 人体医学表面症状自动诊断装置
US20130179378A1 (en) * 2010-08-04 2013-07-11 Sherwin Han Knowledge Reasoning Method of Boolean Satisfiability (SAT)
KR101509036B1 (ko) * 2013-10-15 2015-04-07 경희대학교 산학협력단 의학 지식 추출 장치 및 방법
CN105512316A (zh) * 2015-12-15 2016-04-20 中国科学院自动化研究所 一种结合移动终端的知识服务系统
CN105809600A (zh) * 2016-03-24 2016-07-27 上海交迅智能科技有限公司 基于智能终端的智慧预问诊系统和方法
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
CN106295186A (zh) * 2016-08-11 2017-01-04 中国科学院计算技术研究所 一种基于智能推理的辅助疾病诊断的方法与系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130179378A1 (en) * 2010-08-04 2013-07-11 Sherwin Han Knowledge Reasoning Method of Boolean Satisfiability (SAT)
CN101916332A (zh) * 2010-08-10 2010-12-15 李光煌 人体医学表面症状自动诊断装置
KR101509036B1 (ko) * 2013-10-15 2015-04-07 경희대학교 산학협력단 의학 지식 추출 장치 및 방법
CN105512316A (zh) * 2015-12-15 2016-04-20 中国科学院自动化研究所 一种结合移动终端的知识服务系统
CN105809600A (zh) * 2016-03-24 2016-07-27 上海交迅智能科技有限公司 基于智能终端的智慧预问诊系统和方法
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
CN106295186A (zh) * 2016-08-11 2017-01-04 中国科学院计算技术研究所 一种基于智能推理的辅助疾病诊断的方法与系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108154928A (zh) * 2017-12-27 2018-06-12 北京嘉和美康信息技术有限公司 一种疾病诊断方法及装置
CN110097950A (zh) * 2018-01-29 2019-08-06 西门子医疗保健有限责任公司 医学图像的提供
US11684262B2 (en) 2018-01-29 2023-06-27 Siemens Healthcare Gmbh Providing a medical image
CN110097950B (zh) * 2018-01-29 2024-02-02 西门子医疗保健有限责任公司 用于提供患者的医学图像的方法、设施和计算机可读介质
CN108630322B (zh) * 2018-04-27 2020-08-14 厦门大学 药物相互作用建模与风险评估方法、终端设备及存储介质
CN111739595A (zh) * 2020-07-24 2020-10-02 湖南创星科技股份有限公司 一种医疗大数据共享分析方法及装置
CN113628753A (zh) * 2021-08-09 2021-11-09 海南大学 面向意图计算与推理的dikw资源分析方法及系统
CN113628753B (zh) * 2021-08-09 2023-04-14 海南大学 面向意图计算与推理的dikw资源分析方法及系统
CN114822865A (zh) * 2022-06-27 2022-07-29 天津幸福生命科技有限公司 诊断数据识别方法及装置、电子设备、存储介质
CN114822865B (zh) * 2022-06-27 2022-11-11 天津幸福生命科技有限公司 诊断数据识别方法及装置、电子设备、存储介质

Similar Documents

Publication Publication Date Title
CN107256427A (zh) 医学知识图生成方法、装置及诊断数据获取系统、方法
Rocheteau et al. Temporal pointwise convolutional networks for length of stay prediction in the intensive care unit
Flack Multiple time-scales and the developmental dynamics of social systems
CN105678066B (zh) 基于用户反馈信息完成数据训练的疾病自诊方法及系统
CN106874699A (zh) 一种基于iOS平台的健康管理系统
CN110136838A (zh) 基于多知识库推理的数据匹配决策方法及系统
CN106845147B (zh) 医学经验总结模型的建立方法、装置
CN107242858A (zh) 一种个性化孕婴监护方法及系统
CN112863702B (zh) 一种智能健康服务的方法及其显示设备
CN111951965B (zh) 基于时序知识图谱的全景式健康动态监测与预测系统
CN111667927A (zh) 一种ZigBee网络智能医疗系统及其采集节点组网方法
CN106326623A (zh) 健康信息处理方法及系统
CN109166624A (zh) 一种行为分析方法、装置、服务器、系统及存储介质
US20190108264A1 (en) System prototype of intelligent regional mobile healthcare integrated data center based on metadata
CN111540460A (zh) 一种具有知识库的智能医疗系统及其诊断方法
CN111667915A (zh) 一种具有疾病推理的智能医疗系统及其诊断方法
CN109918574A (zh) 项目推荐方法、装置、设备及存储介质
CN109766446A (zh) 一种数据调查方法、数据调查装置及计算机可读存储介质
CN114334158B (zh) 一种基于物联网的监护管理方法及系统
CN116598012A (zh) 一种基于联邦学习价值评估的慢性病医疗保健方法和系统
CN111540461A (zh) 一种具有问题理解的智能医疗系统及其诊断方法
Inoue et al. Integrating activity recognition and nursing care records: the system, experiment, and the dataset
CN116913446A (zh) 康复锻炼集中管理和学习系统
CN109087711A (zh) 医疗大数据挖掘方法和系统
CN107088058A (zh) 体温、心率评估方法以及健康评估方法、装置、系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171017