CN110600121B - 一种基于知识图谱病因初步诊断方法 - Google Patents

Abstract

一种基于知识图谱病因初步诊断方法，包括以下步骤：步骤1：收集电子病历，构建原始数据集；步骤2：从电子病历中进行实体识别与关系抽取，构建RDF格式的实体与关系数据集；步骤3：构建基于上述数据集的知识图谱；步骤4：构建通过知识图谱预测疾病之间关系的共生关系模型；步骤5：基于共生关系模型对病因进行初步诊断。本发明采用了以卷积神经网络和循环神经网络为代表的深度学习算法，构建知识图谱，主要针对病历数据，利用病历数据在特征上的相关性从病历文本等原始信息中提取出高层抽象属性。

Description

一种基于知识图谱病因初步诊断方法

技术领域

本发明涉及数据挖掘、知识图谱、深度神经网络，特别是涉及一种基于知识 图谱病因初步诊断方法。

背景技术

知识图谱是语义网的技术之一，已成为当前搜索引擎技术发展的一个研究重 点。Google是这一概念的倡导者和先行者，期望通过知识图谱来刻画现实时间 中各种实体和概念，以及它们之间的关联。知识图谱将互联网文本中的知识进行 抽取，以图的形式构建一个关系网络，为研究者提供“关系”的视角来分析和研 究问题。

知识图谱作为一种大数据技术，既有可视化的特点，又便于分析实体之间的 关系。知识图谱将互联网的海量信息表达成更接近人类认知世界的形式，提供了 一种更好地组织、管理和理解信息的能力，具有直观、定量、知识发现等诸多优 点，适用于研究医疗领域。目前知识图谱的技术已可以应用于智能语义搜索、知 识问答以及数据分析决策等方面。

2015年，Google开始推出医疗版的“知识图谱”，其信息由专业医疗机构 审核。实现了医疗知识搜索的智能化，为医疗事业的发展提供了重要借鉴。世界 范围内很多学者研究了知识提取、知识融合、关系对齐等技术，探索出一套标准 化的流程用以实现中医药领域知识图谱的自动构建。利用知识图谱的知识模板和 知识推理方法，实现了知识问答和用药推荐。

电子病历(EMR，Electronic Medical Record)是指医务人员在医疗活动过程 中，使用医疗机构信息系统生成的文字、符号、图表、图形、数据、影像等数字 化信息，并能实现存储、管理、传输和重现的医疗记录使用电子病历。在医院使 用电子病历的过程中，积累了大量的病历记录。如何高效率以及高效益的处理好 各大医院所收集的海量医学数据是每一个从事医疗健康行业的企业所急切关注 的问题。

同时，病历中所记录的内容可用作知识图谱实体类别。用户画像的字段名称 大多数可用作实体(节点)。用户画像的部分结构，比如说检查名称和检查指标、 疾病与治疗药物可生成知识图谱中的关系(边)。这样生成的知识图谱具有准确性 高，内容严谨的特点。

尽管当前已经存在了一些根据电子病历诊断病因的系统，但是其核心功能还 是集中在基于规则的审核上，智能化水平依然较低。

综上，传统的根据电子病历诊断病因的算法中存在的很多亟待解决的问题， 包括诊断规则单一，更新成本高、频率低以及病历数据分散，无法通过大数据发 现异常，更常见的为病因诊断所需的病历上患者疾病名称与症状表征无法匹配， 无法对病历上病因进行初步诊断，对于这些问题尚无有效的解决办法。

发明内容

为了克服现有技术的缺陷，本发明提出一种基于知识图谱病因初步诊断方法， 采用了以卷积神经网络和循环神经网络为代表的深度学习算法，构建知识图谱， 主要针对病历数据，利用病历数据在特征上的相关性从病历文本等原始信息中提 取出高层抽象属性。

本发明解决其技术问题所采用的技术方案如下：

一种基于知识图谱病因初步诊断方法，包括以下步骤：

步骤1：收集电子病历，构建原始数据集；

步骤2：从电子病历中进行实体识别与关系抽取，构建RDF格式的实体与关 系数据集；

步骤3：构建基于上述数据集的知识图谱；

步骤4：构建通过知识图谱预测疾病之间关系的共生关系模型；

步骤5：基于共生关系模型对病因进行初步诊断，包括以下过程：

5.1)建立模型后输入RDF格式实体与关系数据集中的数据；

5.2)数据构建成知识图谱后，按照疾病名称送入共生关系模型，依据共生 关系模型的MCCA值由高到低取前五个可能与该疾病共生的疾病；

5.3)根据步骤5.2所述，判断与疾病名称同时送入知识图谱的所有症状表 征与A疾病是否存在关系；若在知识图谱中该疾病名称与所有症状表征中的若干 症状表征之间不存在关系，则进一步判断若干症状表征与步骤5.2依据MCCA值 所取的五个疾病名称是否存在关系；假若关系仍不存在，则将其打上错误标记， 以待更进一步审核。

进一步，所述步骤1中，编写所使用的电子病历，所述行为数据不包括私密 数据，所收集电子病历均已进行脱敏操作。

再进一步，所述步骤2中，根据步骤1中的收集的电子病历，进行实体识别 与关系抽取，并以其构建RDF(Resource Description Framework)格式的实体 与关系数据集。

再进一步，所述步骤3中，知识图谱(Knowledge Graph)是由多个关系组 成的图，其中每个节点表示实体，这些实体之间的对应关系用图中的一条边表示， 构建基于电子病历数据集的知识图谱包括以下过程：

3.1)把RDF格式的数据集按照对应关系分为疾病名称，症状表征，用药种 类及数量三类；

3.2)对上述三类数据进行格式标准化，包括文字编码统一以及标签分隔符 统一；

3.3)将数据导入图数据库中，利用RDF自身特性构建知识图谱。

所述步骤4中，构建通过知识图谱预测疾病之间关系的共生关系模型包括以 下过程：

4.1)图数据库天生具有RDF的特性。令图数据库中实体组的符号为ε，关系 组的符号为R，RDF三元组的形式即为D⁺＝{(b，c，t)},其中b∈ε位于三元组头部 位置，c∈R表示b与t的关系，t∈ε位于三元组的尾部。如果(e，c，e)∈D⁺(其 中e∈ε)，关系c与D⁺是相反的；如果

(其中 e₁，e₂∈ε)，则称关系c是对称的。反之则非对称；如果

(其中e₁，e₂，e₃∈ε)则称关系c是可传递的；

4.2)根据上述数据背景，构建张量分解分解模型用于链路预测，其中模型 对知识图谱中所有实体与关系进行嵌入，并将嵌入结果E(b),E(c),E(t)作为预 测模型的输入；

4.3)对于所有实体e，E(e)其表现形式为Re(e)+Im(e)i,其中Re为数学中 实数的符号表示，Im为虚数的符号表示。相似的，对于所有关系c，E(c)的表示 形式为Re(c)+Im(c)i，故评分计算公式如下:

其中j代表第j个元素；

如果改变尾部实体中Im的符号，嵌入将区分头部、尾部不同的实体并允许 不对称建模，此嵌入的评分函数可比较方便的验证及扩展为以下公式：

4.4)利用上述公式使用交叉验证的方法进行预测实体之间的联系或边关系。 为了评判共生疾病的关系是否密切，引入基于MRR(Mean Reciprocal Rank)指 数的改进指数(记为MRRA)进行评估，MRRA计算公式如下：

T代表所测试的三元组,rank_b代表对于把b′∈ε的(b′，c，t)的三元组放入公式(2)中所计算得分数，rank_t代表对于把t′∈ε的(b，c，t′)的三元组放入公式(2)中所 计算得分数，MRRA分数高代表两个实体关系紧密，即两个病症可能共生。

本发明的有益效果为：本发明采用了以卷积神经网络和循环神经网络为代表 的深度学习算法，构建知识图谱，主要针对病历数据，利用病历数据在特征上的 相关性从病历文本等原始信息中提取出高层抽象属性。

附图说明

图1为本发明实施例提供的构建知识图谱的示意图；

图2为本发明实施例提供的基于共生关系模型对病因进行初步诊断流程图。

具体实施方式

为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于知识图 谱病因初步诊断方法进行详细介绍。

参照图1和图2，一种基于知识图谱病因初步诊断方法，包括以下步骤：

步骤1：收集电子病历，构建原始数据集；

步骤2：从电子病历中进行实体识别与关系抽取，构建RDF格式的实体与关 系数据集；

步骤3：构建基于上述数据集的知识图谱；

步骤4：构建通过知识图谱预测疾病之间关系的共生关系模型；

步骤5：基于共生关系模型对病因进行初步诊断。

进一步，所述步骤1中，编写所使用的电子病历，所述行为数据不包括私密 数据，所收集电子病历均已进行脱敏操作。

再进一步，所述步骤2中，根据步骤1中的收集的电子病历，进行实体识别 与关系抽取，并以其构建RDF(Resource Description Framework)格式的实体 与关系数据集。

再进一步，所述步骤3中，知识图谱(Knowledge Graph)是由多个关系组 成的图，其中每个节点表示实体，这些实体之间的对应关系用图中的一条边表示； 构建基于电子病历数据集的知识图谱包括以下过程：

3.1)把RDF格式的数据集按照对应关系分为疾病名称，症状表征，用药种 类及数量三类；

3.2)对上述三类数据进行格式标准化，包括文字编码统一以及标签分隔符 统一；

3.3)将数据导入图数据库中，利用RDF自身特性构建知识图谱。

所述步骤4中，构建通过知识图谱预测疾病之间关系的共生关系模型包括以 下过程：

4.1)图数据库天生具有RDF的特性。令图数据库中实体组的符号为ε，关系 组的符号为R，RDF三元组的形式即为D⁺＝{(b，c，t)},其中b∈ε位于三元组头部 位置，c∈R表示b与t的关系，t∈ε位于三元组的尾部，如果(e，c，e)∈D⁺(其 中e∈ε)，关系c与D⁺是相反的，如果

(其中 e₁，e₂∈ε)，则称关系c是对称的，反之则非对称，如果

(其中e₁，e₂，e₃∈ε)则称关系c是可传递的；

4.2)根据上述数据背景，构建张量分解分解模型用于链路预测，其中模型 对知识图谱中所有实体与关系进行嵌入，并将嵌入结果E(b),E(c),E(t)作为预 测模型的输入；

4.3)对于所有实体e，E(e)其表现形式为Re(e)+Im(e)i,其中Re为数学中 实数的符号表示，Im为虚数的符号表示，相似的，对于所有关系c，E(c)的表示 形式为Re(c)+Im(c)i，故评分计算公式如下:

其中j代表第j个元素；

如果改变尾部实体中Im的符号，嵌入将区分头部、尾部不同的实体并允许 不对称建模，此嵌入的评分函数可比较方便的验证及扩展为以下公式：

4.4)利用上述公式使用交叉验证的方法进行预测实体之间的联系或边关系。 为了评判共生疾病的关系是否密切，引入基于MRR(Mean Reciprocal Rank)指 数的改进指数(记为MRRA)进行评估，MRRA计算公式如下：

T代表所测试的三元组,rank_b代表对于把b′∈ε的(b′，c，t)的三元组放入公 式(2)中所计算得分数，rank_t代表对于把t′∈ε的(b，c，t′)的三元组放入公式(2) 中所计算得分数，MRRA分数高代表两个实体关系紧密，即两个病症可能共生。

所述步骤5中，基于共生关系模型对病因进行初步诊断包括以下过程：

5.1)建立模型后输入RDF格式实体与关系数据集中的数据；

5.2)数据构建成知识图谱后，按照疾病名称(下文代称A疾病)送入共生 关系模型，依据共生关系模型的MCCA值由高到低取前五个与该疾病共生的疾病。

5.3)根据步骤5.2所述，判断与A疾病同时送入知识图谱的所有症状表征 与A疾病是否存在关系；若在知识图谱中该疾病名称与所有症状表征中的若干症 状表征之间不存在关系，则进一步判断若干症状表征与步骤5.2依据MCCA值所 取的五个疾病名称是否存在关系。假若关系仍不存在，则将其打上错误标记，以 待更进一步审核。

本实施例所提供的一种基于知识图谱病因初步诊断方法，是一种提供给医生 诊断用的辅助诊断方法，不是以医学疾病诊断和治疗为直接目的，所述程序代码 包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施 例，在此不再赘述。

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 系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述功能如果以软件功能单元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。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明 本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照 前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施 例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行 等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明 实施例技术方案的精神和范围，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。

Claims (4)

1.一种基于知识图谱病因初步诊断方法，其特征在于，包括以下步骤：

步骤1：收集电子病历，构建原始数据集；

步骤2：从电子病历中进行实体识别与关系抽取，构建RDF格式的实体与关系数据集；

步骤3：构建基于上述数据集的知识图谱；

步骤4：构建通过知识图谱预测疾病之间关系的共生关系模型，包括以下过程：

4.1)图数据库天生具有RDF的特性，令图数据库中实体组的符号为ε，关系组的符号为R，RDF三元组的形式即为D⁺＝{(b,c,t)},其中b∈ε位于三元组头部位置，c∈R表示b与t的关系，t∈ε位于三元组的尾部，如果(e,c,e)∈D⁺，其中e∈ε，关系c与D⁺是相反的，如果

其中e₁,e₂∈ε，则称关系c是对称的，反之则非对称，如果(e₁,c,e₂)∈D⁺∧

则称关系c是可传递的，其中e₁,e₂,e₃∈ε；

4.2)根据数据背景，构建张量分解模型用于链路预测，其中模型对知识图谱中所有实体与关系进行嵌入，并将嵌入结果E(b),E(c),E(t)作为预测模型的输入；

4.3)对于所有实体e，E(e)其表现形式为Re(t)+Im(t)i,其中Re为数学中实数的符号表示，Im为虚数的符号表示，对于所有关系c，E(c)的表示形式为Re(c)+Im(c)i，故评分计算公式如下:

其中j代表第j个元素；

如果改变尾部实体中Im的符号，嵌入将区分头部、尾部不同的实体并允许不对称建模，此嵌入的评分函数可比较方便的验证及扩展为以下公式：

4.4)利用上述公式使用交叉验证的方法进行预测实体之间的联系或边关系，为了评判共生疾病的关系是否密切，引入基于MRR指数的改进指数MRRA进行评估，MRRA计算公式如下：

T代表所测试的三元组,rank_b代表对于把b′∈ε的(b′,c,t)的三元组放入公式(2)中所计算得分数，rank_t代表对于把t′∈ε的(b,c,t′)的三元组放入公式(2)中所计算得分数，MRRA分数高代表两个实体关系紧密，即两个病症可能共生；

步骤5：基于共生关系模型对病因进行初步诊断，过程如下：

5.1)建立模型后输入RDF格式实体与关系数据集中的数据；

5.2)数据构建成知识图谱后，按照疾病名称送入共生关系模型，依据共生关系模型的MRRA值由高到低取前五个与该疾病共生的疾病；

5.3)根据步骤5.2所述，判断与疾病名称同时送入知识图谱的所有症状表征与该疾病是否存在关系；若在知识图谱中该疾病名称与所有症状表征中的若干症状表征之间不存在关系，则进一步判断若干症状表征与步骤5.2依据MRRA值所取的五个疾病名称是否存在关系；假若关系仍不存在，则将其打上错误标记，以待更进一步审核。

2.如权利要求1所述的一种基于知识图谱病因初步诊断方法，其特征在于：所述步骤1中，编写所使用的电子病历，所述原始数据集包括私密数据，所收集电子病历均已进行脱敏操作。

3.如权利要求1或2所述的一种基于知识图谱病因初步诊断方法，其特征在于：所述步骤2中，根据步骤1中的收集的电子病历，进行实体识别与关系抽取，并以其构建RDF格式的实体与关系数据集。

4.如权利要求1或2所述的一种基于知识图谱病因初步诊断方法，其特征在于：所述步骤3中，知识图谱是由多个关系组成的图，其中每个节点表示实体，实体之间的对应关系用图中的边表示，构建基于电子病历数据集的知识图谱包括以下过程：

3.1)把RDF格式的数据集按照对应关系分为疾病名称，症状表征，用药种类及数量三类；

3.2)对上述三类数据进行格式标准化，包括文字编码统一以及标签分隔符统一；

3.3)将数据导入图数据库中，利用RDF自身特性构建知识图谱。

Images