CN112948599A - 一种基于医学知识图谱的路径推理的疾病诊断方法 - Google Patents

一种基于医学知识图谱的路径推理的疾病诊断方法 Download PDF

Info

Publication number
CN112948599A
CN112948599A CN202110520166.6A CN202110520166A CN112948599A CN 112948599 A CN112948599 A CN 112948599A CN 202110520166 A CN202110520166 A CN 202110520166A CN 112948599 A CN112948599 A CN 112948599A
Authority
CN
China
Prior art keywords
disease
list
candidate
symptom
diseases
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
CN202110520166.6A
Other languages
English (en)
Inventor
李瑞瑞
吴晓东
赵伟
李爽
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.)
Beijing Futong Oriental Technology Co ltd
Original Assignee
Beijing Futong Oriental 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 Beijing Futong Oriental Technology Co ltd filed Critical Beijing Futong Oriental Technology Co ltd
Priority to CN202110520166.6A priority Critical patent/CN112948599A/zh
Publication of CN112948599A publication Critical patent/CN112948599A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提出一种基于医学知识图谱的路径推理的疾病诊断方法，涉及医学知识图谱领域，该方法包括用户输入第一个症状信息，通过在医学知识图谱中查询、在同义词表查询和通过采用实体对齐的方法查找到相似症状关联的疾病，并将这些疾病相关联的症状汇总返回给用户，通过与用户的实时交互，更新第一候选疾病列表中的分数排名，最后将第一候选疾病列表的疾病作为诊断结果返回给用户。

Description

一种基于医学知识图谱的路径推理的疾病诊断方法
技术领域
本发明涉及医学知识图谱领域，特别是涉及一种基于医学知识图谱的路径推理的疾病诊断方法。
背景技术
当前医疗面临的最大问题仍然是医疗资源不足的问题，疾病智能诊断作为智慧医疗的研究热点之一，不仅可以减轻医护人员的压力，而且可以提高疾病诊断的准确性。传统的基于规则的知识推理方法主要是在知识图谱上运用简单规则或统计特征进行推理，利用知识图谱上三元组之间的关系进行疾病诊断。
目前针对常见疾病，在没有检验和检查指标的情况下，根据用户提供的年龄、性别、是否怀孕和相关症状，通过基于医学知识图谱的路径推理技术在线推理疾病诊断，给与用户一个自我健康管理参考。根据已构建的医学知识图谱，该图谱包含的主要实体有疾病、症状、科室、部位和病史等，以及各实体之间的关系，进行疾病诊断。
基于规则的疾病诊断流程主要是：首先根据用户输入的首个症状提取与之相关的所有疾病；其次根据用户输入的年龄、性别和是否怀孕从上述所有疾病中删除不符合以上条件的疾病；然后根据预先设定的规则通过问诊的方式轮番对用户进行询问；最后根据用户确认的症状来推理出最大概率的疾病。但是，基于规则的疾病诊断存在以下缺陷：（1）只能获取和首个症状相关的疾病，在问诊步骤有限的情况下，无法准确有效的挖掘其他可能的疾病； （2）对疾病和症状之间权重的依赖性较大，在权重缺失的情况下难以准确灵活的进行疾病诊断;
针对上述问题本专利提出一种基于医学知识图谱的路径推理的疾病诊断方法。
发明内容
有鉴于此，本发明提出一种基于医学知识图谱的路径推理的疾病诊断方法。
为解决上述技术问题，本发明采用的一个技术方案是：提出一种基于医学知识图谱的路径推理的疾病诊断方法，其特征在于,包括以下步骤：
S1：根据用户输入的第一输入症状，进行初始症状的选取和候选疾病的选取，生成第一症状列表和第一候选疾病列表；
进一步的，所述初始症状的选取包括：
S111：在已构建的医学知识图谱中查询第一输入症状是否在图谱中，若存在，则将该症状作为初始症状，结束初始症状的选取；否则，转入S112；
S112：根据同义词表查询第一输入症状在医学知识图谱中的标准化表达，若查询成功则将第一输入症状对应的图谱中的标准症状作为初始症状；否则，转入S113；
S113：通过采用实体对齐的方法，在知识图谱中按照第一输入症状相似度降序生成第一症状列表，在所述第一症状列表中选取前N个症状寻求用户确认，将确认后的症状作为初始症状；
所述N,取值范围为正整数；
所述实体对齐采用编辑距离、相同字符比和语义向量的余弦相似度的加权和作为实体相似度得分;
进一步的，所述候选疾病的选取包括：
S121：根据初始症状在知识图谱中查询与之相关的疾病，将查询结果生成第一候选疾病列表；若疾病数量大于3，结束候选疾病的选取；否则，转入S122；
S122：在疾病数据库中按照初始症状相似度降序生成第二候选疾病列表，选取前M个疾病并添加第一候选疾病列表；
所述M,取值范围为正整数；
所述疾病数据库，是通过爬取专业医学网站的数据并利用全文搜索引擎构建的一个包含疾病定义、病因、病史、临床表现和鉴别诊断数据的数据库;
S2：在第一候选疾病列表中，根据用户基本信息删除不满足条件的疾病更新第一候选疾病列表，并将第一候选疾病列表上的所有疾病得分设为100分；
进一步的，所述基本信息包括：性别、年龄、身体部位；
其中，如果性别为女性，用户基本信息还包括是否怀孕；
S3:症状统计：在知识图谱中统计与第一候选疾病列表中的候选疾病相关的所有症状，并将症状返回给用户；
进一步的，所述S3包括：在知识图谱中统计与候选疾病相关的所有症状，并统计每一个所述症状在所有候选疾病中的重复数，生成待确认症状列表，并做降序排列，将排名靠前的若干症状返回给用户;
S4:实时接收用户反馈结果，与用户确认的症状相关联的疾病得分加ai，相反，无关的疾病得分减bi；
所述ai表示疾病列表上第i个疾病加100分，bi表示疾病列表上第i个疾病减1分；
S5:候选疾病更新：将已询问但用户未选择的症状所关联的疾病从第一候选疾病列表中删除，更新第一候选疾病列表；
S6:将第一候选疾病列表中的所有疾病按照得分做降序排列，将诊断结果返回给用户;
进一步的，所述S6包括：
首先将第一候选疾病列表中的所有疾病按照得分做降序排列；
将首个疾病得分的10%作为判断标准，将其他疾病依次与所述标准进行对比：若得分低于所述判断标准则从第一候选疾病列表中删除所述疾病，并更新第一候选疾病列表；
针对更新后的列表，从第二个疾病开始，若后一个疾病得分与前一个疾病得分的比值小于0.15，则将当前疾病之后的所有疾病删除，并再次更新第一候选疾病列表；
若第一候选疾病列表长度小于5，返回所有疾病作为疾病诊断结果，否则选取第一候选疾病列表中的top5作为疾病诊断结果返回。
本发明的有益效果在于：在初始症状关联疾病数量较少时，通过初始症状结合全文检索的特性来获取所有与初始症状相关联的疾病，实现从症状到疾病、再从疾病到症状的疾病诊断过程，解决了现有技术中问诊的结果只会与首个症状相关联的问题，深入挖掘用户可能患有的疾病；同时引入得分机制，通过与用户进行多次交互判断症状，实现对所有相关疾病的得分统计，有效在疾病症状之间权重缺失的情况下，提高疾病诊断的准确性。
附图说明
图1是本发明一种基于医学知识图谱的路径推理的疾病诊断方法流程图。
图2是本发明一种基于医学知识图谱的路径推理的疾病诊断方法返回用户的结果选取示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
本申请涉及一种基于医学知识图谱的路径推理的疾病诊断方法，包括以下步骤：
S1：根据用户输入的第一输入症状，进行初始症状的选取和候选疾病的选取，生成第一症状列表和第一候选疾病列表；
进一步的，所述初始症状的选取包括：
S111：在已构建的医学知识图谱中查询第一输入症状是否在图谱中，若存在，则将该症状作为初始症状；否则，转入S112；
S112：根据同义词表查询第一输入症状在医学知识图谱中的标准化表达，若存在则将图谱中的标准症状作为初始症状；否则，转入S113；
S113：通过采用实体对齐的方法，在知识图谱中查询与第一输入症状最相似的症状列表，做降序排列，选取前面若干个症状寻求用户确认，将确认后的症状作为初始症状；
进一步的，所述实体对齐采用编辑距离、相同字符比和语义向量的余弦相似度的加权和作为实体相似度得分。
实体对齐采用Levenshtein 距离、相同字符比和语义向量距离的加权和作为实体相似度得分。
（1）Levenshtein 距离的计算公式为：
score1=(sum-ldist)/sum
其中，sum指实体词1和实体词2字串的长度总和，ldist是类编辑距离（删除和插入时+1，替换时+2）。所述公式表示实体词1变换到实体词2的距离长度。
（2）相同字符比的计算公式为：
score2=(str1∩str2)/(str1∪str2)
其中，str1，str2分别为实体词1，实体词2的字符串，所述公式表示两个实体词之间的字符相似度。
（3）语义向量距离的计算公式为：
score3=cosine(bert(str1),bert(str2))
其中，str1，str2分别为实体词1，实体词2的字符串，bert（str）表示实体词基于模型的向量表示，所述公式通过计算两个实体词之间的余弦相似度来表示语义距离。
任意两个实体词之间的相似度得分为：
score=α*score1+β*score2+γ*score3(α=0.4,β=0.3,γ=0.3)
进一步的，所述候选疾病的选取包括：
S121：根据初始症状在知识图谱中查询与之相关的疾病，将查询结果作为候选疾病；若疾病数量大于3，则返回第一候选疾病列表；否则，转入S122；
S122：针对当初始症状关联疾病较少时，无法准确有效的挖掘其他可能疾病的特点，通过爬取百科名医等专业医学网站的数据，并利用全文搜索引擎构建一个包含疾病定义、病因、病史、临床表现和鉴别诊断等数据的疾病数据库；在数据库中检索与初始症状相似度较高的疾病，做降序排列，本实施例选取前面五个疾病作为候选疾病的补充。
进一步的，所述疾病数据库为：包含所有常见疾病的数据库，数据库中包含疾病概述、病因、病史、临床表现、鉴别诊断、辅助检查、治疗、预防和预后等信息，在使用症状进行检索时，检索该疾病所有相关的信息；
进一步的，在通过初始症状进行检索时，使用TF-IDF算法为每一个疾病计算相似度得分score，做降序排列，选取前面若干个疾病作为候选疾病的补充。
score=(symp/symptotal)*log(disetotal/(dise+1))
其中，symp为所述症状在某一疾病中出现的次数，symptotal为所述疾病中包含的所有症状数，disetotal为基础信息库中的疾病总数，dise为出现所述症状的疾病数量。
S2:根据用户基本信息更新第一候选疾病列表，删除不满足条件的疾病；
所述用户基本信息包括用户的性别、年龄，身体部位和是否怀孕等。
S3:症状统计：在知识图谱中统计与第一候选疾病相关的所有症状，并将症状返回给用户；
进一步的，选取和第一输入症状最相近的前五个症状返回给用户。
S4:接收用户反馈结果，经用户确认的正确症状相关联的疾病总分加ai，相反，未经用户确认的症状相关联的疾病总分减bi；
所述总分加ai表示疾病列表上第i个疾病加100分，总分减bi表示疾病列表上第i个疾病减1分。
S5:候选疾病更新：将已询问但用户未选择症状所关联的疾病从第一候选疾病列表中删除，更新第一候选疾病列表。
S6:将第一候选疾病列表中的所有疾病按照得分做降序排列，将诊断结果返回给用户。
进一步的，如图2所示，定义返回疾病诊断结果个数的上限为5。首先将第一候选疾病列表中的所有疾病按照得分做降序排列，将首个疾病得分S0的10%作为判断标准，将其他疾病与所述标准进行对比，若其他疾病的得分低于所述标准则删除，更新第一候选疾病列表；然后针对更新后的第一候选疾病列表，从第二个疾病开始，若后一个疾病得分与前一个疾病得分的比值小于0.15，则将当前疾病之后的所有疾病删除，再次更新第一候选疾病列表。若第一候选疾病列表长度小于5，返回所有疾病作为疾病诊断结果，否则选取top5作为疾病诊断结果返回。
例如：用户李先生：“男，25岁”，“部位：鼻子”，症状：“鼻炎”，常见症状：乏力, 食欲不振, 头昏, 头痛, 嗅觉下降, 流涕, 打喷嚏, 鼻痒, 鼻塞；
初始症状的选取：用户输入首个症状：“鼻塞”，所述症状在医学知识图谱中存在，将所述症状作为初始症状；
候选疾病的选取：根据初始症状查询与初始症状相关联的疾病，生成第一候选疾病列表：["咽扁桃体肥大", "鼻腔异物", "鼻窦炎", "鼻炎", "鼻息肉", "鼻中隔偏曲","结节性红斑", "哮喘", "上呼吸道感染", "鼻咽炎", "支气管炎", "喉炎", "人感染禽流感", "丛集性头痛"]，所有疾病得分都为100；
根据用户基本信息对第一候选疾病列表进行更新，第一候选疾病列表不变；
通过与用户之间的交互来进行疾病推理,包括：
统计所有候选疾病所关联的症状及在不同疾病中出现的次数，生成待确认症状列表：[("流涕", 12), ("头痛", 9), ("发热", 6), ("乏力", 6), ("咽痛", 6)]；用户输入确认症状：["流涕","乏力"]；
经用户确认的症状相关联的疾病得分加100，相反，无关疾病得分减1，更新第一候选疾病列表及得分：["结节性红斑":300, "支气管炎":300, "鼻咽炎":300, "鼻窦炎":199, "鼻中隔偏曲":199, "鼻炎":300, "上呼吸道感染":300, "人感染禽流感":199, "鼻腔异物":199, "喉炎":300, "鼻息肉":199, "咽扁桃体肥大":199]；更新待确认症状：[("咳嗽", 6), ("打喷嚏", 5), ("咽痒", 4), ("畏寒", 4), ("咳痰", 4)]；用户输入确认症状：["打喷嚏"]；
同理根据用户输入症状更新第一候选疾病列表及得分：["结节性红斑":400, "鼻咽炎":400, "鼻炎":400, "上呼吸道感染":400]；更新待确认症状：[("嗅觉下降", 3),("食欲不振", 3),("鼻痒", 2), ("声嘶", 2),("咽干", 2)]；用户输入确认症状：["鼻痒","嗅觉下降"]
更新第一候选疾病列表：["鼻咽炎":600, "鼻炎":600]；待确认症状：[("恶心",1),( "记忆力下降", 1),("头昏", 1), ("鼻干", 1),( "呕吐", 1)]；用户输入确认症状：["头昏"]；
更新第一候选疾病列表：["鼻炎":700]；
返回最终结果["鼻炎","鼻咽炎", "上呼吸道感染", "结节性红斑","支气管炎"]，其得分分别为：700,599,397,397,296；最后将所有诊断结果返回给用户；
从以上技术方案可以看出，本发明具有以下优点：
根据用户输入的第一个症状，通过在医学知识图谱中查询、在同义词表查询和通过采用实体对齐的方法查找到相似症状关联的疾病，并将这些疾病对应的症状汇总返回给用户，供用户确认，实现了从症状到疾病，疾病到症状的过程，解决了现有技术中大多数疾病诊断系统只能获取和首个症状相关的疾病的问题；同时，对于现有技术中疾病与症状权重依赖性较大的问题，本发明采用用户实时交互方式，对第一候选疾病列表的疾病分数进行实时更新，提高了导诊的准确性。
以上所述仅为本发明的实施例、并非因此限制本发明的专利范围、凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换、或直接或间接运用在其他相关的技术领域、均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于医学知识图谱的路径推理的疾病诊断方法，其特征在于包括以下步骤：
S1：根据用户输入的第一输入症状，进行初始症状的选取和候选疾病的选取，生成第一症状列表和第一候选疾病列表；
S2：在第一候选疾病列表中，根据用户基本信息删除不满足条件的疾病更新第一候选疾病列表，并将第一候选疾病列表上的所有疾病得分设为100分；
S3：症状统计：在知识图谱中统计与第一候选疾病列表中的候选疾病相关的所有症状，并将症状返回给用户；
S4：实时接收用户反馈结果，与用户确认的症状相关联的疾病得分加ai，相反，无关的疾病得分减bi；
所述ai表示疾病列表上第i个疾病加100分，bi表示疾病列表上第i个疾病减1分；
S5：候选疾病更新：将已询问但用户未选择的症状所关联的疾病从第一候选疾病列表中删除，更新第一候选疾病列表；
S6：将第一候选疾病列表中的所有疾病按照得分做降序排列，将诊断结果返回给用户。
2.如权利要求1所述一种基于医学知识图谱的路径推理的疾病诊断方法，其特征在于，所述初始症状的选取包括：
S11：在已构建的医学知识图谱中查询第一输入症状是否在图谱中，若存在，则将该症状作为初始症状，结束初始症状的选取；否则，转入S12；
S12：根据同义词表查询第一输入症状在医学知识图谱中的标准化表达，若查询成功则将第一输入症状对应的图谱中的标准症状作为初始症状；否则，转入S13；
S13：通过采用实体对齐的方法，在知识图谱中按照第一输入症状相似度降序生成第一症状列表，在所述第一症状列表中选取前N个症状寻求用户确认，将确认后的症状作为初始症状；
所述N,取值范围为正整数；
所述实体对齐采用编辑距离、相同字符比和语义向量的余弦相似度的加权和作为实体相似度得分。
3.如权利要求1所述的一种基于医学知识图谱的路径推理的疾病诊断方法，其特征在于，所述候选疾病的选取，包括：
S21：根据初始症状在知识图谱中查询与之相关的疾病，将查询结果生成第一候选疾病列表；若疾病数量大于3，结束候选疾病的选取；否则，转入S22；
S22：在疾病数据库中按照初始症状相似度降序生成第二候选疾病列表，选取前M个疾病并添加第一候选疾病列表；
所述M,取值范围为正整数；
所述疾病数据库，是通过爬取专业医学网站的数据并利用全文搜索引擎构建的一个包含疾病定义、病因、病史、临床表现和鉴别诊断数据的数据库。
4.如权利要求1所述的一种基于医学知识图谱的路径推理的疾病诊断方法，其特征在于：
用户基本信息包括：性别、年龄、身体部位；
其中，如果性别为女性，用户基本信息还包括是否怀孕。
5.如权利要求1所述的一种基于医学知识图谱的路径推理的疾病诊断方法，
所述S3包括：在知识图谱中统计与候选疾病相关的所有症状，并统计每一个所述症状在所有候选疾病中的重复数，生成待确认症状列表，并做降序排列，将排名靠前的若干症状返回给用户。
6.如权利要求1所述的一种基于医学知识图谱的路径推理的疾病诊断方法，
所述S6包括：
首先将第一候选疾病列表中的所有疾病按照得分做降序排列；
将首个疾病得分的10%作为判断标准，将其他疾病依次与所述标准进行对比：若得分低于所述判断标准则从第一候选疾病列表中删除所述疾病，并更新第一候选疾病列表；
针对更新后的列表，从第二个疾病开始，若后一个疾病得分与前一个疾病得分的比值小于0.15，则将当前疾病之后的所有疾病删除，并再次更新第一候选疾病列表；
若第一候选疾病列表长度小于5，返回所有疾病作为疾病诊断结果，否则选取第一候选疾病列表中的top5作为疾病诊断结果返回。
CN202110520166.6A 2021-05-13 2021-05-13 一种基于医学知识图谱的路径推理的疾病诊断方法 Pending CN112948599A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110520166.6A CN112948599A (zh) 2021-05-13 2021-05-13 一种基于医学知识图谱的路径推理的疾病诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110520166.6A CN112948599A (zh) 2021-05-13 2021-05-13 一种基于医学知识图谱的路径推理的疾病诊断方法

Publications (1)

Publication Number Publication Date
CN112948599A true CN112948599A (zh) 2021-06-11

Family

ID=76233795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110520166.6A Pending CN112948599A (zh) 2021-05-13 2021-05-13 一种基于医学知识图谱的路径推理的疾病诊断方法

Country Status (1)

Country Link
CN (1) CN112948599A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488157A (zh) * 2021-07-30 2021-10-08 卫宁健康科技集团股份有限公司 智能导诊处理方法、装置、电子设备及存储介质
CN114969384A (zh) * 2022-08-02 2022-08-30 联通(四川)产业互联网有限公司 高价值司法证据链获取存储方法、装置及可读储存介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150112607A1 (en) * 2014-12-08 2015-04-23 Bioneur Llc Systems and methods for rare disease prediction and treatment
CN111180081A (zh) * 2019-12-30 2020-05-19 众安信息技术服务有限公司 一种智能问诊方法及装置
CN111221947A (zh) * 2019-12-26 2020-06-02 北京邮电大学 眼科预问诊装置的多轮对话实现方法及装置
CN112749286A (zh) * 2021-01-26 2021-05-04 北京搜狗科技发展有限公司 知识图谱的构建和使用方法、装置和介质
CN112768091A (zh) * 2021-01-26 2021-05-07 北京搜狗科技发展有限公司 一种问诊信息处理方法、装置和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150112607A1 (en) * 2014-12-08 2015-04-23 Bioneur Llc Systems and methods for rare disease prediction and treatment
CN111221947A (zh) * 2019-12-26 2020-06-02 北京邮电大学 眼科预问诊装置的多轮对话实现方法及装置
CN111180081A (zh) * 2019-12-30 2020-05-19 众安信息技术服务有限公司 一种智能问诊方法及装置
CN112749286A (zh) * 2021-01-26 2021-05-04 北京搜狗科技发展有限公司 知识图谱的构建和使用方法、装置和介质
CN112768091A (zh) * 2021-01-26 2021-05-07 北京搜狗科技发展有限公司 一种问诊信息处理方法、装置和介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113488157A (zh) * 2021-07-30 2021-10-08 卫宁健康科技集团股份有限公司 智能导诊处理方法、装置、电子设备及存储介质
CN113488157B (zh) * 2021-07-30 2023-10-13 卫宁健康科技集团股份有限公司 智能导诊处理方法、装置、电子设备及存储介质
CN114969384A (zh) * 2022-08-02 2022-08-30 联通(四川)产业互联网有限公司 高价值司法证据链获取存储方法、装置及可读储存介质
CN114969384B (zh) * 2022-08-02 2022-10-21 联通(四川)产业互联网有限公司 高价值司法证据链获取存储方法、装置及可读储存介质

Similar Documents

Publication Publication Date Title
KR102564144B1 (ko) 텍스트 관련도를 확정하기 위한 방법, 장치, 기기 및 매체
CN106951684B (zh) 一种医学疾病诊断记录中实体消歧的方法
CN103473283B (zh) 一种文本案例匹配方法
US7333966B2 (en) Systems, methods, and software for hyperlinking names
CN111292848B (zh) 一种基于贝叶斯估计的医疗知识图谱辅助推理方法
CN111949759A (zh) 病历文本相似度的检索方法、系统及计算机设备
CN112948599A (zh) 一种基于医学知识图谱的路径推理的疾病诊断方法
CN113707297A (zh) 医疗数据的处理方法、装置、设备及存储介质
CN112151188A (zh) 一种基于医疗知识图谱的智能疾病预测系统
CN111191048A (zh) 基于知识图谱的急诊问答系统构建方法
CN109145260A (zh) 一种文本信息自动提取方法
Ahmadov et al. Towards a hybrid imputation approach using web tables
Efremova et al. Multi-source entity resolution for genealogical data
Hou et al. Extraction of drug–drug interaction using neural embedding
Wilbur et al. Spelling correction in the PubMed search engine
Wang et al. Automatic scoring of Chinese fill-in-the-blank questions based on improved P-means
Nguyen et al. Intra-relation or inter-relation?: exploiting social information for web document summarization
CN111415748A (zh) 一种实体链接方法及装置
CN116720511A (zh) 一种融合多层图与时序特征的论文推荐方法
CN114664421A (zh) 一种医患匹配方法、装置、电子设备、介质及产品
CN106844625A (zh) 银行运维规章制度变更的合规性查验方法及装置
CN111966780A (zh) 一种基于词向量建模和信息检索的回顾性队列选择方法及装置
Tang et al. Standardization of clinical terminology based on hybrid recall and Ernie
CN114300128B (zh) 用于辅助疾病智能诊断的医学概念链接系统及存储介质
CN115952304B (zh) 一种变异文献的检索方法、装置、设备及存储介质

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: 20210611