CN114882985A - 基于数据库和ai算法识别的医药多媒体管理系统及方法 - Google Patents

基于数据库和ai算法识别的医药多媒体管理系统及方法 Download PDF

Info

Publication number
CN114882985A
CN114882985A CN202210806984.7A CN202210806984A CN114882985A CN 114882985 A CN114882985 A CN 114882985A CN 202210806984 A CN202210806984 A CN 202210806984A CN 114882985 A CN114882985 A CN 114882985A
Authority
CN
China
Prior art keywords
medicine
attribute
module
database
attributes
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
Application number
CN202210806984.7A
Other languages
English (en)
Other versions
CN114882985B (zh
Inventor
段小霞
吴嘉瑞
赵郑
于言言
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 Zeqiao Medical Technology Co ltd
Original Assignee
Beijing Zeqiao Medical 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 Zeqiao Medical Technology Co ltd filed Critical Beijing Zeqiao Medical Technology Co ltd
Priority to CN202210806984.7A priority Critical patent/CN114882985B/zh
Publication of CN114882985A publication Critical patent/CN114882985A/zh
Application granted granted Critical
Publication of CN114882985B publication Critical patent/CN114882985B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/44—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供了一种基于数据库和AI算法识别的医药多媒体管理系统及方法,包括数据获取模块、结构整理模块、线程管理模块、属性关联模块、医药数据库、展示模块、互动模块、AI识别模块和医药信息搜索模块；从不同数据源中获取药品名称和药品属性，为药品属性划分级别，对获取的医药数据进行格式转换和属性匹配，设立匹配线程进行同步数据处理；为不同药品之间设立属性相关权重，计算药品之间的关联系数，形成医药知识图谱，构建医药数据库。本发明解决了现有的医药多媒体对于庞大的数据体系处理较为困难，需要消耗大量资源，计算复杂度过高，导致多媒体系统反应迟钝、不够智能化，与消费者的互动较少，无法可持续发展的问题。

Description

基于数据库和AI算法识别的医药多媒体管理系统及方法
技术领域
本发明涉及医药领域，尤其涉及一种基于数据库和AI算法识别的医药多媒体管理系统及方法。
背景技术
医药是关于人类同疾病作斗争和增进健康的科学。随着人们对互联网的应用越来越多，医药大数据已经一步一步走进人们日常生活中，如何对体积庞大、结构复杂的医药数据进行可视化展示、让更多消费者了解医药知识是未来发展的重要方向。
我国专利申请号：CN202120887457.4，公开日：2021.12.24，公开了一种药学虚拟仿真教学用多媒体装置，其包括：柜体、电脑槽、电槽、气味仓、储物箱和平板,所述柜体内部开设有电脑槽，所述电脑槽内壁底端安装有第一伸缩电机，所述第一伸缩电机输出端安装有输出杆，所述输出杆顶端安装有放置板，所述放置板顶端安装有计算机，所述柜体内部开设有电槽和气味仓，该药学虚拟仿真教学用多媒体装置，不仅设置有扩展空间，在进行多媒体教学的同时，可以进行实验操作，教学效率更高，而且设置有模拟系统，模拟操作时可以通过模拟气味，提高学生代入感，同时设置有低温恒湿药品保存装置，更方便向学生进行展示。
但本申请发明人在实现上述申请实施例中技术方案的过程中，发现上述技术方案至少存在如下问题：由于医药数据体系庞大，现有的医药多媒体对于庞大的数据体系处理较为困难，需要消耗大量资源，计算复杂度过高，导致多媒体系统反应迟钝、不够智能化，与消费者的互动较少，无法可持续发展，医药多媒体的功能有待进一步挖掘。
发明内容
本发明通过提供一种基于数据库和AI算法识别的医药多媒体管理系统及方法，解决了现有技术中由于医药数据体系庞大，现有的医药多媒体对于庞大的数据体系处理较为困难，需要消耗大量资源，计算复杂度过高，导致多媒体系统反应迟钝、不够智能化，与消费者的互动较少，无法可持续发展的问题。实现了有效降低计算复杂度，减少资源浪费；通过智能互动让消费者们了解到更加全面、准确的医药知识，从而提高消费者对医药知识重要性的认知，进一步了解和认知医药科技。
本发明提供了一种基于数据库和AI算法识别的医药多媒体管理系统及方法，具体包括以下技术方案：
一种基于数据库和AI算法识别的医药多媒体管理系统，包括以下部分：
数据获取模块、结构整理模块、线程管理模块、属性关联模块、医药数据库、展示模块、互动模块、AI识别模块和医药信息搜索模块；
所述线程管理模块，用于设立N个匹配线程对关键字匹配进行同步数据处理，并规划关键字匹配流程，所述线程管理模块对关键字匹配流程进行管理，将匹配成功的数据发送给所述结构整理模块；
所述属性关联模块，用于为不同药品之间设立属性相关权重，包括：属于相同一级属性但二级属性不同的两种药品之间的属性相关权重
Figure 601945DEST_PATH_IMAGE001
，属于相同二级属性但属性值不同的两种药品之间的属性相关权重
Figure 567102DEST_PATH_IMAGE002
，属性值相同的两种药品之间的属性相关权重
Figure 462508DEST_PATH_IMAGE003
，得到药品之间的关联关系，形成医药知识图谱并发送给所述医药数据库；
所述医药数据库，分为数据层和知识层，所述数据层用于存储药品名称和药品属性，所述知识层用于存储医药知识图谱，所述医药数据库将存储的信息通过数据传输的方式发送给所述展示模块；
所述AI识别模块，用于根据所述互动模块采集的消费者提供的文字、图像、声音识别出关键字，所述AI识别模块将关键字通过数据传输的方式发送给所述医药信息搜索模块。
一种基于数据库和AI算法识别的医药多媒体管理方法，包括以下步骤：
S1. 从不同数据源中获取药品名称和药品属性，为药品属性划分级别，对获取的医药数据进行格式转换和属性匹配，设立匹配线程进行同步数据处理；
S2. 为不同药品之间设立属性相关权重，计算药品之间的关联系数，形成医药知识图谱，构建医药数据库。
进一步，所述步骤S1包括：
将药品属性进行级别划分，分为：一级属性、二级属性和属性值，所述一级属性包括物质属性、社会属性、治疗属性和商品属性。
进一步，所述关键字匹配流程为：
将提取的关键字输入每个组的第一个线程，若在第一个线程中匹配失败，但关键字与当前线程中的对比关键字相关性大于等于相关性阈值，则传送给下一个线程，直至匹配成功为止；若在第一个线程中匹配失败，但关键字与当前线程中的对比关键字相关性小于相关性阈值，则传送给下一组的最后一个线程，从后向前进行匹配。
进一步，所述步骤S2包括：
为不同药品之间设立属性相关权重，设立属于相同一级属性但二级属性不同的两种药品之间的属性相关权重为
Figure 315490DEST_PATH_IMAGE001
，属于相同二级属性但属性值不同的两种药品之间的属性相关权重为
Figure 116087DEST_PATH_IMAGE002
，属性值相同的两种药品之间的属性相关权重为
Figure 481340DEST_PATH_IMAGE003
。
进一步，所述步骤S2包括：
属性相关权重
Figure 621466DEST_PATH_IMAGE002
由二级属性的权重决定，二级属性权重越大，属性相关权重
Figure 512674DEST_PATH_IMAGE002
越大；通过调查属性值之间的潜在关联计算属性相关权重
Figure 331725DEST_PATH_IMAGE003
；根据属性相关权重计算两个药品之间的关联系数，根据两个药品及其之间的关系形成医药知识图谱。
进一步，所述步骤S2包括：
将医药数据库通过多媒体进行展示，并通过互动模块采集消费者提供的文字、图像、声音，由AI识别模块识别出消费者想要了解的药品。
本发明至少具有如下技术效果或优点：
1、对获取的医药数据进行格式转换和属性匹配，形成具有逻辑条理的信息结构，方便对信息的检索和查看；设立关键字匹配流程可以减少匹配次数，提高关键字的匹配效率，对于数量庞大的医药数据来说，可以有效降低计算复杂度，减少资源浪费。
2、多媒体管理系统面向信息化构架提供了系统的科学化管理、规范的信息化管理，通过智能互动让消费者们了解到更加全面、准确的医药知识，从而提高消费者对医药知识重要性的认知，进一步了解和认知医药科技，以信息化带动医药科技互动的智能化，以智能化促进信息化，实现可持续发展。
附图说明
图1为本发明所述的一种基于数据库和AI算法识别的医药多媒体管理系统结构图；
图2为本发明所述的一种基于数据库和AI算法识别的医药多媒体管理方法流程图。
具体实施方式
本申请实施例通过提供一种基于数据库和AI算法识别的医药多媒体管理系统及方法，解决了由于医药数据体系庞大，现有的医药多媒体对于庞大的数据体系处理较为困难，需要消耗大量资源，计算复杂度过高，导致多媒体系统反应迟钝、不够智能化，与消费者的互动较少，无法可持续发展的问题。
本申请实施例中的技术方案为解决上述问题，总体思路如下：
对获取的医药数据进行格式转换和属性匹配，形成具有逻辑条理的信息结构，方便对信息的检索和查看；设立关键字匹配流程可以减少匹配次数，提高关键字的匹配效率，对于数量庞大的医药数据来说，可以有效降低计算复杂度，减少资源浪费；多媒体管理系统面向信息化构架提供了系统的科学化管理、规范的信息化管理，通过智能互动让消费者们了解到更加全面、准确的医药知识，从而提高消费者对医药知识重要性的认知，进一步了解和认知医药科技，以信息化带动医药科技互动的智能化，以智能化促进信息化，实现可持续发展。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照附图1，本发明所述的一种基于数据库和AI算法识别的医药多媒体管理系统包括以下部分：
数据获取模块10、结构整理模块20、线程管理模块30、属性关联模块40、医药数据库50、展示模块60、互动模块70、AI识别模块80和医药信息搜索模块90。
所述数据获取模块10，用于从不同的数据源中获取医药数据，数据获取模块10将获取的医药数据通过数据传输的方式发送给结构整理模块20；
所述结构整理模块20，用于对获取的医药数据进行格式转换和属性匹配，结构整理模块20将处理后的数据通过数据传输的方式发送给线程管理模块30，将属性匹配后的数据结构通过数据传输的方式发送给属性关联模块40，并存储到医药数据库50中；
所述线程管理模块30，用于设立N个匹配线程对关键字匹配进行同步数据处理，并规划关键字匹配流程，线程管理模块30对关键字匹配流程进行管理，将匹配成功的数据发送给结构整理模块20；
所述属性关联模块40，用于为不同药品之间设立属性相关权重，包括：属于相同一级属性但二级属性不同的两种药品之间的属性相关权重
Figure 235090DEST_PATH_IMAGE005
，属于相同二级属性但属性值不同的两种药品之间的属性相关权重
Figure 213411DEST_PATH_IMAGE007
，属性值相同的两种药品之间的属性相关权重
Figure 12871DEST_PATH_IMAGE009
，得到药品之间的关联关系，形成医药知识图谱发送给医药数据库50；
所述医药数据库50，分为数据层和知识层，所述医药数据库50的数据层用于存储药品名称和药品属性，所述知识层用于存储医药知识图谱，医药数据库50将存储的信息通过数据传输的方式发送给展示模块60；
所述展示模块60，用于将医药数据库50通过多媒体进行展示，消费者们可以通过多媒体了解最全面的医药知识；
所述互动模块70，用于采集消费者提供的文字、图像、声音等媒介，互动模块70将采集的媒介信息通过数据传输的方式发送给AI识别模块80；
所述AI识别模块80，用于根据互动模块70采集的消费者提供的文字、图像、声音等媒介识别出关键字，AI识别模块80将关键字通过数据传输的方式发送给医药信息搜索模块90；
所述医药信息搜索模块90，用于根据AI识别模块80识别出的关键字从医药数据库50中搜索相关医药信息，将搜索结果通过数据传输的方式发送给展示模块60。
参照附图2，本发明所述的一种基于数据库和AI算法识别的医药多媒体管理方法包括以下步骤：
S1. 从不同数据源中获取药品名称和药品属性，为药品属性划分级别，对获取的医药数据进行格式转换和属性匹配，设立匹配线程进行同步数据处理；
S11.数据获取模块10从不同的数据源中获取医药数据，所述数据源可以是药品说明书、工具书、专业信息系统及数据库；所述专业信息系统及数据库可以是医院数据库或医药公司数据库或国家药品信息网，可以理解的，医院或医药公司或国家药品信息网的数据库中有若干医药的药品名称和药品属性；所述医药数据包括药品名称和药品属性。
将药品属性进行级别划分，分为：一级属性、二级属性和属性值，所述一级属性包括物质属性、社会属性、治疗属性和商品属性。
示例性的，可以从一级属性中进一步划分出二级属性。可以理解的，物质属性按照药品的功能主治和功效划分，是医师根据病情选择用药的依据；物质属性的划分有多种方法，即物质属性的二级属性，如功效分类、病证分类、剂型分类和混合分类等；所述社会属性根据其社会价值可分为国家基本药物和基本医疗保险药品；根据药品的安全性可分为普通药品、高危药品和特殊管理药品；根据不同时期药品的医药管理政策可分为抗菌药物、重点监控药物、短缺药物等；所述社会价值、药品安全性、医药管理政策即为社会属性的二级属性；所述治疗属性的二级属性包括药品的适应症、用法用量、不良反应及禁忌症等；所述商品属性按照其注册类别的二级属性可分为化学药品、进口药品、中成药、生物制品、保健药品，药品的生产厂家、规格及剂型均属于商品属性范畴。所述属性值是二级属性的具体属性参数，例如二级属性为功效的属性值包括心脑血管用药、消化系统用药、呼吸系统用药等参数。
S12.结构整理模块20对获取的医药数据进行格式转换、属性匹配，由于是从不同的数据源中获取的医药数据，因此获取的医药数据存在格式不统一、数据不完整的问题。首先需要将所有数据统一格式，去除冗余数据和错误数据，并预先设立药品属性匹配规则，根据药品属性匹配规则自动对数据进行整理。所述药品属性匹配规则的具体实现过程如下：
由工作人员为不同属性值自行设定若干对比关键字，示例性的，设置“进口”、“**公司”字样分别作为二级属性中的进口药品、药品生产厂家的属性值所对应的对比关键字。
对获取的医药数据进行分词并提取关键字，可以通过TF-IDF方法、Text Rank方法或Word2Vec词聚类方法等自然语音处理进行分词并提取关键字。将从医药数据中提取到的关键字与对比关键字进行匹配，根据匹配结果确定提取的关键字属于当前药品的属性级别和具体类别。所述匹配方法可采用现有技术，例如正则匹配法。
S13.由于医药数据量庞大，导致关键字数量众多，因此进行关键字匹配的计算量较大。为了提高匹配效率，线程管理模块30设立N个匹配线程进行同步数据处理，为每个线程分配固定的至少一个对比关键字，并且，有多个对比关键字的线程，其对比关键字之间存在关联。将N个进程根据关键字的关联关系分为M组，每个组线程中的关键字相关性高于预设的相关性阈值。
关键字匹配流程为：将提取的关键字输入每个组的第一个线程，若在第一个线程中匹配失败，但关键字与当前线程中的对比关键字相关性大于等于相关性阈值，则传送给下一个线程，直至匹配成功为止；若在第一个线程中匹配失败，但关键字与当前线程中的对比关键字相关性小于相关性阈值，则传送给下一组的最后一个线程，从后向前进行匹配，从而根据相关性可以减少匹配次数，提高关键字的匹配效率。
所述步骤S1的有益效果为：对获取的医药数据进行格式转换和属性匹配，形成具有逻辑条理的信息结构，方便对信息的检索和查看；设立关键字匹配流程可以减少匹配次数，提高关键字的匹配效率，对于数量庞大的医药数据来说，可以有效降低计算复杂度，减少资源浪费。
S2. 为不同药品之间设立属性相关权重，计算药品之间的关联系数，形成医药知识图谱，构建医药数据库，将医药数据库中的医药信息展示给消费者，通过智能互动让消费者们了解到更加全面、准确的医药知识。
S21.属性关联模块40为不同药品之间设立属性相关权重，设立属于相同一级属性但二级属性不同的两种药品之间的属性相关权重为
Figure 457234DEST_PATH_IMAGE005
，属于相同二级属性但属性值不同的两种药品之间的属性相关权重为
Figure 882399DEST_PATH_IMAGE007
，属性值相同的两种药品之间的属性相关权重为
Figure 731538DEST_PATH_IMAGE009
。由于一级属性范围较广，因此属性相关权重
Figure 436319DEST_PATH_IMAGE005
可忽略不计。
属性相关权重
Figure 416914DEST_PATH_IMAGE007
由二级属性的权重决定，二级属性权重越大，属性相关权重
Figure 396502DEST_PATH_IMAGE007
越大。设立从互联网大数据中选取医药相关信息，提取医药相关信息中的二级属性关键字，设立共提取出m个二级属性关键字，则二级属性的权重计算方式为：
Figure 159534DEST_PATH_IMAGE010
其中，
Figure 504059DEST_PATH_IMAGE011
为第i个二级属性的权重，
Figure 784999DEST_PATH_IMAGE012
，
Figure 37120DEST_PATH_IMAGE013
为每个药品的二级属性的数量，
Figure 641277DEST_PATH_IMAGE014
，
Figure 481669DEST_PATH_IMAGE015
为提取的二级属性关键字的总数，
Figure 453167DEST_PATH_IMAGE016
为第i个二级属性在提取的二级属性关键字中所占的数量，
Figure 305717DEST_PATH_IMAGE017
是二级属性的主观权重，
Figure 46271DEST_PATH_IMAGE018
是二级属性的客观权重，
Figure 260827DEST_PATH_IMAGE019
是第i个二级属性的专家评分。则属性相关权重
Figure 719621DEST_PATH_IMAGE020
为：
Figure 579124DEST_PATH_IMAGE021
其中，
Figure 439764DEST_PATH_IMAGE022
为第j个二级属性的权重，
Figure 825221DEST_PATH_IMAGE023
，
Figure 489421DEST_PATH_IMAGE024
。
通过调查属性值之间的潜在关联计算属性相关权重
Figure 683773DEST_PATH_IMAGE025
，所述调查可选择从互联网大数据中获取相关医药信息或通过调查问卷、专家经验等方法。所述潜在关联是指医药不同属性之间的关联，例如功效的关联：两种药品是否可以搭配治疗；禁忌的关联：两种药品是否不能同时服用等。根据潜在关联计算
Figure 867761DEST_PATH_IMAGE025
：
Figure 223787DEST_PATH_IMAGE026
其中，
Figure 60768DEST_PATH_IMAGE027
表示潜在关联的重要程度，
Figure 793232DEST_PATH_IMAGE028
是第j个二级属性的专家评分。根据属性相关权重计算两个药品之间的关联系数
Figure 80994DEST_PATH_IMAGE029
：
Figure 873500DEST_PATH_IMAGE030
根据两个药品及其之间的关系形成医药知识图谱，医药知识图谱的三元组表示为
Figure 997445DEST_PATH_IMAGE031
，其中，
Figure 22949DEST_PATH_IMAGE032
、
Figure 915950DEST_PATH_IMAGE033
均表示实体，即第i个药品和第j个药品。
S22.数据库构建模块构建医药数据库50，所述医药数据库50分为2层：数据层和知识层。
示例性的，医药数据库50的数据层用于存储药品名称和药品属性，所述药品属性以一级属性、二级属性和属性值的结构形式存在。
示例性的，知识层用于存储医药知识图谱，所述知识图谱以三元组的形式存在，包括任意两种药品及其之间的关系。
S23.展示模块60将医药数据库50通过多媒体进行展示，消费者们可以通过多媒体了解最全面的医药知识，同时，还可以通过互动模块70采集消费者提供的文字、图像、声音等媒介，由AI识别模块80识别出消费者想要了解的药品，通过智能互动让消费者们了解到更加全面、准确的医药知识，从而提高消费者对医药知识重要性的认知，进一步了解和认知医药科技。
消费者可以直接搜索或者提供想要了解的药品图像或药品相关信息的语音描述，AI识别模块80通过AI算法识别出图像或语音中的医药信息，从医药数据库50中匹配对应的医药名称和医药属性展示给消费者。
示例性的，当消费者直接从多媒体端口搜索想要了解的药品信息时，互动模块70获取消费者输入的搜索信息，AI识别模块80对搜索信息进行关键字识别，生成搜索指令发送给医药信息搜索模块90，由医药信息搜索模块90根据搜索指令从医药数据库50中搜索与关键字相关的医药信息发送给展示模块60。
示例性的，当消费者提供想要了解的药品图像时，多媒体的互动模块70获取消费者提供的药品图像，AI识别模块80对药品图像进行智能识别，提取图像中的文字信息，并从提取的文字信息中提取关键字，生成搜索指令发送给医药信息搜索模块90进行搜索。
示例性的，多媒体的互动模块70实时收集消费者的语音信息，AI识别模块80将语音信息转化为文字信息，并提取文字信息中的关键字，由医药信息搜索模块90从医药数据库50中搜索相关的医药信息，从而为消费者实时展示语音中涉及到的医药信息。
进一步的，多媒体在识别出消费者想要了解的药品后，根据医药数据库50中的知识层，将与当前药品相关的药品及其关系一同展示给消费者。
所述步骤S2的有益效果为：
多媒体管理系统面向信息化构架提供了系统的科学化管理、规范的信息化管理，通过智能互动让消费者们了解到更加全面、准确的医药知识，从而提高消费者对医药知识重要性的认知，进一步了解和认知医药科技，以信息化带动医药科技互动的智能化，以智能化促进信息化，实现可持续发展。
综上所述，便完成了本发明所述的一种基于数据库和AI算法识别的医药多媒体管理系统及方法。
效果调研：
本发明的技术方案能够有效解决由于医药数据体系庞大，现有的医药多媒体对于庞大的数据体系处理较为困难，需要消耗大量资源，计算复杂度过高，导致多媒体系统反应迟钝、不够智能化，与消费者的互动较少，无法可持续发展，医药多媒体的功能有待进一步挖掘。并且，上述系统或方法经过了一系列的效果调研，通过验证，最终能够有效降低计算复杂度，减少资源浪费；通过智能互动让消费者们了解到更加全面、准确的医药知识，从而提高消费者对医药知识重要性的认知，进一步了解和认知医药科技。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于数据库和AI算法识别的医药多媒体管理系统，其特征在于，包括以下部分：
数据获取模块、结构整理模块、线程管理模块、属性关联模块、医药数据库、展示模块、互动模块、AI识别模块和医药信息搜索模块；
所述线程管理模块，用于设立N个匹配线程对关键字匹配进行同步数据处理，并规划关键字匹配流程，所述线程管理模块对关键字匹配流程进行管理，将匹配成功的数据发送给所述结构整理模块；
所述属性关联模块，用于为不同药品之间设立属性相关权重，包括：属于相同一级属性但二级属性不同的两种药品之间的属性相关权重
Figure 835324DEST_PATH_IMAGE002
，属于相同二级属性但属性值不同的两种药品之间的属性相关权重
Figure 930229DEST_PATH_IMAGE004
，属性值相同的两种药品之间的属性相关权重
Figure 116491DEST_PATH_IMAGE006
，得到药品之间的关联关系，形成医药知识图谱并发送给所述医药数据库；
所述医药数据库，分为数据层和知识层，所述数据层用于存储药品名称和药品属性，所述知识层用于存储医药知识图谱，所述医药数据库将存储的信息通过数据传输的方式发送给所述展示模块；
所述AI识别模块，用于根据所述互动模块采集的消费者提供的文字、图像、声音识别出关键字，所述AI识别模块将关键字通过数据传输的方式发送给所述医药信息搜索模块。
2.一种基于数据库和AI算法识别的医药多媒体管理方法，其特征在于，包括以下步骤：
S1. 从不同数据源中获取药品名称和药品属性，为药品属性划分级别，对获取的医药数据进行格式转换和属性匹配，设立匹配线程进行同步数据处理；
S2. 为不同药品之间设立属性相关权重，计算药品之间的关联系数，形成医药知识图谱，构建医药数据库。
3.如权利要求2所述的一种基于数据库和AI算法识别的医药多媒体管理方法，其特征在于，所述步骤S1包括：
将药品属性进行级别划分，分为：一级属性、二级属性和属性值，所述一级属性包括物质属性、社会属性、治疗属性和商品属性。
4.如权利要求2所述的一种基于数据库和AI算法识别的医药多媒体管理方法，其特征在于，所述步骤S1包括：
对获取的医药数据进行分词并提取关键字，将提取的关键字输入每个组的第一个线程，若在第一个线程中匹配失败，但关键字与当前线程中的对比关键字相关性大于等于相关性阈值，则传送给下一个线程，直至匹配成功为止；若在第一个线程中匹配失败，但关键字与当前线程中的对比关键字相关性小于相关性阈值，则传送给下一组的最后一个线程，从后向前进行匹配。
5.如权利要求3所述的一种基于数据库和AI算法识别的医药多媒体管理方法，其特征在于，所述步骤S2包括：
为不同药品之间设立属性相关权重，设立属于相同一级属性但二级属性不同的两种药品之间的属性相关权重为
Figure 901913DEST_PATH_IMAGE002
，属于相同二级属性但属性值不同的两种药品之间的属性相关权重为
Figure 873542DEST_PATH_IMAGE004
，属性值相同的两种药品之间的属性相关权重为
Figure 633688DEST_PATH_IMAGE006
。
6.如权利要求5所述的一种基于数据库和AI算法识别的医药多媒体管理方法，其特征在于，所述步骤S2包括：
属性相关权重
Figure 87672DEST_PATH_IMAGE004
由二级属性的权重决定，二级属性权重越大，属性相关权重
Figure 489834DEST_PATH_IMAGE004
越大；通过调查属性值之间的潜在关联计算属性相关权重
Figure 844199DEST_PATH_IMAGE006
；根据属性相关权重计算两个药品之间的关联系数，根据两个药品及其之间的关系形成医药知识图谱。
7.如权利要求2所述的一种基于数据库和AI算法识别的医药多媒体管理方法，其特征在于，所述步骤S2包括：
将医药数据库通过多媒体进行展示，并通过互动模块采集消费者提供的文字、图像、声音，由AI识别模块识别出消费者想要了解的药品。
CN202210806984.7A 2022-07-11 2022-07-11 基于数据库和ai算法识别的医药多媒体管理系统及方法 Active CN114882985B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210806984.7A CN114882985B (zh) 2022-07-11 2022-07-11 基于数据库和ai算法识别的医药多媒体管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210806984.7A CN114882985B (zh) 2022-07-11 2022-07-11 基于数据库和ai算法识别的医药多媒体管理系统及方法

Publications (2)

Publication Number Publication Date
CN114882985A true CN114882985A (zh) 2022-08-09
CN114882985B CN114882985B (zh) 2022-10-18

Family

ID=82682680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210806984.7A Active CN114882985B (zh) 2022-07-11 2022-07-11 基于数据库和ai算法识别的医药多媒体管理系统及方法

Country Status (1)

Country Link
CN (1) CN114882985B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116504417A (zh) * 2023-06-28 2023-07-28 南京易联阳光信息技术股份有限公司 基于医药大数据的决策辅助方法及平台

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010134752A2 (ko) * 2009-05-21 2010-11-25 주식회사 아이네크 다수 분류 체계를 연동한 시멘틱 검색 방법 및 시스템
CN104598740A (zh) * 2015-01-26 2015-05-06 曹庆恒 一种智能用药指导的方法、系统和设备
CN105117397A (zh) * 2015-06-18 2015-12-02 浙江大学 一种基于本体的医学文档语义关联检索方法
US20180322954A1 (en) * 2017-05-08 2018-11-08 Hefei University Of Technology Method and device for constructing medical knowledge graph and assistant diagnosis method
CN109063094A (zh) * 2018-07-27 2018-12-21 吉首大学 一种建立中医药知识图谱的方法
CN110377755A (zh) * 2019-07-03 2019-10-25 江苏省人民医院（南京医科大学第一附属医院） 基于药品说明书的合理用药知识图谱构建方法
CN110619962A (zh) * 2019-08-26 2019-12-27 上海同筵信息科技有限公司 一种医患共享的网络医疗服务系统
CN110928471A (zh) * 2018-09-19 2020-03-27 阿里健康信息技术有限公司 一种数据显示方法和设备终端
CN110956271A (zh) * 2019-10-21 2020-04-03 北京明朝万达科技股份有限公司 一种海量数据的多级分类方法及装置
CN111221979A (zh) * 2019-12-31 2020-06-02 北京左医健康技术有限公司 药品知识图谱构建方法及系统
CN112131393A (zh) * 2020-08-11 2020-12-25 淮阴工学院 一种基于bert和相似度算法的医疗知识图谱问答系统构建方法
CN112635078A (zh) * 2020-11-06 2021-04-09 辽宁工程技术大学 一种中医药知识图谱构建与可视化方法
CN112951446A (zh) * 2021-04-16 2021-06-11 平安科技（深圳）有限公司 基于医药图谱的药品查询方法、装置、设备及存储介质
CN113569023A (zh) * 2021-07-06 2021-10-29 浙江工业大学 一种基于知识图谱的中文医药问答系统及方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010134752A2 (ko) * 2009-05-21 2010-11-25 주식회사 아이네크 다수 분류 체계를 연동한 시멘틱 검색 방법 및 시스템
CN104598740A (zh) * 2015-01-26 2015-05-06 曹庆恒 一种智能用药指导的方法、系统和设备
CN105117397A (zh) * 2015-06-18 2015-12-02 浙江大学 一种基于本体的医学文档语义关联检索方法
US20180322954A1 (en) * 2017-05-08 2018-11-08 Hefei University Of Technology Method and device for constructing medical knowledge graph and assistant diagnosis method
CN109063094A (zh) * 2018-07-27 2018-12-21 吉首大学 一种建立中医药知识图谱的方法
CN110928471A (zh) * 2018-09-19 2020-03-27 阿里健康信息技术有限公司 一种数据显示方法和设备终端
CN110377755A (zh) * 2019-07-03 2019-10-25 江苏省人民医院（南京医科大学第一附属医院） 基于药品说明书的合理用药知识图谱构建方法
CN110619962A (zh) * 2019-08-26 2019-12-27 上海同筵信息科技有限公司 一种医患共享的网络医疗服务系统
CN110956271A (zh) * 2019-10-21 2020-04-03 北京明朝万达科技股份有限公司 一种海量数据的多级分类方法及装置
CN111221979A (zh) * 2019-12-31 2020-06-02 北京左医健康技术有限公司 药品知识图谱构建方法及系统
CN112131393A (zh) * 2020-08-11 2020-12-25 淮阴工学院 一种基于bert和相似度算法的医疗知识图谱问答系统构建方法
CN112635078A (zh) * 2020-11-06 2021-04-09 辽宁工程技术大学 一种中医药知识图谱构建与可视化方法
CN112951446A (zh) * 2021-04-16 2021-06-11 平安科技（深圳）有限公司 基于医药图谱的药品查询方法、装置、设备及存储介质
CN113569023A (zh) * 2021-07-06 2021-10-29 浙江工业大学 一种基于知识图谱的中文医药问答系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116504417A (zh) * 2023-06-28 2023-07-28 南京易联阳光信息技术股份有限公司 基于医药大数据的决策辅助方法及平台
CN116504417B (zh) * 2023-06-28 2023-09-12 南京易联阳光信息技术股份有限公司 基于医药大数据的决策辅助方法及平台

Also Published As

Publication number Publication date
CN114882985B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
US10818397B2 (en) Clinical content analytics engine
US20210193320A1 (en) Machine-learning based query construction and pattern identification for hereditary angioedema
US10685052B2 (en) Method of and system for information retrieval
WO2020243732A1 (en) Systems and methods of clinical trial evaluation
US9881037B2 (en) Method for systematic mass normalization of titles
CN111326226B (zh) 电子病历的解析处理及显示方法、装置、设备及存储介质
AU2017250467B2 (en) Query optimizer for combined structured and unstructured data records
CN113707297A (zh) 医疗数据的处理方法、装置、设备及存储介质
CN113724848A (zh) 基于人工智能的医疗资源推荐方法、装置、服务器及介质
CN110299209B (zh) 相似病历查找方法、装置、设备及可读存储介质
Al-Ramahi et al. Discovering design principles for health behavioral change support systems: A text mining approach
CN110390052B (zh) 搜索推荐方法、ctr预估模型的训练方法、装置及设备
US20220122731A1 (en) Systems and methods for generating and delivering personalized healthcare insights
Samuel et al. MedFact: towards improving veracity of medical information in social media using applied machine learning
US20230060252A1 (en) Systems and Methods for Organizing, Finding, and Using Data
CN114882985B (zh) 基于数据库和ai算法识别的医药多媒体管理系统及方法
CN115858886A (zh) 数据处理方法、装置、设备及可读存储介质
CN111696656A (zh) 一种互联网医疗平台的医生评价方法、装置
CN115620886B (zh) 一种数据审核方法和装置
US20150339602A1 (en) System and method for modeling health care costs
Pradeepa et al. DEODORANT: a novel approach for early detection and prevention of polycystic ovary syndrome using association rule in hypergraph with the dominating set property
US20240086771A1 (en) Machine learning to generate service recommendations
CN116091253B (zh) 医保风控数据采集方法及装置
CN117251558A (zh) 信息推荐方法、装置、设备及存储介质
CN116843520A (zh) 指标体系的构建方法、装置、设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant