基于知识图谱的糖尿病干预智能推荐方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116013511A(43)申请公布日2023.04.25(21)申请号202310293199.0G06F16/36(2019.01)(22)申请日2023.03.24(71)申请人吉林大学地址130012吉林省长春市前进大街2699号申请人牡丹江医学院(72)发明人王晓楠商华(74)专利代理机构北京维创华成知识产权代理事务所(普通合伙)16094专利代理师徐敏杰(51)Int.Cl.G16H50/20(2018.01)G16H50/70(2018.01)G06V40/16(2022.01)G06F16/332(2019.01)权利要求书3页说明书7页附图2页(54)发明名称基于知识图谱的糖尿病干预智能推荐方法及系统(57)摘要本发明公开了基于知识图谱的糖尿病干预智能推荐方法及系统，涉及信息智能推荐技术领域，检索并构建图谱数据集，对图谱数据集中的数据进行处理，搭建知识图谱；判断当前患者是否是糖尿病潜在患者，获取病症难度系数Bnd；在病症难度系数Bnd超出相应阈值时，从知识图谱中选常规性应对策略并向外部输出；在常规性方案不具备可行性时，分别构建病症特征库及干预方案库，依据病症特征从匹配相应的应对策略；判断推荐方案是否具有可行性。能够以具体的病症难度系数Bnd对患者的患病程度进行描述和表征，能够依病症难度系数Bnd选择相应的应对策略，向患者推荐方案。CN116013511ACN116013511A权利要求书1/3页1.基于知识图谱的糖尿病干预智能推荐方法，其特征在于：包括，依据网络表示学习算法建立表示学习模型，以糖尿病及其相关词作为检索词，检索并构建图谱数据集，并以语义网络模型对图谱数据集中的数据进行处理，搭建知识图谱；包括：基于网络表示学习算法建立表示学习模型，从网络上选择数据样本并在经过训练和测试后，将构建成的网络表示学习模型输出；采集患者的病症特征并构建患者病症特征集，依据患者的面部特征确定当前患者是否是糖尿病潜在患者；如果是，则依据患者病症特征集中的数据，获取病症难度系数Bnd；在病症难度系数Bnd超出相应阈值时，从患者病症特征集中选择代表性特征；针对代表性特征，从知识图谱中选常规性应对策略，仿真分析后，在常规性应对策略可行时，将其向外部输；在常规性方案不具备可行性时，获取知识图谱中的数据，分别构建病症特征库及干预方案库；训练并获取可执行配对任务的配对模型，依据患者的病症特征从匹配相应的应对策略，以作为推荐方案输出；建立病症数字孪生模型，在对推荐方案进行仿真分析后，判断推荐方案是否具有可行性，如果不具备，则确定为疑似策略并排除，并重新从干预方案库匹配应对策略；如果应对策略可行，则作为推荐方案输出，如果仍不可行，则发出预警。2.根据权利要求1所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：依据网络表示学习模型，以糖尿病及其相关词作为检索词，采用深度优先搜索从公开渠道检索并采集数据，汇总形成图谱数据集；基于神经网络学习算法，从图谱数据集中抽取数据作为样本数据，基于样本数据对模型经过训练和测试后，完成基于机器学习的语义网络模型的构建。3.根据权利要求1所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：将患者接入自动问诊系统，以问询及采样的形式采集患者的病症特征，采集的特征至少包括：面部图像特征、空腹血糖、每日排尿次数及胰岛素分泌量，汇总并建立患者病症特征集；获取患者的面部特征，训练出面部特征识别模型并对面部特征进行识别，将识别获取的特征与知识图谱中的特征数据进行对比，依据特征的相似度，判断患者是否是潜在糖尿病患者。4.根据权利要求3所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：如果是潜在糖尿病患者，则判断的空腹血糖、每日排尿次数及胰岛素分泌量是否存在超出相应阈值的参数；在超出相应阈值的参数不少于一个时，获取空腹血糖Xt、每日排尿次数Pn及胰岛素分泌量Ys，无量纲化处理后，获取病症难度系数Bnd；其中，病症难度系数Bnd的获取方式如下：其中，参数的意义及取值为：，且为权重，其具体值由用户调整设置，为常数修正系数。2CN116013511A权利要求书2/3页5.根据权利要求4所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：接收病症难度系数Bnd，在病症难度系数Bnd超出阈值时，以空腹血糖Xt、每日排尿次数Pn及胰岛素分泌量Ys中超出阈值最多的参数作为代表性特征；从而，基于该代表性特征，能够减少推荐方案的难度；依据代表性特征，从知识图谱中选择常规性方案，基于机器学习模型，结合患者病症特征集中的数据，在进行仿真分析后，判断该常规性方案是否可行，如果可行，则将常规性方案作为推荐方案输出。6.根据权利要求5所述的基于知识图谱的糖尿病干预智能推荐