一种基于医疗知识图谱的智能医疗数据管理系统及方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115831380A(43)申请公布日2023.03.21(21)申请号202211554252.XG06F18/22(2023.01)(22)申请日2022.12.06G06N3/0442(2023.01)G06N3/045(2023.01)(71)申请人江苏雷奥生物科技有限公司地址221116江苏省徐州市高新区第二工业园银山路16号(72)发明人刘尊亮吴芸王路路李云志吉昱行郝宁商超(74)专利代理机构北京华际知识产权代理有限公司11676专利代理师钟延珍(51)Int.Cl.G16H50/70(2018.01)G06F16/36(2019.01)G06F18/20(2023.01)G06F18/231(2023.01)权利要求书3页说明书8页附图2页(54)发明名称一种基于医疗知识图谱的智能医疗数据管理系统及方法(57)摘要本发明涉及医疗知识图谱领域，具体为一种基于医疗知识图谱的智能医疗数据管理系统及方法，所述系统包括数据获取模块、知识图谱构建模块、实体抽取模块以及辅助优化管理模块；所述辅助优化管理模块用于对医疗病例、医学知识进行智能管理，根据妇幼患者信息匹配最佳诊疗方案；本发明通过运用ML算法构建隐马尔科夫模型，基于隐马尔可夫模型对医疗知识进行实体抽取，基于RNN关系抽取模型实现关系抽取，最后将得到的数据进行知识融合，构建医疗知识图谱，实现对妇幼医疗病例、妇幼医学知识进行智能管理，达到辅助医生优化诊疗方案的效果。CN115831380ACN115831380A权利要求书1/3页1.一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述方法包括以下步骤：S1、通过医疗大数据获取妇幼患者的信息；S2、采用机器学习技术，根据获取的妇幼患者的信息进行实体抽取、关系抽取和属性抽取；S3、结合实体抽取、关系抽取和属性抽取的内容进行知识融合，并构建医疗知识图谱；S4、根据患者信息，结合医疗知识图谱进行实体识别与关系抽取，匹配最佳诊疗方案。2.根据权利要求1所述一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述S1中通过医疗大数据获取妇幼患者的信息的方法包括以下步骤：SA1、通过医疗大数据获取妇幼患者性别、年龄、疾病名称、诊断报告，并将获取的信息作为第一特征信息；SA2、通过医疗大数据获取妇幼患者疾病伴随症状、检查报告、药物配方、手术名词以及医疗设备，并将获取的信息作为第二特征信息。3.根据权利要求2所述一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述S2中采用机器学习技术，根据获取的妇幼患者的信息进行实体抽取、关系抽取和属性抽取的方法包括以下步骤：SB1、根据统计的方法对特征信息进行训练，通过训练样本得到隐马尔科夫模型参数，运用ML算法构建隐马尔科夫模型，并设定状态集合Q＝{妇幼患者性别、年龄、疾病名称、诊断报告}和观测事件集合V＝{妇幼患者疾病伴随症状、检查报告、药物配方、手术名词以及医疗设备}；SB2、获取状态集合和观测事件集合中元素，并构建状态集合S对应的模型状态序列T，表达式为S＝{s1，s2，s3，...，sT}，O＝{o1，o2，o3，...，oT}，其中O表示对应训练序列的观测序列；SB3、根据公式对训练序列的初始概率和转移概率进行分块，其中Pi表示初始状态为i的概率，Pi→j表示从状态i转移到状态j的概率，Oi表示观测序列O中初始状态为i的序列个数，Oi→j表示观测序列O中，从状态i转移到状态j的次数；SB4、根据公式得到输出释放概率，其中Si(Vj)表示观测序列O中，状态为i对应释放单词Vj的次数，M表示输出单词的值，即观测事件集合中的元素；SB5、基于隐马尔科夫模型进行文本信息抽取，以观测序列O＝{o1，o2，o3，...，oT}作为模型的输入，采用Viterbi算法，找出最大概率的状态标签序列，被标记为目标状态标签的观察文本即为妇幼医疗知识抽取的内容；SB6、基于RNN关系抽取模型，针对每一个状态集合中元素的输入，通过词嵌入处理转换成固定维度的向量；SB7、采用双向RNN层进行特征抽取，通过双向RNN建模输入序列的语义特征；SB8、基于RNN层特征抽取，得到一个输出序列，即{b1，b2，b3，...，bt}；2CN115831380A权利要求书2/3页SB9、根据公式mi＝MAX(bt)i1<i<LRNN得到状态为i的集合中元素经过处理后转换成固定维度的向量值，记为m，并通过softmax进行处理即可得到输出分类的结果，其中t表示序列的长度，LRNN表示RNN层的大小。4.根据权利要求3所述一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述S3中结合实体抽取、关系抽取和属性抽取的内容进行知识融合，并构建医疗知识图