[发明专利]医学知识图谱的构建方法、装置及辅助诊断方法

说明书

技术领域

本发明涉及数据处理技术领域，尤其涉及一种医学知识图谱的构建方法、装置及辅助诊断方法。

背景技术

知识图谱作为一个结构化的信息网络，打破了原有的关系型数据库的限制，具有非常强大的表达能力，它在信息检索和信息整合等领域扮演着越来越重要的角色，可以为用户提供更广度、更深度的知识体系并不断扩充。

目前，知识图谱的应用非常广泛，在医学领域中，构建医学知识图谱，可以将病症、疾病与诊疗手段之间的错综复杂的关系，通过知识图谱构建成数据库，从而可以为医护人员提供很好的辅助诊断手段。但是，现有的医学知识图谱的结构比较简单，并且在利用知识图谱进行辅助诊断上，由于知识图谱的结构限制，不能很好地为医护人员提供帮助。

发明内容

基于上述问题，本发明提供一种医学知识图谱的构建方法、装置及辅助诊断方法，能够为临床医学提供智能化的辅助诊断。

为解决上述问题，本发明提供了一种医学知识图谱的构建方法，包括：

收集医学数据库中的数据，构建用户词典；

根据所述用户词典和停止词词库，对电子病历数据进行处理；

将处理后的数据进行命名实体识别；

将识别的各个实体建立关联关系；

根据各个实体以及各个实体之间的关联关系，建立医学知识图谱。

其中，所述将处理后的数据进行命名实体识别，具体还包括：

通过处理后的诊断数据得到疾病实体，通过处理后的体检数据得到体征实体，根据处理后的患者主诉数据得到症状实体，根据处理意见数据得到处理实体，根据科室信息得到科室实体。

其中，所述将识别的各个实体建立关联关系，具体包括：

对疾病实体，分别与症状实体、体征实体、处理实体、科室实体建立关联关系；

其中，所述关联关系强度采用以下公式：

Z＝x/y

其中，y表示某项疾病的病历份数，x表示某项疾病的病历中目标实体出现的总次数，所述目标实体为症状实体、体征实体、处理实体、科室实体中的任一个。

其中，所述根据各个实体以及各个实体之间的关联关系，建立医学知识图谱，具体包括：

将处理后的实体依据关联关系形成的实体对及其相应的关联关系强度值导入Neo4j图形数据库，并可视化，生成所述医学知识图谱。

其中，所述方法还包括：

根据当前获取的患者诊断结果和患者主诉及检查数据，对相应实体之间的关联强度进行实时更新。在本发明的另一个方面，提供一种基于医学知识图谱的计算机辅助诊断方法，包括：

获取患者的主诉数据和检查数据；

对所述主诉数据和检查进行预处理，得到患者的症状实体和体征实体构成的集合；

在医学知识图谱中查找与所述症状实体和体征实体相关联的疾病实体集合；

根据所述疾病实体集合和每个疾病实体所对应的症状实体与体征实体构成的集合，分别计算每个疾病实体在其对应的症状实体与体征实体构成的集合下的后验概率；

输出后验概率最大的疾病实体及其关联节点对应的数据。

其中，所述计算每个疾病实体在其对应子集下的后验概率，具体包括：

对于疾病d_i，在对应的症状实体与体征实体构成的子集{t₁,t₂,...t_k}下的后验概率为：

其中，k为症状实体与体征实体的个数，k为症状实体与体征实体的个数。

通过所述症状实体与知识图谱中的疾病实体的关系强度值

在本发明的又一个方面，提供一种医学知识图谱的构建装置，所述装置包括：

用户词典构建单元，用于收集医学数据库中的数据，构建用户词典；

数据处理单元，用于根据所述用户词典和停止词词库，对电子病历数据进行处理；

实体识别单元，用于对数据处理单元处理后的数据进行命名实体识别；

关联关系建立单元，用于对实体识别单元形成的各个实体建立关联关系；

医学知识图谱构建单元，用于根据所述各个实体以及各个实体之间的关联关系，建立医学知识图谱。

其中，所述实体识别单元，具体包括：

疾病实体识别子单元，用于对处理后的诊断数据进行命名实体识别，得到疾病实体；

体征实体识别子单元，用于对处理后的体检数据进行命名实体识别，得到体征实体；

症状实体识别子单元，用于对处理后的患者主诉数据进行命名实体识别，得到症状实体；