[发明专利]一种基于医疗知识图谱的智能疾病辅助诊断系统

说明书

本发明公开了一种基于医疗知识图谱的智能疾病辅助诊断系统，包括患者数据层、实体抽取层、辅助诊断层和推荐治疗层，所述患者数据层用于采集和保存患者数据以形成患者电子病历，所述实体抽取层用于根据患者主诉进行实体识别和关系抽取，所述辅助诊断层用于根据所述实体抽取层的结果进行辅助诊断分析以输出疑似疾病诊断列表和相应的推荐检查列表，所述推荐治疗层用于根据患者基本信息、检查报告的结果和医生诊断结果进行分析输出最终的治疗方案。本发明利实现了常见疾病的智能辅助诊断，为医生提供较高可信度的辅助诊断，帮助提高医生的诊断效率、准确率以及精准用药。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于医疗知识图谱的智能疾病辅助诊断系统。

背景技术

随着我国医疗系统的不断完善，医疗资源包括医疗设备和医护人员队伍也在逐步壮大，但医疗资源紧缺、医院运行效率不高的情况仍然存在，如：基层诊疗水平低，误漏诊率高达40％；临床医生时间未能有效利用，20-50％以上的时间用于文字报告录入；医院系统内部以及各大医疗数据库间存在数据孤岛，难以整合信息，造成医疗信息的大量浪费。

发明内容

为解决上述问题，本发明提供了一种基于医疗知识图谱的智能疾病辅助诊断系统及系统及系统。

本发明采用以下技术方案：

一种基于医疗知识图谱的智能疾病辅助诊断系统，包括患者数据层、实体抽取层、辅助诊断层和推荐治疗层，所述患者数据层用于采集和保存患者数据以形成患者电子病历，所述实体抽取层用于根据患者主诉进行实体识别和关系抽取，所述辅助诊断层用于根据所述实体抽取层的结果进行辅助诊断分析以输出疑似疾病诊断列表和相应的推荐检查列表，所述推荐治疗层用于根据患者基本信息、检查报告的结果和医生诊断结果进行分析输出最终的治疗方案。

进一步地，所述患者电子病历包含患者基本信息、患者主诉、检查报告、诊断结果和用药记录，所述患者基本信息包括性别、身高和体重。

进一步地，所述实体抽取层由数据输入模块、神经网络模块组成，所述数据输入模块采用人工手动输入或语音输入患者主诉从而生成文本，所述神经网络模块由Bi-LSTM网络和CRF网络组成，所述实体抽取层的输出结果由疾病种类、疾病症状和诱因组成。

进一步地，所述实体识别和关系抽取的过程具体如下：

A1、对所述患者主诉生成的文本进行词嵌入，生成词向量；

A2、利用Bi-LSTM网络和CRF网络联合模型对所述词向量进行命名实体识别、分词和词性标注，输出对应的实体识别结果，所述实体识别结果为名词性主语和非名词性词语，所述名词性主语即疾病症状；

A3、对所述实体识别结果进行标签嵌入、关系抽取，输出非名词性词语的关系抽取结果即诱因。

进一步地，所述辅助诊断层包括输入端、深度学习模型和输出端，所述输入端用于提取所述实体抽取层的结果，所述深度学习模型用于对所述输入端的数据进行辅助诊断分析，所述输出端用于输出疑似疾病诊断列表和相应的推荐检查列表。

进一步地，所述深度学习模型的构建过程具体如下：

B1、利用医疗知识图谱中的疾病和症状的关系构建基础网络；

B2、利用先验医学知识进行增量学习；

B3、利用公共数据库构建贝叶斯概率模型，所述公共数据库包括CDC、PubMed和Stanford；

B4、通过线性模型融合技术将所述基础网络和所述贝叶斯概率模型融合。