[发明专利]基于图神经网络的中医辩治推荐系统、方法和电子设备

说明书

本发明属于智能医疗技术领域，本发明提供一种基于图神经网络的中医辩治推荐系统、方法和电子设备，包括：知识图谱获取模块，用于基于结构化的中医辩治数据，得到中医辩治的知识图谱；构建模块，用于通过图神经网络对所述知识图谱提取特征向量，以构建所述中医辩治的低纬度表征信息；结果获取模块，用于利用相似度评估算法根据所述中医辩治的低纬度表征信息，得到所述中医辩治的预测结果；其中，所述历史中医辩治数据包括病症、证型以及中药的特性属性和关联关系。本发明使用了一种基于空间域的图神经网络进行辩治的系统。通过本发明的系统利用一种图的深度学习算法提取大规模图表达关系数据的中医病症向量、中医证型向量和中药向量的表征信息。通过计算表征向量关系，在病‑证‑药之间实现中医辩治的推荐召回。

技术领域

本发明涉及智能医疗技术领域，尤指一种基于图神经网络的中医辩治推荐系统、方法和电子设备。

背景技术

在中医诊断学中指出中医诊断的基本原则是：整体观察，四诊合参，病症结合，动静合一，这是中医的核心辩证理论，即从辩证角度来分析病人证型分类，通过分型来综合确定用药。中医学科比较庞大，辩证又分为了八纲，六淫，阴阳，气血，津液，脏腑，六经，卫气营血，三焦，经络辩证等几大辩证方法，所以如何准确有效对病症进行辩证，分型和施治是中医辩治的核心难题。

由于辩证需要分析和输入的参考信息关联性比较强，很多病症因为一些细微的区别决定了辩证结果，医师在临床经验，辩证逻辑，学派思想，用药习惯各方面都存在着自己的主观判断意识。在全面性、综合性和准确性上都有一定偏差，这个偏差值决定了医师的技艺水平。

如何利用信息化技术进行辩治是各大医疗健康领域一直在探索的问题，现有技术中存在两类方法：1.利用代数或者聚类的方法解决症药匹配问题，有些甚至直接跳过辩证的过程，将病症和用药关联匹配，这在中医诊断学中是不严谨的。2.通过训练CNN卷积神经网络来预测结果，这种方法比较有效，但是在特征和权重训练学习过程中，不能够有效学习到关键特征，影响预测结果准确率。

发明内容

本发明提供一种基于图神经网络的中医辩治推荐系统、方法和电子设备，解决了现有技术中的问题。

本发明提供的技术方案如下：

一方面，本发明提供一种基于图神经网络的中医辩治推荐系统，包括：

知识图谱获取模块，用于基于结构化的中医辩治数据，得到中医辩治的知识图谱；

构建模块，用于通过图神经网络对所述知识图谱提取特征向量，以构建所述中医辩治的低纬度表征信息；

结果获取模块，用于利用相似度评估算法根据所述中医辩治的低纬度表征信息，得到所述中医辩治的预测结果；

其中，所述历史中医辩治数据包括病症、证型以及中药的特性属性和关联关系。

进一步优选地，所述知识图谱获取模块，还用于：

通过NLP进行结构化处理病症、证型以及中药的特征属性和关联关系，获取结构化的中医辩治数据。

进一步优选地，所述构建模块，包括：

提取模块，用于通过图神经网络对所述知识图谱进行采样获取至少一个子图，并提取所述子图的特征向量；

训练模块，用于利用所述子图的特征向量基于平均值聚合器卷积，使用负采样算法进行无监督训练后获取所述中医辩治的低纬度表征信息。

进一步优选地，所述提取模块，还用于：

批采样子模块，用于对所述知识图谱进行批采样，获取至少一个子图，所述子图包括节点的向量集合计算公式为：

其中，B^K-1表示中第k-1层的向量集合；k表示聚合近邻的深度，表示确定性函数；