一种基于知识图谱的在线智能辅助诊断方法与流程
本发明涉及智能分析,尤其涉及一种基于知识图谱的在线智能辅助诊断方法。
背景技术:
1、随着互联网医疗行业快速发展,在线智能辅助诊断技术广泛应用于基层问诊、线上预诊断等场景,用以缓解优质医疗资源分布不均带来的难题。现阶段主流在线辅助诊断手段分为两类,一类依托机器学习、深度学习算法,依靠海量病历、检验、症状标注数据学习病症与疾病间的对应关系完成诊断预测;另一类借助通用大语言模型解析用户输入的症状文本,输出初步诊断参考。同时,医疗知识图谱技术将疾病、症状、检查指标、病因、药品等医疗要素抽象为实体,通过三元组构建实体间结构化关联网络,整合诊疗指南、医学文献、专家临床经验等专业知识,为医疗推理提供标准化、可视化的专业知识支撑,现有技术中已将医疗知识图谱作为信息检索模块,提取图谱内关联知识辅助模型完成诊断推理工作。
2、中国专利公开号:cn114639479a,公开了一种基于医疗知识图谱的智能诊断辅助系统,通过建立患者电子病历,减轻医生录入病历的负担,通过建立医疗知识图谱,对医药知识进行融合,克服了现有的医疗数据孤岛的问题,提高医疗数据利用率,实现了常见疾病的智能辅助诊断,便于患者在就医时,存在特征疾病可以及时发现,提高了就诊的效率,给患者就医带来方便,通过自动诊断模块进行相应的诊断,从而分析得到具有权重的疑似疾病,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和准确率,实现智能分诊预测,降低错误分诊的概率,为患者提供高效便捷的诊前咨询,减轻患者负担和医院运行负荷,给患者带来高效精准的就医体验,保证了在考虑更多影响因素后能给出相较现有人工智能诊断系统更加客观可靠的诊疗意见,避免了用户输入信息的复杂性和用户所处环境下设备不足的困扰,以及用户可以随时随地只要在有网络的地方都可以进行疾病的智能诊疗,通过人为纠错逐渐提高对患者信息进行综合数据分析诊断辅助系统诊断准确率。
3、中国专利公开号:cn118098561a,公开了基于知识图谱的疾病辅助诊断方法及系统,包括获取知识图谱疾病数据,建立疾病诊断模型;收集实际病人疾病数据优化疾病诊断模型;通过优化的疾病诊断模型进行疾病辅助诊断,生成疾病诊断结果;评估疾病诊断结果并将数据进行存储。本发明通过获取知识图谱中疾病数据建立疾病诊断模型并进行优化,输出疾病诊断结果列表辅助医护人员进行疾病诊断,从而减少医护人员工作量,提高诊断准确性和全面性,提供更全面的病情分析,实现更精准的疾病诊断辅助。
4、但是,现有技术中还存在以下问题,
5、现有医疗问答系统在处理多症状关键词时,采用逐步检索的方式,导致检索步骤冗余、系统响应延迟,降低了辅助系统的运行效率以及诊断支持准确性。
技术实现思路
1、为此,本发明提供一种基于知识图谱的在线智能辅助诊断方法,用以解决现有技术在处理多症状关键词时,采用逐步检索的方式,导致检索步骤冗余、系统响应延迟,降低了辅助系统的运行效率以及诊断支持准确性的问题。
2、为实现上述目的,本发明提供基于知识图谱的在线智能辅助诊断方法,其包括:
3、获取用户上传的病症描述数据,分析所述病症描述数据以提取若干关键词;
4、基于各所述关键词在医学知识图谱中的映射重合度以及阶段分布概率对各所述关键词进行聚类,确定所述病症描述数据的数据类别;
5、针对所述病症描述数据的多态数据类别,基于所述关键词对应病症的内部关联度以及共现集中度分析各所述关键词的对应病症的关联状态,以确定是否对各所述关键词进行整合处理;
6、针对进行整合处理的各所述关键词,基于医学知识图谱中的有向路径权重以及疾病进展轨迹匹配度进行双向验证,确定各所述关键词对应病症间的致病倾向;
7、针对各所述关键词的连续致病倾向,定位初始异常关键词,基于所述初始异常关键词遍历辅助诊断数据库,确定对应答复内容。
8、进一步地,确定各所述关键词对应候选诊断实体的交集数量与并集数量之比为映射重合度;
9、确定各所述关键词在所述医学知识图谱中对应的候选诊断实体,构建候选诊断实体集合;
10、对各所述关键词对应的所有候选诊断实体集合执行并集操作,确定并集内候选诊断实体的总个数为并集数量;
11、对各所述关键词对应的所有候选诊断实体集合执行交集操作,确定交集内候选诊断实体的总个数为交集数量。
12、进一步地,确定实体数量与所述候选诊断实体的数量之比为阶段分布概率;
13、确定所述病症描述数据中出现频次最高的疾病发展阶段对应的所述候选诊断实体的实体数量。
14、进一步地,若所述聚类结果满足聚类条件,则确定所述病症描述数据的数据类别为同态数据类别,基于所述关键词遍历辅助诊断数据库,确定对应答复内容;
15、若所述聚类结果不满足聚类条件,则确定所述病症描述数据的数据类别为多态数据类别;
16、其中,所述聚类条件为所述映射重合度小于基准映射重合度,且阶段分布概率小于基准阶段分布概率。
17、进一步地,确定各所述关键词对应病症的候选诊断实体节点在所述医学知识图谱中的最短路径长度的倒数为内部关联度;
18、获取各所述关键词对应病症的发生时间,将所述发生时间映射至若干时序窗口;
19、统计各所述时序窗口内包含的关键词数量,确定包含关键词数量最多的时序窗口对应的关键词数量与关键词总数量的比值为共现集中度。
20、进一步地,若所述内部关联度大于基准内部关联度,且所述共现集中度大于基准共现集中度,则各所述关键词的对应病症的关联状态为存在关联,对各所述关键词进行整合处理;
21、若所述内部关联度小于或等于基准内部关联度,和/或所述共现集中度小于或等于基准共现集中度,则各所述关键词的对应病症的关联状态为不存在关联,不对各所述关键词进行整合处理。
22、进一步地,获取各所述关键词对应病症在所述医学知识图谱中的有向关联边及各所述有向关联边对应的转移概率,确定所述转移概率为各所述有向关联边的单边权重值;
23、确定任意两个关键词对应的病症节点,获取所述医学知识图谱中两个病症节点间的所有有向路径;
24、确定各所述有向路径上所经过的所有有向关联边的单边权重值之积为所述有向路径的单边路径权重值;
25、确定各所述有向路径的路径权重值之和为有向路径权重。
26、进一步地,获取各所述关键词对应病症在所述医学知识图谱中的标准疾病进展轨迹序列;
27、将各所述关键词对应病症的时序出现序列与所述标准疾病进展轨迹序列进行比对,确定序列相似度为疾病进展轨迹匹配度。
28、进一步地,若各所述关键词满足预设条件,则确定各所述关键词对应病症间的致病倾向为连续致病倾向;
29、若各所述关键词不满足预设条件,则确定各所述关键词对应病症间的致病倾向为单独致病倾向;
30、其中,所述预设条件为有向路径权重大于基准有向路径权重,且所述疾病进展轨迹匹配度大于基准疾病进展轨迹匹配度。
31、进一步地,确定所述时序出现序列中各病症间的致病导向关系;
32、基于所述致病导向关系,确定所述时序出现序列中的上游病症节点以及下游病症节点;
33、确定所述上游病症节点对应的关键词为初始异常关键词。
34、与现有技术相比,本发明通过获取用户上传的病症描述数据并提取关键词,依据关键词在医学知识图谱的映射重合度与阶段分布概率聚类以判定数据类别;结合关键词对应病症的内部关联度与共现集中度判断关键词是否需要整合,对需整合的关键词依托知识图谱有向路径权重与疾病进展轨迹匹配度明确病症间致病倾向,再依据连续致病倾向定位初始异常关键词,检索辅助诊断数据库生成对应答复内容。通过对各关键词对应病症间的关联状态与致病倾向开展分析,提升了辅助诊断答复内容的匹配效率与诊断准确率。
35、尤其,本发明通过分析病症描述数据中关键词在医学知识图谱中的映射重合度以及阶段分布概率,对病症描述数据进行数据类别的划分。在实际情况中,现有技术直接对用户输入的病症描述进行分词与实体识别,并针对所提取的各个关键词独立地进行答复内容的单点检索与推送。该种方法在针对多个关键词指向同一病症实体时,导致同一病理根源进行多次重复性的数据库查询与回复生成,降低了回复效率;进一步地,该种方法也会将处于不同进展梯度的关联症状误判为独立病症,从而输出碎片化甚至矛盾的误导性答复,导致答复内容的发送错误。基于此,本发明考虑预先对用户上传的病症描述数据进行数据类别的划分,为后续针对同态数据类别以及多态数据类别答复内容的检索与推送提供数据及理论基础,进而避免了现有技术中因忽略病症内部关系带来的冗余计算与重复推送,提高了答复内容的匹配效率与诊断准确率。
36、尤其,本发明针对病症描述数据的多态数据类别,分析对应病症的关联状态,为后续是否进行关键词整合提供数据基础。可以理解的是,不同病症之间可能存在诱发关系、并发关系或同源病因关系。在实际情况中若直接针对多态数据类别中的每个关键词进行独立的答复内容检索与推送,不仅会导致各独立检索结果因未考虑病症间的实质关联而产生语义割裂,使得答复内容缺乏逻辑上的连贯性;针对具有内在关联的跨病症关键词依旧保持执行多次独立的数据库遍历与回复生成操作,导致答复效率降低。基于此,本发明考虑仅对多态数据类别病症描述数据内的关键词进行分析,进行二次筛选,量化不同病症间的病理耦合强度,避免对所有已聚类病症描述数据进行冗余的关联分析,为后续进行病症间的致病倾向处理提供数据基础,提高了答复内容的匹配效率与诊断准确率。
37、尤其,本发明针对需要进行整合处理的各关键词,对各关键词对应病症进行双向验证,确定病症间的致病倾向。在实际情况中,不同病症之间的关联关系可能表现为两病症无因果牵连,仅因人群相似性或抽样偏差频繁同时出现,也可能表现为上下位从属关系、并发协同关系,以及具有时序因果逻辑的致病关系。现有技术在判定病症关联时,仅基于语义相似度或共现频次进行静态相关性度量,无法区分不同类型关联关系的本质差异,尤其无法从有向性角度判断关联中是否存在致病倾向,进而导致在进行答复查询与推送时,集中于表层继发表现,而遗漏对根源性致病因素的干预,或将所有涉及到的病症均进行答复查询与推送,从而导致答复内容出现重复。基于此,本发明考虑进行病症的双向验证,确定各关键词对应病症间的致病倾向,进而提高答复内容的匹配效率与诊断准确率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com