一种基于医疗知识图谱的动态临床诊疗辅助系统的制作方法

1.本发明涉及一种基于知识图谱的动态临床诊疗服务系统，用于构建基于医疗大数据的知识图谱。


背景技术：

2.现有的互联网诊疗虽然方便了患者就诊配药，但患者与医生之间只能通过文字来进行交流。因此，在大多数情况下，患者在线下确诊后，通常利用互联网诊疗进行线上的复诊以及线上的配药。患者利用互联网诊疗进行线上复诊时，若医生想要进一步了解病人的病情发展，如前文所述，还是需要依靠文字来与患者进行交流。一方面老年患者输入文字不便，另外一方面大多数患者仅利用文字无法完整、清楚地描述病症。因此，目前虽然互联网诊疗已在全国多地上线，但患者依据会首选线下就诊，互联网诊疗逐渐变为一个线上配药方式。


技术实现要素：

3.本发明要解决的技术问题：现有的互联网诊疗仅支持文字交流，难以满足患者的需求。
4.为了解决上述技术问题，本发明的技术方案是提供了一种基于医疗知识图谱的动态临床诊疗辅助系统，其特征在于，包括：
5.分别位于患者端以及医生端的语音子系统，语音子系统进一步包括听筒、麦克风、语音编码模块、语音解码模块。其中，麦克风用于采集患者或者医生的语音信号，采集到的语音信号由语音编码模块编码后，再利用无线传输子系统通过无线网络将编码后的语音信号发送给患者端或者医生端。语音解码模块利用无线传输子系统通过无线网络接收编码后的语音信号，解码语音信号后通过听筒传递至患者或者医生；
6.分别位于患者端以及医生端的视频子系统，视频子系统进一步包括摄像头、显示器、视频编码模块、视频解码模块。其中，摄像头用于采集患者或者医生的视频信号，采集到的视频信号由视频编码模块编码后，再利用无线传输子系统通过无线网络将编码后的视频信号发送给患者端或者医生端。视频解码模块利用无线传输子系统通过无线网络接收编码后的视频信号，解码视频信号后通过显示器进行显示；
7.后台子系统，用于获取患者的就医信息以及获取患者端与医生端之间交互的语音信号以及视频信号，基于就医信息、语音信号以及视频信号采用基于医疗知识图谱的动态临床诊疗辅助子系统给出辅助诊疗方案。
8.优选地，所述动态临床诊疗辅助子系统包括：
9.知识建模单元：为知识和数据进行抽象建模，实现对不同来源的数据进行映射与合并；
10.知识获取单元：从不同来源、不同结构的数据中进行知识提取，形成知识存入到医疗知识图谱；
11.知识融合单元：对不同数据结构的数据源进行异构数据的融合，形成统一的知识结构；
12.知识关联单元：用于发现给定的两个实体或多个实体之间的关系，探寻知识路径；
13.规则库构建单元：用于构建规则库，规则库汇集了执行基于规则推理所需要的规则知识；
14.案例库构建单元：用于构建案例库，案例库汇集了执行基于案例所需要的案例集合；
15.推理引擎：以问题事实为输入，基于医疗知识图谱，在规则库和案例库的支持之上进行计算，产生对问题解答的方案。
16.优选地，所述动态临床诊疗辅助子系统还包括知识存储单元：支持上层的知识推理、知识快速查询、图实时计算。
17.优选地，所述规则库中规则的创建依据专著知识、专家建议形成针对特定应用场景的不同类型的规则。
18.优选地，所述动态临床诊疗辅助子系统采用案例推理，利用深度学习神经网络，通过过往类似的、成功的案例来训练模型，推导可行的方案。
19.优选地，在推理引擎的计算过程中，能根据从事实中提取的关键信息，匹配规则条件对某一条或几条规则激活，产生规则链式反应的推理结果；同样，能根据问题关键信息在案例库进行相似匹配检索，给出最接近问题的解决方案。
20.本发明支持语音描述及视频通话，面对面沟通，可以更加高效准确的确认病情，及时对症开药，给患者提供更高效更便捷的就医体验。针对文本、图像和视频等异构数据，基于实体链指、关系抽取、知识推理和知识表示的知识图谱构建理论与方法，本发明采用分布式低维向量的知识图谱表示学习、多数据源知识融合，最终构建基于医疗大数据的知识图谱。
附图说明
21.图1为本发明的硬件系统图；
22.图2为本发明的通信部分示意图；
23.图3为本发明的软件系统框图。
具体实施方式
24.下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。
25.本发明利用人工智能技术，充分挖掘医疗知识库及病史等大文本描述的信息。采用深度学习方法，构建深层的神经网络。结合中文的描述特点和卫生行业已有业务描述规范等内容，利用深度学习完成词性标记、词语切分、实体命名识别，目的提取、情感分析等自然语义处理。并通过交互式学习，更好地理解模糊的、非结构化的数据里面包含的信息，找出隐藏在文本中的疾病、症状、敏感词等。构建面向医学nlp的知识图谱网络，基于对大量实
际数据进行脱敏处理的临床数据，进行数据清洗、文本识别、自然语言解析，训练深度学习模型分析多个维度参数与患者发病的相关性和贡献度。挖掘患者行为、病史、基因与患者潜在的相关关系，生成动态临床诊疗辅助模型。
26.具体而言，结合图1及图2，本发明提供的一种基于医疗知识图谱的动态临床诊疗辅助系统，包括：
27.分别位于患者端以及医生端的语音子系统，语音子系统进一步包括听筒、麦克风、语音编码模块、语音解码模块。其中，麦克风用于采集患者或者医生的语音信号，采集到的语音信号由语音编码模块编码后，再利用无线传输子系统通过无线网络将编码后的语音信号发送给患者端或者医生端。语音解码模块利用无线传输子系统通过无线网络接收编码后的语音信号，解码语音信号后通过听筒传递至患者或者医生。
28.分别位于患者端以及医生端的视频子系统，视频子系统进一步包括摄像头、显示器、视频编码模块、视频解码模块。其中，摄像头用于采集患者或者医生的视频信号，采集到的视频信号由视频编码模块编码后，再利用无线传输子系统通过无线网络将编码后的视频信号发送给患者端或者医生端。视频解码模块利用无线传输子系统通过无线网络接收编码后的视频信号，解码视频信号后通过显示器进行显示。
29.后台子系统，用于获取患者的就医信息以及获取患者端与医生端之间交互的语音信号以及视频信号，基于就医信息、语音信号以及视频信号采用基于医疗知识图谱的动态临床诊疗辅助子系统给出辅助诊疗方案。
30.如图3所示，本实施例中，动态临床诊疗辅助子系统进一步包括：
31.知识建模单元：为知识和数据进行抽象建模，实现对不同来源的数据进行映射与合并。
32.知识获取单元：从不同来源、不同结构的数据中进行知识提取，形成知识存入到医疗知识图谱。
33.知识融合单元：对不同数据结构的数据源进行异构数据的融合，形成统一的知识结构。
34.知识存储单元：支持上层的知识推理、知识快速查询、图实时计算等应用。
35.知识关联单元：用于发现给定的两个实体或多个实体之间的关系，探寻知识路径。
36.规则库构建单元：用于构建规则库，规则库汇集了执行基于规则推理所需要的规则知识，这些规则的创建依据专著知识、专家建议等形成针对特定应用场景的不同类型的规则，例如诊断规则、治疗规则等。
37.案例库构建单元：用于构建案例库，案例库汇集了执行基于案例所需要的案例集合。不同于预先设置好规则的、具有演绎推理能力的规则模型，案例推理是利用深度学习神经网络，通过过往类似的、成功的案例来训练模型，推导可行的方案。基于案例的推理避免基于规则推理需要从零建立完备规则的问题。
38.推理引擎：以问题事实为输入，基于医疗知识图谱，在规则库和案例库的支持之上进行计算，产生对问题解答的方案。在推理引擎的计算过程中，能根据从事实中提取的关键信息，匹配规则条件对某一条或几条规则激活，产生规则链式反应的推理结果。同样，能根据问题关键信息在案例库进行相似匹配检索，给出最接近问题的解决方案。