本发明属于人工智能与医学交叉领域,涉及一种基于知识图谱的不明原因发热智能问诊方法。
背景技术:
1、医学上引起不明原因发热的病因超过200种,分为感染性疾病、肿瘤性疾病、非感染性炎症性疾病、其他疾病。其病因复杂且临床表现多样,为了确定发热的病因,从而及时治疗,临床医生往往会详细地询问发热病人其它异常表现。
2、传统的问诊方法采用的是人力,需要医生和病人面对面接触,由病人描述自己的病状,医生基于病人描述进行诊断,此方法比较繁琐,且由于传染性疾病的原因,医生有感染的风险,因此在现在智能时代,需要能够快速覆盖的低成本问诊工具,即智能问诊,有利于快速锁定病因,控制病情,避免传染性疾病扩散,节省人力物力资源。
技术实现思路
1、基于此,本发明的目的在于提供一种基于知识图谱的不明原因发热智能问诊方法,从而提高问诊效率,减少传染性疾病的传播。
2、为达到上述目的,本发明提供如下技术方案:
3、一种基于知识图谱的不明原因发热智能问诊方法,其特征在于:该方法包括以下步骤:
4、s 1:构建关于不明原因发热病因的知识图谱,表现为“a-(可能是)>b”;其中,b为收集的关于不明原因发热的病因,a为该病因的特征病状之一,整理相关资料后通过知识抽取得到实体、属性及其关系,采用自底向上构建不明原因发热病状知识图谱,创造节点,关系及属性,便于后续查询。
5、s2:将病人的描述进行自然语言处理,通过分词得到关键词,以及各个关键词的向量;
6、s3:基于s2得到各关键词的向量,通过一定方法计算比较两个向量的相似度,根据s1的数据,计算病人提取的关键词和知识图谱上的特征病状间的相似度,确定关键词与特征病状是否相同。
7、s4:利用关于不明原因发热病因的知识图谱以及自然语言处理技术,并依赖于具有编程功能的相关软件,根据s1-s3的内容和数据以及病人描述的基础信息,实现对不明原因发热病人的诊断,确定其病因。
8、进一步,本发明基础数据决定于关于不明原因发热可能的病因相关信息原始病症数据,对原始数据进行预处理,提取不同病因的不同发病特点与特征病状,联系梳理相关关系,得到实体,属性及其关系,综合为本发明的基础数据。
9、该方法分词操作现有词库可以对日常的描述进行分词操作,但由于本发明包含医学方面的特殊词,需要依据现有词库进行扩充操作,将涉及的关键词按一定格式输入,通过程序对其进行扩充,以达到对病人描述的正确分词以及赋予分词合适的相关向量。
10、另外,该方法包含一种关键词相似度的计算方法,通过对关键词间相关性的分析,根据大量文本提取关键词的特征,并基于一定的训练方法,通过文本训练得到词语的向量,最终得到一个向量空间模型,基于向量空间模型,可以以向量来表示关键词,以向量的空间距离来体现关键词间的语义相似度,基于一定的方法可以计算出两个关键词间的相似度。
11、本发明的有益效果在于:结合人工智能和医学知识,基于知识图谱的不明原因发热智能问诊,提高了问诊效率,保障问诊的准确度,有效地降低了传染性疾病的传播。
1.一种基于知识图谱的不明原因发热智能问诊方法,其特征在于:该方法包括以下步骤:
2.根据权利要求1所述的一种基于知识图谱的不明原因发热智能问诊方法,其特征在于:整理关于不明原因发热病因及其相关病状的原始病症数据,对原始数据进行预处理,提取不同病因的不同发病特点与特征病状,联系梳理相关关系,得到实体,属性及其关系,统合为本发明的基础数据,用于知识图谱的构建与应用。
3.根据权利要求1所述的一种基于知识图谱的不明原因发热智能问诊方法,其特征在于:
4.根据权利要求1所述的一种基于知识图谱的不明原因发热智能问诊方法,其特征在于:
5.根据权利要求4所述的计算两个关键词的相似度方法,其特征在于:基于病人描述提取的关键词数据,以及基于不明原因发热病因的知识图谱提取的底层特征病状的数据,计算得到两个数据的相似度值,规定大于某一阈值则记录此时的特征病状,否则遍历其它特征病状数据,最后通过比较最大相似度,得到关键词匹配到的最大相似度下的特征病状,遍历其它关键词,并循环此过程,最后得到病人描述中提取的所有可能关键词表示的特征病状。