一种临床诊断辅助决策系统和医学知识图谱积累方法与流程

本发明属于临床诊断技术领域，尤其涉及一种临床诊断辅助决策系统和医学知识图谱积累方法。

背景技术：

临床诊断是指医生给病人检查疾病.并对病人疾病的病因、发病机制作出分类鉴别，以此作为制定治疗方案的方法和途径。诊断的首要步骤就是通过询问就诊者的主观感受症状来采集病史资料。病史对诊断可起到定向作用，能提示诊断的线索。然而，现有临床诊断辅助决策系统对诊断分析不准确；同时，由于医疗数据比较庞大，现有方案中对数据进行处理时效率较低，从而导致数据管理的难度增加，在医疗数据使用时的便捷性较低。

综上所述，现有技术存在的问题是：现有临床诊断辅助决策系统对诊断分析不准确；同时，由于医疗数据比较庞大，现有方案中对数据进行处理时效率较低，从而导致数据管理的难度增加，在医疗数据使用时的便捷性较低。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种临床诊断辅助决策系统和医学知识图谱积累方法。

本发明是这样实现的，一种临床诊断辅助决策系统包括：

生命体征采集模块、医疗影像采集模块、中央控制模块、诊断分析模块、治疗方案推荐模块、医学知识检索模块、图谱创建模块、数据存储模块、显示模块；

中央控制模块，与生命体征采集模块、医疗影像采集模块、诊断分析模块、治疗方案推荐模块、医学知识检索模块、图谱创建模块、数据存储模块、显示模块连接，用于通过主控机控制各个模块正常工作；

生命体征采集模块，与中央控制模块连接，用于通过医疗设备采集患者生命体征数据；

医疗影像采集模块，与中央控制模块连接，用于通过医疗影像设备采集患者诊断影像；

诊断分析模块，与中央控制模块连接，用于通过分析程序对患者诊断数据进行分析；

治疗方案推荐模块，与中央控制模块连接，用于通过推荐程序根据诊断分析结果推荐治疗方案；

医学知识检索模块，与中央控制模块连接，用于通过检索程序检测相关的医学知识；

图谱创建模块，与中央控制模块连接，用于通过创建程序创建医学知识图谱；

数据存储模块，与中央控制模块连接，用于通过存储器存储采集的患者生命体征、医疗影像数据及诊断分析结果、推荐方案、检索结果、医学图谱；

显示模块，与中央控制模块连接，用于通过显示器显示采集的患者生命体征、医疗影像数据及诊断分析结果、推荐方案、检索结果、医学图谱。

一种临床诊断辅助决策系统的医学知识图谱积累方法包括以下步骤：

步骤一，通过生命体征采集模块利用医疗设备采集患者生命体征数据；通过医疗影像采集模块利用医疗影像设备采集患者诊断影像；

步骤二，中央控制模块通过诊断分析模块利用分析程序对患者诊断数据进行分析；

步骤三，通过治疗方案推荐模块利用推荐程序根据诊断分析结果推荐治疗方案；

步骤四，通过医学知识检索模块利用检索程序检测相关的医学知识；

步骤五，通过图谱创建模块利用创建程序创建医学知识图谱；

步骤六，通过数据存储模块利用存储器存储采集的患者生命体征、医疗影像数据及诊断分析结果、推荐方案、检索结果、医学图谱；并通过显示模块利用显示器显示采集的数据。

进一步，所述诊断分析模块分析方法如下：

(1)通过分析程序获取待诊断的电子病历对应的词向量矩阵；

(2)将所述待诊断的电子病历对应的词向量矩阵输入到预先构建的深度卷积神经网络模型中，获取待诊断的电子病历对应的特征向量；

(3)利用分类器对所述待诊断的电子病历的特征向量进行分类，获取所述待诊断的电子病历对应的各个病症的患病概率。

进一步，所述获取待诊断的电子病历对应的词向量矩阵，包括：

对待诊断的电子病历进行信息过滤、筛选、分词、统计中的至少一种操作，获取待诊断病历的各个医疗词汇；

在所述预设词向量数据库中获取所述待诊断病历的医疗词汇对应的词向量，其中，所述预设词向量数据库中保存医疗词汇和词向量的对应关系；

根据各个所述待诊断的电子病历的医疗词汇对应的词向量生成待诊断电子病对应的词向量矩阵。

进一步，所述在所述获取待诊断的电子病历对应的词向量矩阵之前，包括：

获取医疗词库中的各个医疗词汇；

将所述医疗词库中的医疗词汇输入到预先建立的word2vec模型中，获取所述医疗词汇对应的词向量；

将与所述医疗词汇对应的词向量形成词向量样本，将所述词向量样本保存在预设词向量数据库中。

进一步，所述在所述获取医疗词库中的各个医疗词汇之前，包括：

获取多个已诊断的电子病历；

利用信息过滤技术对各个所述已诊断的电子病历进行信息过滤，获取医疗词汇集合；

统计所述医疗词汇集合中各个医疗词汇的词频，根据设定筛选规则筛选各个医疗词汇，根据筛选结果建立所述医疗词库。

进一步，所述在所述获取待诊断的电子病历对应的词向量矩阵之前，包括：

获取多个已诊断的电子病历对应的词向量矩阵，将所述已诊断的电子病历对应的词向量矩阵作为训练样本；

对所述训练样本进行训练，构建所述深度卷积神经网络模型。

进一步，所述图谱创建模块创建方法如下：

1)通过图片创建程序获取目标地域的至少一个医院的医院系统中的医疗数据；

2)从所述医疗数据中提取多个医疗实体；

3)通过预设的医疗实体之间的关联关系建立方法，建立所述多个医疗实体之间的关联关系；

4)根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱。

进一步，所述根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱，包括：

对所述多个医疗实体进行特征提取，得到所述多个医疗实体中每个医疗实体的特征数据，所述特征数据包括关键词，所述关键词包括药物名称、疾病名称和/或症状名称；

按照所述多个医疗实体的特征数据对所述多个医疗实体进行分类，得到多个医疗实体类别；

对所述多个医疗实体类别进行类别标识构建，得到所述多个医疗实体类别的类别标识；

通过所述多个医疗实体的类别标识，构建医疗知识图谱架构；

将所述多个医疗实体之间的关联关系存储于所述医疗知识图谱架构中，得到医疗知识图谱。

进一步，所述根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱，包括：

对所述多个医疗实体之间的关联关系进行数据变换处理，得到所述多个医疗实体之间的关联关系的关系标识；

对所述多个医疗实体采用预设的分类方法进行分类，得到多个医疗实体类别；

对所述多个医疗实体类别进行数据变换处理，得到所述多个医疗实体类别的类别标识；

将所述多个医疗实体类别的类别标识进行哈希变换，得到所述多个医疗实体类别的类别标识的哈希值；

将所述多个医疗实体类别的类别标识的哈希值作为医疗知识数据链表的索引，创建医疗知识数据链表；

将所述多个医疗实体之间的关联关系，存储于所述医疗知识数据链表中，得到医疗知识图谱。

进一步，所述多个医疗实体包括疾病与ct图片，所述通过预设的医疗实体之间的关联关系建立方法，建立所述多个医疗实体之间的关联关系，包括：

对所述ct图片进行特征提取，得到所述ct图片的多个特征值；

根据所述多个特征值确定出与所述ct图片相对应的疾病信息；

根据所述疾病信息，确定出与所述疾病信息相对应的疾病；

确定所述与所述疾病信息相对应的疾病和所述ct图片相关联。

本发明的优点及积极效果为：本发明通过诊断分析模块将卷积神经网络运用到医疗电子病历文本语义理解并进行辅助医疗诊断，能有效克服基于规则抽取和匹配的方法所具有的缺陷。该方法能有效解决“语义鸿沟”的问题，有效消除电子病历诸如书写中同义不同词等造成的影响；该方法能针对各科室病种繁多且差别较大的情况，不需要针对各个病种构建相应的规则和匹配算法，可以构建统一模型框架，然后用各个病种的历史数据训练模型，就可以达到只要一个模型就能预诊多个病种的效果，非常适合管理和维护，诊断分析准确；同时，通过图谱创建模块获取目标地域的至少一个医院的医院系统中的医疗数据，从所述医疗数据中提取多个医疗实体，通过预设的医疗实体之间的关联关系建立方法，建立所述多个医疗实体之间的关联关系，根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱，因此，在对目标地域的至少一个医院中的医疗数据进行提取，得到多个医疗实体，并根医疗实体建立医疗实体之间的关联关系，并依次创建医疗知识图谱，通过医疗知识图谱来管理医疗数据，从而在使用医疗数据时，可通过医疗知识图谱来提取医疗数据，进而能够在一定程度上提升在使用医疗数据时的便捷性。

附图说明

图1是本发明实施例提供的临床诊断辅助决策系统的医学知识图谱积累方法流程图。

图2是本发明实施例提供的临床诊断辅助决策系统结构框图。

图2中：1、生命体征采集模块；2、医疗影像采集模块；3、中央控制模块；4、诊断分析模块；5、治疗方案推荐模块；6、医学知识检索模块；7、图谱创建模块；8、数据存储模块；9、显示模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明提供的临床诊断辅助决策系统的医学知识图谱积累方法包括以下步骤：

步骤s101，通过生命体征采集模块利用医疗设备采集患者生命体征数据；通过医疗影像采集模块利用医疗影像设备采集患者诊断影像；

步骤s102，中央控制模块通过诊断分析模块利用分析程序对患者诊断数据进行分析；

步骤s103，通过治疗方案推荐模块利用推荐程序根据诊断分析结果推荐治疗方案；

步骤s104，通过医学知识检索模块利用检索程序检测相关的医学知识；

步骤s105，通过图谱创建模块利用创建程序创建医学知识图谱；

步骤s106，通过数据存储模块利用存储器存储采集的患者生命体征、医疗影像数据及诊断分析结果、推荐方案、检索结果、医学图谱；并通过显示模块利用显示器显示采集的数据。

所述步骤s104中检索医学知识是为了构建图谱，供参考。

如图2所示，本发明实施例提供的临床诊断辅助决策系统包括：生命体征采集模块1、医疗影像采集模块2、中央控制模块3、诊断分析模块4、治疗方案推荐模块5、医学知识检索模块6、图谱创建模块7、数据存储模块8、显示模块9。

生命体征采集模块1，与中央控制模块3连接，用于通过医疗设备采集患者生命体征数据；

医疗影像采集模块2，与中央控制模块3连接，用于通过医疗影像设备采集患者诊断影像；

中央控制模块3，与生命体征采集模块1、医疗影像采集模块2、诊断分析模块4、治疗方案推荐模块5、医学知识检索模块6、图谱创建模块7、数据存储模块8、显示模块9连接，用于通过主控机控制各个模块正常工作；

诊断分析模块4，与中央控制模块3连接，用于通过分析程序对患者诊断数据进行分析；

治疗方案推荐模块5，与中央控制模块3连接，用于通过推荐程序根据诊断分析结果推荐治疗方案；

医学知识检索模块6，与中央控制模块3连接，用于通过检索程序检测相关的医学知识；

图谱创建模块7，与中央控制模块3连接，用于通过创建程序创建医学知识图谱；

数据存储模块8，与中央控制模块3连接，用于通过存储器存储采集的患者生命体征、医疗影像数据及诊断分析结果、推荐方案、检索结果、医学图谱；

显示模块9，与中央控制模块3连接，用于通过显示器显示采集的患者生命体征、医疗影像数据及诊断分析结果、推荐方案、检索结果、医学图谱。

本发明提供的诊断分析模块4分析方法如下：

(1)通过分析程序获取待诊断的电子病历对应的词向量矩阵；

(2)将所述待诊断的电子病历对应的词向量矩阵输入到预先构建的深度卷积神经网络模型中，获取待诊断的电子病历对应的特征向量；

(3)利用分类器对所述待诊断的电子病历的特征向量进行分类，获取所述待诊断的电子病历对应的各个病症的患病概率。

本发明提供的获取待诊断的电子病历对应的词向量矩阵，包括：

对待诊断的电子病历进行信息过滤、筛选、分词、统计中的至少一种操作，获取待诊断病历的各个医疗词汇；

在所述预设词向量数据库中获取所述待诊断病历的医疗词汇对应的词向量，其中，所述预设词向量数据库中保存医疗词汇和词向量的对应关系；

根据各个所述待诊断的电子病历的医疗词汇对应的词向量生成待诊断电子病对应的词向量矩阵。

本发明提供的在所述获取待诊断的电子病历对应的词向量矩阵之前，包括：

获取医疗词库中的各个医疗词汇；

将所述医疗词库中的医疗词汇输入到预先建立的word2vec模型中，获取所述医疗词汇对应的词向量；

将与所述医疗词汇对应的词向量形成词向量样本，将所述词向量样本保存在预设词向量数据库中。

本发明提供的在所述获取医疗词库中的各个医疗词汇之前，包括：

获取多个已诊断的电子病历；

利用信息过滤技术对各个所述已诊断的电子病历进行信息过滤，获取医疗词汇集合；

统计所述医疗词汇集合中各个医疗词汇的词频，根据设定筛选规则筛选各个医疗词汇，根据筛选结果建立所述医疗词库。

本发明提供的在所述获取待诊断的电子病历对应的词向量矩阵之前，包括：

获取多个已诊断的电子病历对应的词向量矩阵，将所述已诊断的电子病历对应的词向量矩阵作为训练样本；

对所述训练样本进行训练，构建所述深度卷积神经网络模型。

本发明提供的图谱创建模块7创建方法如下：

1)通过图片创建程序获取目标地域的至少一个医院的医院系统中的医疗数据；

2)从所述医疗数据中提取多个医疗实体；

3)通过预设的医疗实体之间的关联关系建立方法，建立所述多个医疗实体之间的关联关系；

4)根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱。

本发明提供的根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱，包括：

对所述多个医疗实体进行特征提取，得到所述多个医疗实体中每个医疗实体的特征数据，所述特征数据包括关键词，所述关键词包括药物名称、疾病名称和/或症状名称；

按照所述多个医疗实体的特征数据对所述多个医疗实体进行分类，得到多个医疗实体类别；

对所述多个医疗实体类别进行类别标识构建，得到所述多个医疗实体类别的类别标识；

通过所述多个医疗实体的类别标识，构建医疗知识图谱架构；

将所述多个医疗实体之间的关联关系存储于所述医疗知识图谱架构中，得到医疗知识图谱。

本发明提供的根据所述多个医疗实体之间的关联关系，按照预设的知识图谱创建方法创建医疗知识图谱，包括：

对所述多个医疗实体之间的关联关系进行数据变换处理，得到所述多个医疗实体之间的关联关系的关系标识；

对所述多个医疗实体采用预设的分类方法进行分类，得到多个医疗实体类别；

对所述多个医疗实体类别进行数据变换处理，得到所述多个医疗实体类别的类别标识；

将所述多个医疗实体类别的类别标识进行哈希变换，得到所述多个医疗实体类别的类别标识的哈希值；

将所述多个医疗实体类别的类别标识的哈希值作为医疗知识数据链表的索引，创建医疗知识数据链表；

将所述多个医疗实体之间的关联关系，存储于所述医疗知识数据链表中，得到医疗知识图谱。

本发明提供的多个医疗实体包括疾病与ct图片，所述通过预设的医疗实体之间的关联关系建立方法，建立所述多个医疗实体之间的关联关系，包括：

对所述ct图片进行特征提取，得到所述ct图片的多个特征值；

根据所述多个特征值确定出与所述ct图片相对应的疾病信息；

根据所述疾病信息，确定出与所述疾病信息相对应的疾病；

确定所述与所述疾病信息相对应的疾病和所述ct图片相关联。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。