一种基于知识图谱推理的智能诊断技术的制作方法

本发明涉及计算机应用技术领域，一种基于知识图谱推理的智能诊断技术。

背景技术：

国内医疗资源分布不均衡，以及原始的疾病诊断方法往往受决策方本人的实际经验所约束，且易受决策者本人当时的主观意识与外界环境所干扰，故而诊断结果会有所偏差。

医疗领域是一个数据密集、知识密集、脑力劳动密集为特征的领域。医疗行业源源不断产生的海量数据，大多为非结构化数据。而作为推理的过程需要结构化的数据。

传统的基于规则的推理技术难以准确灵活的进行疾病诊断，同时需要获取患者的多个属性信息才能推理，例如年龄、职业、过往病史、症状详细信息、血压、血糖等其他指标。

目前的疾病智能诊断大多基于某类疾病或某个疾病，进行分类预测，推理其是否患这种疾病，而针对所有常见疾病的智能诊断系统还较为少见。

技术实现要素：

本发明的目的旨在解决所述技术缺陷。

为此本发明的目的在于提出了一种基于知识图谱推理的智能诊断技术。

为了实现上述目的，本发明的实施例提供了一种基于知识图谱推理的智能诊断技术，包括如下五个步骤：

步骤S1，获取症状、疾病、部位、药品、科室、人群基本实体信息。

步骤S2，获取各实体之间的关系，包括部位症状关系、部位疾病关系、症状疾病关系、性别疾病关系、性别症状关系、性别药品关系、疾病科室关系、药品疾病关系、药品症状关系。并且症状疾病之间的关系是一种量化关系。根据实体和实体关系构建医药领域知识图谱。

步骤S3，根据输入的性别信息，通过性别过滤掉不可能的疾病。

步骤S4，根据根据输入的症状信息，首先计算所有每个症状的纯度P，选取纯度最大的症状，计算与该症状相关疾病的疾病信息熵，然后判断疾病信息熵是否大于阈值或者这已经是最后一个症状了，如果条件成立选择疾病信息熵最大的疾病保存，并在原有所以疾病列表表删除该疾病，重复上述步骤，迭代N次结束，获得N个疾病。最后通过疾病对于输入的所有症状的疾病信息熵进行排序。

步骤S5，根据推理出的疾病和输入的症状获取共同关联的药品。

进一步，在所述步骤S1中，所述症状有1333个，疾病有145个常见疾病，部位有11个大类和55个小类，药品有46831个，科室有76个。

进一步，在所述步骤S2中，所述症状疾病之间的关系式一种量化关系，量化值包括0.5和1。如何患有某种疾病，一定会有某个症状，则它们之间的关系为1，如何它们之间的不是一种必然关系，又或者某个症状只是一个伴随症状等，则它们之间的关系为0.5。

进一步，在所述步骤S4中，提出了症状纯度的计算方法，即某个症状或症状组合在整个疾病库里出现的次数越少，而在某个或者几个疾病中占有的成分又较大，则说明它对于判断疾病具有一定的说服力。

进一步，在所述步骤S4中,所述的阈值根据我们多次试验，为0.5时效果最好。

进一步，症状纯度

进一步，疾病信息熵

其中Vi表示的是与症状或症状组合相关联疾病量化关系的数值，N²是表示与症状或症状组合相关联的疾病个数的平方。V′i表示的是症状或症状组合与某个疾病的量化关系数值，V″j表示的是所有与该疾病相关联症状的量化关系数值。

附图说明

图1为本发明中的知识图谱。

图2为本发明中症状到疾病推理的过程。

图3为本发明的整体流程图。

具体实施方式

下面结合附图对本发明的原理和特征进行描述。

本发明包括医药领域知识图谱的构建，如图1所示，展示了医药知识图谱中的实体、关系和属性。

在构建知识图谱的过程中，首先我们通过网络爬虫从互联网爬取疾病、症状、人群、科室、药品等文档数据，然后采用模式匹配和机器学习的方法实现实体抽取和关系抽取，最后结合专业医师的检验，形成最终的医药知识图谱。

如图2所示，为用户通过选择性别和症状后通过疾病自诊技术推理出可能的疾病。流程为首先通过性别过滤掉不可能的疾病。然后计算所有每个症状的纯度P，选取纯度最大的症状，计算与该症状相关疾病的疾病信息熵S，然后判断疾病信息熵S是否大于阈值或者这已经是最后一个症状了，如果条件成立选择疾病信息熵S最大的疾病保存，并在原有所以疾病列表表删除该疾病，重复上述步骤，迭代N次结束，获得N个疾病。最后通过疾病对于输入的所有症状的疾病信息熵S进行排序。

症状纯度

疾病信息熵

如图3所示，为用户在使用本发明时的流程图，其步骤如下：

步骤S1，用户选择自己性别。

步骤S2，用户根据选择的部位添加症状，直至症状添加完毕。

步骤S3，通过症状到疾病的推理机诊断出最可能的N个疾病(N可设置)。

步骤S4，可以查看N个疾病中每个疾病的相关药品信息。

根据以上用户使用本发明流程介绍中可以看出，本发明是根据用户的两个属性即性别和症状疾病的预测和相关药品的推荐，所需要的信息是非常少的，例如不需要血压、血糖、年龄、病史、心率等其他属性，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。

具体来说，基于知识图谱推理的智能诊断技术可以应用于以下领域：

1各大医药连锁公司。医药连锁公司使用智能诊疗技术可以帮助用户提供智能辅助服务，当用户购买在进入医药连锁公司的官网时，可提供给用户自助诊断服务及相关药品的推荐，以供参考。

2对于基层社区医院或者条件不足的边远地区，提供给医生们一个智能诊疗辅助服务，以供参考。

3对于普通用户，可以在生活中提供关于身体健康咨询方面的一个辅助参考。