一种动态医疗知识库的构建方法及装置的制造方法
【技术领域】
[0001] 本发明涉及移动健康管理技术领域，尤其涉及一种动态医疗知识库的构建方法及 装置。
【背景技术】
[0002] 移动医疗/健康（Mobile Healthcare)作为一个新兴的交叉学科和跨界产业领 域，较之于传统的以医院内就诊为主的医疗模式，移动医疗/健康更加关注院前和院后的 健康关爱，可以有效地引导人们养成良好的生活习惯，防患未然，变治病为防病。
[0003] 典型的移动健康/医疗服务系统是通过随身佩戴/携带的移动（感知）终端，实 现多模态生命体征和情境数据的采集、实时记录、分析以及异常情况下的医生干预指导。
[0004] 理想情况是无需医生介入，采集体征数据后，经记录分析后，由专家系统结合知识 库自动给出建议指导。
[0005] 其中，专家系统是一类具有专门知识和经验的计算机智能程序系统，一般采用人 工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题，知识库 用来存放专家提供的知识。因此，知识库是专家系统质量是否优越的关键所在。一般来说， 专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的 知识内容来提高专家系统的性能。
[0006] 移动健康/医疗系统的知识库是基于领域的专业知识，提供疾病的症状描述、对 应疾病康复的饮食、运动建议和用药等知识，为用户提供治疗指引。在知识库的构建方法方 面，除了通过人工方式基于领域专业知识构建静态的知识库外，还存在一种智能地更新专 家规则库和领域知识库的方法。
[0007] 例如，一种基于即时消息的肝病专家系统，该系统通过领域知识驱动垂直搜素引 擎，将互联网上的相关领域知识更新到领域知识库中，或是将人工医生解答生成规则。
[0008] 然而，现有技术中的知识库的构建方法中，人工方式需要耗费大量人力、物力，上 述基于即时消息的肝病专家系统，通过从互联网中直接提取专家知识，但没有明确如何从 互联网的海量内容中筛选知识，同时，由医生解答提取规则没有基于用户的量化体征数据 构建，也没有提及具体实现方法，所以使得医疗知识库的知识覆盖度低，更新周期长，独立 存储的领域知识也具有一定的知识冗余，此外，更加缺少针对量化数据的相关知识，无法为 专家系统提供良好的决策支撑。
【发明内容】
[0009] 本发明要解决的技术问题是提供一种动态医疗知识库的构建方法及装置，将结构 化信息一量化体征数据与非结构化信息一医生干预指导进行关联分析，提高对用户的量化 数据挖掘维度，为专家系统进行个性化数据分析提供决策支撑。
[0010] 为了解决上述技术问题，本发明采用如下技术方案：
[0011] 依据本发明的一个方面，提供了一种动态医疗知识库的构建方法，该方法包括：
[0012] 获取患者的个人信息及体征数据；
[0013] 获取医生依据患者的个人信息以及体征数据给予的干预指导意见；
[0014] 将所述患者的个人信息、体征数据及对应的医生干预指导意见，按照医疗领域的 专业词典及模式库生成规则知识并保存；
[0015] 根据获取的所述规则知识，更新医疗知识库。
[0016] 其中，获取医生依据患者的个人信息以及体征数据给予的干预指导意见的步骤包 括：
[0017] 若所述体征数据存在异常，则获取医生依据患者的个人信息以及体征数据给予的 干预指导意见。
[0018] 其中，将所述患者的个人信息、体征数据及对应的医生干预指导意见，按照所述医 疗领域的专业词典及模式库生成规则知识并保存的步骤包括：
[0019] 获取医疗领域的专业词典及模式库，所述模式库中存储有具有预设格式的医生的 干预指导意见；
[0020] 采用基于词典匹配的方法和基于统计机器学习相结合的方法，依据所述医疗领域 的专业词典，对所述医生干预指导意见进行分词处理；
[0021] 采用基于最大熵模型的最大生成树算法，依据所述模式库对进行分词处理后的所 述医生干预指导意见进行句法分析，获得医疗专业知识；
[0022] 将所述患者的个人信息、体征数据及获得的医疗专业知识进行关联，生成规则知 识并保存。
[0023] 其中，根据获取的所述规则知识，更新医疗知识库的步骤包括：
[0024] 将获取的所述规则知识进行分词处理，并过滤停用词，获得所述规则知识的文本 内容特征；
[0025] 利用网页去重（SimHash)算法对所述规则知识的文本内容特征进行处理，获得所 述规则知识的语义指纹；
[0026] 比较获得的所述规则知识的语义指纹与所述医疗知识库中已有的聚类类型的聚 类中心文本的语义指纹值的海明距离，获得海明距离的最小值及对应的聚类类别；
[0027] 比较所述海明距离的最小值与预设阈值，并根据比较结果对所述规则知识进行处 理。
[0028] 其中，比较所述海明距离的最小值与预设阈值，并根据比较结果对所述规则知识 进行处理的步骤包括：
[0029] 若海明距离的最小值小于或等于预设阈值，将所述规则知识加入到与海明距离的 最小值对应的聚类类别的内容文本集中。
[0030] 其中，比较所述海明距离的最小值与预设阈值，并根据比较结果对所述规则知识 进行处理的步骤包括：
[0031] 若海明距离的最小值大于预设阈值，新建一个聚类类别，并将所述规则知识保存 在新建的聚类类别的聚类中心文本中。
[0032] 其中，获取医疗领域的专业词典及模式库的步骤包括：
[0033] 通过导入的方式或基于一个医疗领域的专业词汇扩展其他词汇的方法构建医疗 领域的专业词典；
[0034] 依据构建的专业词典，收集多种医生的干预指导意见，并进行词性标注，句法依存 关系标注，获得多种具有预设格式的医生的干预指导意见，并保存在模式库中。
[0035] 其中，所述规则知识包括前提及结论两部分内容，其中，所述前提部分包括所述患 者的个人信息及体征数据，所述结论部分包括所述患者的病情描述及与病情相关的建议信 肩、。
[0036] 依据本发明的另一个方面，还提供了一种动态医疗知识库的构建装置，包括：
[0037] 第一获取模块，用于获取患者的个人信息及体征数据；
[0038] 第二获取模块，用于获取医生依据患者的个人信息以及体征数据给予的干预指导 意见；
[0039] 规则知识生成模块，用于将所述患者的个人信息、体征数据及对应的医生干预指 导意见，按照医疗领域的专业词典及模式库生成规则知识并保存；
[0040] 更新模块，用于根据获取的所述规则知识，更新医疗知识库。
[0041] 其中，所述第二获取模块进一步用于：若所述体征数据存在异常，则获取医生依据 患者的个人信息以及体征数据给予的干预指导意见。
[0042] 其中，所述规则知识生成模块包括：
[0043] 专业词典及模式库获取单元，用于获取医疗领域的专业词典及模式库，所述模式 库中存储有具有预设格式的医生的干预指导意见；
[0044] 分词处理单元，用于采用基于词典匹配的方法和基于统计机器学习相结合的方 法，依据所述医疗领域的专业词典，对所述医生干预指导意见进行分词处理；
[0045] 句法分析单元，用于采用基于最大熵模型的最大生成树算法，依据所述模式库对 进行分词处理后的所述医生干预指导意见进行句法分析，获得医疗专业知识；
[0046] 关联单元，用于将所述患者的个人信息、体征数据及获得的医疗专业知识进行关 联，生成规则