面向中医骨科问诊的疾病知识图谱构建技术研究
发布时间：2021-08-02 07:02
互联网和人工智能在各个领域的普及以及人们的健康医疗意识与日俱增,整个社会对医疗信息的需求也随之增加。“智慧医疗”将是未来医疗行业的发展趋势,不仅能为大众提供海量医疗信息,更能解决当前医疗资源不均、就诊手续繁杂等问题。医学领域的知识图谱是实现智慧医疗的基石,让医疗信息资源的交换更方便,为高效便捷的医疗服务提供数据支持。本文通过收集、处理昆明市中医院骨科的电子病历以及来自互联网上的相关知识,对中医骨科问诊平台知识图谱的构建进行研究,研究内容主要有:其一、实体关系提取,获得构建知识图谱所必要的“实体-关系-实体”三元组作为基础数据。针对中医电子病历的特点,使用基于实体关系标注策略的实体关系联合提取方法,根据相关专家指导下制定的标注策略先对电子病历进行处理和标注,使用基于Bi-LSTM（双向长短时记忆网络）深度学习模型进行训练学习以更准确的提取实体关系,克服了传统方法方法误差较大等问题。在获得了实体关系之后,再通过互联网采集比对,对获得的实体关系进行完善和补充,实验结果表明该方法有较高的召回率和F1值。其二、针对获得的实体关系中,存在着“多词一义”的重复现象,即多个疾病名称都指同一种疾病,需要...
【文章来源】：昆明理工大学云南省
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
“陈道明”关系示意图
第二章相关理论与技术介绍7第二章相关理论与技术介绍本章主要是对知识图谱构建过程中实体关系提取和知识融合中所涉及到的主要技术和模型进行简要介绍，包括了文本的预处理、双向长短期记忆网络、维特比算法、卷积神经网络这几种方法和模型。2.1文本预处理操作对昆明市中医院的入院记录电子病历研究总结发现，病历是有一定的书写规则的半结构化文本，没有严格的数据结构、理论模型，同时还包含了许多无用信息、个人隐私信息等，如图2.1所示，并不能作为可以直接使用的数据，因此需要对电子病历进行预处理。图2.1中医骨科电子病历图2.1.1数据脱敏数据脱敏是对隐私数据的保护，是指在不违反规则、不影响使用的的条件下把一些敏感信息的去除或者隐藏起来。如图2.1中的病历样本，其中包含了病人
昆明理工大学专业学位硕士学位论文12部分。如图2.3中所示，节点A除了接受输入层的输入xt之外，还接收了来自上一个节点所产生的隐藏状态ht-1作为A的输入的一部分；同时产生了当前时刻的隐藏状态ht和输出ot，当前的隐藏状态ht又将作为下一个时刻节点的输入的一部分。图2.3循环神经网络节点结构图如图2.3所示，t时刻的状态ht包含了之前节点信息，作为当前状态输出的参考，整个循环神经网络的序列结构如图2.4所示。在理论上序列可以无限长，每一时刻的状态h都能将之前的全部信息都记录下来，但是由于维度有限使得这是不可能的。将下图中的循环神经网络展开以后可以看做前馈神经网络，可以用反向传播方法进行训练，也是RNN最常见的训练方法。图2.4循环神经网络模型图在处理一个序列数据时，循环神经网络的输入层可以接受该序列任意时刻的数据，当前时刻的输出可以对序列状态的下一时刻进行预测，也可以是当前时刻对信息的处理结果。循环神经网络在每个时刻都必须要有一个输入，这个输入不仅来自于当前时刻的输入，也可能包含了之前时刻的输出或者是隐藏状态，但是并不是每一个时刻都一定会有输出。
【参考文献】：
期刊论文
[1]知识图谱研究综述及其在医疗领域的应用[J]. 侯梦薇,卫荣,陆亮,兰欣,蔡宏伟. 计算机研究与发展. 2018(12)
[2]基于卷积神经网络的跨领域语义信息检索研究[J]. 谢先章,王兆凯,李亚星,冯旭鹏,刘利军,黄青松. 计算机应用与软件. 2018(08)
[3]基于维特比算法的深度神经网络语音端点检测[J]. 李文洁,张晴晴,张鹏远,颜永红,摆亮. 重庆邮电大学学报(自然科学版). 2018(02)
[4]未来医学时代——人工智能诊疗[J]. 王锡山. 中华结直肠疾病电子杂志. 2017(04)
[5]路径张量分解的知识图谱推理算法[J]. 吴运兵,朱丹红,廖祥文,张栋,林开标. 模式识别与人工智能. 2017(05)
[6]中国“互联网+健康医疗”现状与发展综述[J]. 孟群,尹新,梁宸. 中国卫生信息管理杂志. 2017(02)
[7]基于知识图谱的智能医疗研究[J]. 俞思伟,范昊,王菲,徐雷. 医疗卫生装备. 2017(03)
[8]基于深度循环神经网络的时间序列预测模型[J]. 杨祎玥,伏潜,万定生. 计算机技术与发展. 2017(03)
[9]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[10]基于双层随机游走的关系推理算法[J]. 刘峤,韩明皓,江浏祎,刘瑶,耿技. 计算机学报. 2017(06)
博士论文
[1]中医医案文献特殊性评价方法研究[D]. 李园白.中国中医科学院 2010
硕士论文
[1]电子病历实体关系抽取研究[D]. 吴嘉伟.哈尔滨工业大学 2014
[2]基于条件随机场的中医病历命名实体抽取方法研究[D]. 刘凯.北京交通大学 2013
本文编号：3317122
【文章来源】：昆明理工大学云南省
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
“陈道明”关系示意图
第二章相关理论与技术介绍7第二章相关理论与技术介绍本章主要是对知识图谱构建过程中实体关系提取和知识融合中所涉及到的主要技术和模型进行简要介绍，包括了文本的预处理、双向长短期记忆网络、维特比算法、卷积神经网络这几种方法和模型。2.1文本预处理操作对昆明市中医院的入院记录电子病历研究总结发现，病历是有一定的书写规则的半结构化文本，没有严格的数据结构、理论模型，同时还包含了许多无用信息、个人隐私信息等，如图2.1所示，并不能作为可以直接使用的数据，因此需要对电子病历进行预处理。图2.1中医骨科电子病历图2.1.1数据脱敏数据脱敏是对隐私数据的保护，是指在不违反规则、不影响使用的的条件下把一些敏感信息的去除或者隐藏起来。如图2.1中的病历样本，其中包含了病人
昆明理工大学专业学位硕士学位论文12部分。如图2.3中所示，节点A除了接受输入层的输入xt之外，还接收了来自上一个节点所产生的隐藏状态ht-1作为A的输入的一部分；同时产生了当前时刻的隐藏状态ht和输出ot，当前的隐藏状态ht又将作为下一个时刻节点的输入的一部分。图2.3循环神经网络节点结构图如图2.3所示，t时刻的状态ht包含了之前节点信息，作为当前状态输出的参考，整个循环神经网络的序列结构如图2.4所示。在理论上序列可以无限长，每一时刻的状态h都能将之前的全部信息都记录下来，但是由于维度有限使得这是不可能的。将下图中的循环神经网络展开以后可以看做前馈神经网络，可以用反向传播方法进行训练，也是RNN最常见的训练方法。图2.4循环神经网络模型图在处理一个序列数据时，循环神经网络的输入层可以接受该序列任意时刻的数据，当前时刻的输出可以对序列状态的下一时刻进行预测，也可以是当前时刻对信息的处理结果。循环神经网络在每个时刻都必须要有一个输入，这个输入不仅来自于当前时刻的输入，也可能包含了之前时刻的输出或者是隐藏状态，但是并不是每一个时刻都一定会有输出。
【参考文献】：
期刊论文
[1]知识图谱研究综述及其在医疗领域的应用[J]. 侯梦薇,卫荣,陆亮,兰欣,蔡宏伟. 计算机研究与发展. 2018(12)
[2]基于卷积神经网络的跨领域语义信息检索研究[J]. 谢先章,王兆凯,李亚星,冯旭鹏,刘利军,黄青松. 计算机应用与软件. 2018(08)
[3]基于维特比算法的深度神经网络语音端点检测[J]. 李文洁,张晴晴,张鹏远,颜永红,摆亮. 重庆邮电大学学报(自然科学版). 2018(02)
[4]未来医学时代——人工智能诊疗[J]. 王锡山. 中华结直肠疾病电子杂志. 2017(04)
[5]路径张量分解的知识图谱推理算法[J]. 吴运兵,朱丹红,廖祥文,张栋,林开标. 模式识别与人工智能. 2017(05)
[6]中国“互联网+健康医疗”现状与发展综述[J]. 孟群,尹新,梁宸. 中国卫生信息管理杂志. 2017(02)
[7]基于知识图谱的智能医疗研究[J]. 俞思伟,范昊,王菲,徐雷. 医疗卫生装备. 2017(03)
[8]基于深度循环神经网络的时间序列预测模型[J]. 杨祎玥,伏潜,万定生. 计算机技术与发展. 2017(03)
[9]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[10]基于双层随机游走的关系推理算法[J]. 刘峤,韩明皓,江浏祎,刘瑶,耿技. 计算机学报. 2017(06)
博士论文
[1]中医医案文献特殊性评价方法研究[D]. 李园白.中国中医科学院 2010
硕士论文
[1]电子病历实体关系抽取研究[D]. 吴嘉伟.哈尔滨工业大学 2014
[2]基于条件随机场的中医病历命名实体抽取方法研究[D]. 刘凯.北京交通大学 2013
本文编号：3317122
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3317122.html
最近更新
教材专著
