[发明专利]基于知识图谱的皮肤病特征分析系统

说明书

本发明涉及一种基于知识图谱的皮肤病特征分析系统，包括以卷积神经网络为内核的“望”单元、以循环神经网络为内核的“闻”与“问”单元、汇总各类信息的数据库及知识图谱单元，其中，数据库及知识图谱单元包括资料库，标准数据库，皮肤病知识图谱，其中资料库储存电子病历，医学文献，医学指南，医学规则，治疗信息和病理图片；资料库里存储的资料标准化后汇入标准数据库，标准数据库为“望”单元的卷积神经网络提供皮肤病标准图库训练集，为“闻”与“问”单元提供皮肤病专业名词训练集，通过对标准数据库的知识抽取，构建皮肤病知识图谱。

技术领域

本发明属于医疗数据处理技术领域，具体而言，涉及一种基于知识图谱兼具“望闻问切”功能的皮肤病特征分析系统。

背景技术

皮肤病的病种繁多，发病因素错综复杂，损害形态多种多样，部分皮肤病皮损外观也非常相似，使得皮肤病的诊疗层层受阻。由于医务人员本身存在知识储备和临床经验等方面的差异性，往往不同的医务人员针对同一种疾病或者症状的诊断方式也不尽相同，而且效果不一。而对患者来说，皮肤病不像感冒发烧可以根据症状在网上查找资料，且很难用语言来描述。这给皮肤科医生、特别是基层皮肤科医生的临床诊断带来了巨大的挑战。

知识图谱是基于信息系统建立的知识体系，通过数据采集、数据挖掘、信息处理、知识计量和图形绘制等技术把复杂的知识领域系统地显示出来，揭示知识领域的动态发展规律。借助人工智能深度神经网络，结合医学大数据和医学知识等，可以创造出高效的辅助诊断工具，从而为医疗提供更有效的帮助。

皮肤病看似简单，但鉴于种类繁多，使得在模型训练过程中需要非常多的数据。通常的做法是用人工智能进行单一的对皮损进行图像识别或是对病例中的主诉进行文字识别，然后将识别出的信息同内容标签进行映射。其存在训练数据有限，从而导致识别准确率低，误判率较高。这些形式单一的识别模式，缺乏直观性和灵活性，不适用于规模数量大或具有结构化层次的医学知识的表达，不便于医学知识体系内容的扩充，也不能为医护人员提供直观的参考。

发明内容

为解决上述技术问题的不足，本发明借鉴诊断中“望闻问切”的流程方法，提供一种基于知识图谱兼具“望闻问切”功能的皮肤病特征分析系统。结合各种识别模式的优点，并在知识图谱的框架下进行综合分析，便于大规模数量的医学知识的表达，为皮肤科医生与皮肤镜临床专家在诊断期间提供更直观的参考，提高医疗服务质量。本发明所采用的技术方案是：

一种基于知识图谱的皮肤病特征分析系统，包括以卷积神经网络为内核的“望”单元、以循环神经网络为内核的“闻”与“问”单元、汇总各类信息的数据库及知识图谱单元，其中，

数据库及知识图谱单元包括资料库，标准数据库，皮肤病知识图谱，其中资料库储存电子病历，医学文献，医学指南，医学规则，治疗信息和病理图片；资料库里存储的资料标准化后汇入标准数据库，标准数据库为“望”单元的卷积神经网络提供皮肤病标准图库训练集，为“闻”与“问”单元提供皮肤病专业名词训练集，通过对标准数据库的知识抽取，构建皮肤病知识图谱；

“望”单元包括皮肤病标准图库训练集，卷积神经网络模块，向量模型集合，图像分类器，皮肤病患图像采集模块，其中皮肤病标准图库训练集由标准数据库提供，包括收集到的皮损图及皮肤镜下状态图，图像经过权威医生的诊断及标注后储存至标准数据库内，皮肤病标准图库训练集用于训练卷积神经网络模块，之后提取特征向量构建向量模型组成向量模型集合，运用映射关系对图像分类器进行标记；将皮肤病患图像采集模块中的样本输入训练完成的卷积神经网络中，图像分类器将具有相同标签的病患图像样本的特征向量采样后对应到一个输出结果上，每个输出结果对应该病名称的标签，以此确定皮肤病图像信息标签；最后将这些信息汇入数据库与知识图谱单元；