[发明专利]基于图神经网络的辅助诊断方法、装置、设备及存储介质有效
申请号: | 201910567661.5 | 申请日: | 2019-06-27 |
公开(公告)号: | CN110277165B | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 吴及;尤心心;刘喜恩;吕萍 | 申请(专利权)人: | 清华大学;科大讯飞股份有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G16H10/60;G06F16/35;G06F16/36 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 薛娇 |
地址: | 100084*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 神经网络 辅助 诊断 方法 装置 设备 存储 介质 | ||
1.一种基于图神经网络的辅助诊断方法,其特征在于,包括:
从病例文档中提取得到病例关键词;
至少根据提取得到的各个病例关键词以及所述病例文档,构建拓扑结构图,所述拓扑结构图用于表示病例关键词之间,以及病例文档和病例关键词之间的关联关系;所述拓扑结构图以病例关键词和病例文档为节点,通过将病例关键词节点之间,以及病例关键词节点与病例文档节点之间的关联关系以节点之间的连接边表示而得到;其中,病例关键词之间的关联关系包括病例关键词之间的相似性关系、关联性关系和因果性关系;病例文档和病例关键词之间的关联关系是指病例关键词在病例文档中的重要性;
利用预先训练的图神经网络对所述拓扑结构图进行处理,确定与所述病例文档对应的疾病诊断结果;
其中,所述图神经网络至少通过对拓扑结构图进行处理确定疾病诊断结果训练得到。
2.根据权利要求1所述的方法,其特征在于,所述至少根据提取得到的各个病例关键词以及所述病例文档,构建拓扑结构图,包括:
通过解析提取得到的各个病例关键词之间的关联关系,确定各个病例关键词之间的关系权值;
通过解析提取得到的各个病例关键词与所述病例文档之间的关联关系,确定各个病例关键词与所述病例文档之间的关系权值;
至少根据各个病例关键词之间的关系权值,以及各个病例关键词与所述病例文档之间的关系权值,构建拓扑结构图;
其中,所述关系权值是指将关联关系量化为数值表示的结果。
3.根据权利要求2所述的方法,其特征在于,所述通过解析提取得到的各个病例关键词之间的关联关系,确定各个病例关键词之间的关系权值,包括:
通过分析提取得到的各个病例关键词之间的句法关联关系,确定各个所述病例关键词之间的句法关系权值。
4.根据权利要求3所述的方法,其特征在于,所述通过解析提取得到的各个病例关键词之间的关联关系,确定各个病例关键词之间的关系权值,还包括:
通过分析提取得到的各个病例关键词之间的语义关联关系,确定各个所述病例关键词之间的语义关系权值。
5.根据权利要求4所述的方法,其特征在于,所述通过解析提取得到的各个病例关键词之间的关联关系,确定各个病例关键词之间的关系权值,还包括:
通过计算提取得到的各个病例关键词中的、在同一滑动窗口中共现的病例关键词之间的点互信息,确定各个病例关键词之间的共现关系权值;
其中,所述滑动窗口为按照设定步长从病例关键词序列的起始字符依次滑动到末尾字符的、设定大小的滑动窗口;所述病例关键词序列由提取得到的各个病例关键词按照其在所述病例文档中的位置排列构成。
6.根据权利要求5所述的方法,其特征在于,所述至少根据各个病例关键词之间的关系权值,以及各个病例关键词与所述病例文档之间的关系权值,构建拓扑结构图,包括:
至少根据各个病例关键词之间的共现关系权值,以及各个病例关键词与所述病例文档之间的关系权值,构建第一拓扑结构图;
至少根据各个病例关键词之间的语义关系权值,以及各个病例关键词与所述病例文档之间的关系权值,构建第二拓扑结构图;
至少根据各个病例关键词之间的句法关系权值,以及各个病例关键词与所述病例文档之间的关系权值,构建第三拓扑结构图;
基于预先确定的第一拓扑结构图权重值、第二拓扑结构图权重值以及第三拓扑结构图权重值,对所述第一拓扑结构图、所述第二拓扑结构图以及所述第三拓扑结构图进行加权融合处理,得到融合的拓扑结构图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;科大讯飞股份有限公司,未经清华大学;科大讯飞股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910567661.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:症状和体征的量化方法、系统及终端
- 下一篇:一种宫腹腔镜辅助诊断系统及方法