[发明专利]一种基于医疗知识图谱的智能医疗数据管理系统及方法

权利要求书

1.一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述方法包括以下步骤：

S1、通过医疗大数据获取妇幼患者的信息；

S2、采用机器学习技术，根据获取的妇幼患者的信息进行实体抽取、关系抽取和属性抽取；

S3、结合实体抽取、关系抽取和属性抽取的内容进行知识融合，并构建医疗知识图谱；

S4、根据患者信息，结合医疗知识图谱进行实体识别与关系抽取，匹配最佳诊疗方案。

2.根据权利要求1所述一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述S1中通过医疗大数据获取妇幼患者的信息的方法包括以下步骤：

SA1、通过医疗大数据获取妇幼患者性别、年龄、疾病名称、诊断报告，并将获取的信息作为第一特征信息；

SA2、通过医疗大数据获取妇幼患者疾病伴随症状、检查报告、药物配方、手术名词以及医疗设备，并将获取的信息作为第二特征信息。

3.根据权利要求2所述一种基于医疗知识图谱的智能医疗数据管理方法，其特征在于，所述S2中采用机器学习技术，根据获取的妇幼患者的信息进行实体抽取、关系抽取和属性抽取的方法包括以下步骤：

SB1、根据统计的方法对特征信息进行训练，通过训练样本得到隐马尔科夫模型参数，运用ML算法构建隐马尔科夫模型，并设定状态集合Q＝{妇幼患者性别、年龄、疾病名称、诊断报告}和观测事件集合V＝{妇幼患者疾病伴随症状、检查报告、药物配方、手术名词以及医疗设备}；

SB2、获取状态集合和观测事件集合中元素，并构建状态集合S对应的模型状态序列T，表达式为S＝{s₁，s₂，s₃，...，s_T}，O＝{o₁，o₂，o₃，...，o_T}，其中O表示对应训练序列的观测序列；

SB3、根据公式对训练序列的初始概率和转移概率进行分块，其中P_i表示初始状态为i的概率，P_i→j表示从状态i转移到状态j的概率，O_i表示观测序列O中初始状态为i的序列个数，O_i→j表示观测序列O中，从状态i转移到状态j的次数；

SB4、根据公式得到输出释放概率，其中S_i(V_j)表示观测序列O中，状态为i对应释放单词V_j的次数，M表示输出单词的值，即观测事件集合中的元素；

SB5、基于隐马尔科夫模型进行文本信息抽取，以观测序列O＝{o₁，o₂，o₃，...，o_T}作为模型的输入，采用Viterbi算法，找出最大概率的状态标签序列，被标记为目标状态标签的观察文本即为妇幼医疗知识抽取的内容；

SB6、基于RNN关系抽取模型，针对每一个状态集合中元素的输入，通过词嵌入处理转换成固定维度的向量；

SB7、采用双向RNN层进行特征抽取，通过双向RNN建模输入序列的语义特征；

SB8、基于RNN层特征抽取，得到一个输出序列，即{b₁，b₂，b₃，...，b_t}；

SB9、根据公式m_i＝MAX(b_t)_i1iL_RNN得到状态为i的集合中元素经过处理后转换成固定维度的向量值，记为m，并通过softmax进行处理即可得到输出分类的结果，其中t表示序列的长度，L_RNN表示RNN层的大小。