融合多维特征的医学知识图谱分步实体对齐方法

目的：提出一种融合多维特征的医学知识图谱分步实体对齐方法,从电子病历和网络资源中抽取垂体瘤相关疾病、症状数据,进行实证研究。方法：首先进行尾实体对齐,通过训练Word2Vec和BERT模型获得实体的语义特征,使用三元组训练翻译模型得到实体结构特征,利用Jaccard相似度计算字符特征,利用分类模型进行特征学习和预测;然后进行头实体对齐,利用实体的属性相似性和结构相似性构建头实体对齐模型。结果：尾实体对齐模型的F1值为99.58％,头实体对齐模型的F1值为97.32％,说明所选择的特征可以很好地表示实体,模型具有良好的对齐效果。结论：目前关于医学知识图谱的实体对齐模型研究仍处于起步阶段,融合多维特征的医学知识图谱分步实体对齐方法是对现有医学知识图谱构建方法的重要补充。     

医学百科知识图谱构建

利用实体识别、关系抽取、可视化分析等技术构建医学知识图谱,以期为知识服务系统提供知识的高效检索、组织和管理,为知识间关联关系的发现奠定基础。该图谱可提供力导向布局图及和弦图两种可视化展示百科知识的直观方式,应用于医药卫生知识服务系统平台取得很好的效果,系统“百科数据”访问量突破性增加,超过20％的用户关注并浏览知识图谱应用。     

支持临床决策的医学知识图谱的构建与应用

知识图谱在语义检索、信息分类等领域扮演着重要的角色,但面向决策支持等强逻辑型任务的表现仍差强人意.该研究综合考虑了国内外主流的医学知识分类体系和知识图谱构建方法 ,针对临床医学主要知识源,利用实体识别、关系抽取等技术,探索了支持临床决策的医学图谱的本体结构和构建方法 ,并结合临床工作设计了与图谱结构相适应的临床决策支持系统,在重要临床环节提供有效的决策支持.     

知识图谱在特种医学研究中的应用

特种医学作为推动我国医学领域整体发展的重要分支,自设立以来积累了大量多源异构数据,但该领域知识如何精准分析并高效应用仍是目前亟待解决的难题。知识图谱具有结构化组织、管理和运用海量大数据信息知识实现知识推理 等优势,是推动医学数字化进程的关键技术。本文主要探讨知识图谱在知识关联方面解决特种医学领域研究过程中处理数据应用难题的优势,综述医学知识图谱构建所涉及的关键技术,分析归纳知识图谱在特种医学领域各分支方向的应用进展,最后探讨知识图谱在特种医学研究子领域——寒区医学应用中的局限和方向。     

人工智能在医学诊断知识图谱构建中的应用研究

介绍人工智能在医学领域的应用,通过自然语言处理方法自动构建基于"疾病-症候-特征"3层结构模型的医学诊断知识图谱,具体阐述智能构建方法与构建过程,将其运用到临床决策支持系统中检测临床疗效,结果表明通过该方法构建的医学知识图谱具有效率高、疾病诊断正确率高等特点。     

基于科研本体的国防科技知识图谱构建

以海量科技文献为对象构建国防科技知识图谱。研究了知识图谱的定义和构建的相关技术,结合科技文献特点,提出了从科研本体模式构建知识图谱的思路。将国防科技分类一体化词表与科研本体相结合,通过国防科技海量文献元数据进行实体概念抽取、归一和关联建立,构建了国防科技知识图谱,并开展服务应用,提高了国防科技文献利用的有效性。     

中医类流感知识图谱的构建

目的：以《中国百年百名中医临床家丛书》、中医书籍等为知识图谱构建素材,借鉴国际系统医学术语全集（SNOMED）、统一医学语言系统（UMLS）和中医药学语言系统（TCMLS）的语义关系构建“症状-证候-治法”及“所用方剂-中药”之间关系的语义网络。方法：采用人工知识抽取的方法,利用知识图谱构建素材和SQL Server 2008对数据进行预处理,选取图数据库Neo4j构建中医类流感温病理论知识图谱。结果：构建的知识图谱包含实体812个和关联4 759个。结论：通过Cypher语言使“证-治”“证-症”“症-药”等关联知识图谱可视化,能够直观地展示各个实体之间的关系,为今后将中医类流感知识图谱与深度学习技术相结合应用于中医奠定了基础。     

基于中文医药文本的实体识别和图谱构建

知识图谱技术促进了新药研发的进展,但国内研究起点晚且领域知识多以文本形式存储,图谱重用率低。因此,本研究基于多源异构的医药文本,设计了以Bert-wwm-ext预训练模型为基础,并融合级联思想的中文命名实体识别模型,从而减少了传统单次分类的复杂度,进一步提高了文本识别的效率。实验结果显示,该模型在自建的训练语料上的F1分数达0.903,精确率达89.2%,召回率达91.5%。同时,将模型应用于公开数据集CCKS2019上,结果显示该模型能够更好地识别中文文本中的医疗实体。最后,利用此模型构建了一个中文医药知识图谱,图谱包含13 530个实体,10 939个属性,以及39 247个相关关系。本研究所提出的中文医药实体识别与图谱构建方法,有望助力研究者加快医药知识新发现,从而缩短新药研发进程。     

EAV模型在临床数据集构建中的应用研究

目的:分析实体属性值模型在临床数据集成中的应用,提高实体属性值模型的检索性能。方法:以重症医学为例,集成重症病人的检查检验、影像报告、医疗文书等临床数据,基于此数据集进行算法分析研究。结果:建立了基于实体属性值模型的重症医学数据集,并提高了数据平台的查询检索性能。结论:实体属性值模型适合存储临床医学数据,同时平衡二叉树的行列转换算法提高其挖掘检索的性能。     

基于医学知识图谱的交互式可视化医学知识服务系统

系统研究医学知识表示模型及医学知识图谱构建、语义检索和可视化分析方法,基于医学知识图谱构建交互式可视化知识服务系统,即虚拟患者,阐述技术实现方式、应用及预期成效,指出该系统有助于快速提高基层医生临床能力,减少医患矛盾。     

基于自然语言处理的临床合理用药知识图谱构建

目的：构建基于自然语言处理的临床合理用药知识图谱。方法：以国家食品药品监督管理总局（CFDA）、美国食品药品监督管理总局（FDA）及某大型三甲医院药品库中药品说明书为数据源，构建了一种基于深度学习算法的临床合理用药知识图谱库。对随机抽取的500份药品说明书进行人工标注，将标注的数据划分为训练集、测试集、验证集。基于深度学习模型BRET进行训练，通过训练集训练模型和验证集验证训练过程中的性能及训练后通过测试集测试模型性能，用优化后的机器学习模型预测未标注的药品说明书。结果：最终抽取出30余万条“实体-关系-实体”的三元组关系，将机器学习模型产生的三元组与领域专家标注产生的三元组一起导入Neo4j图形数据库中存储，以知识图谱的形式展现给临床药师。结论：通过基于深度学习算法的临床合理用药知识库构建，在标引少量药品说明书的前提下，挖掘出药品说明书中所有的医疗关系和实体。自动构建基于药品说明书的合理用药知识图谱，可提高合理用药的自动化程度和准确度，降低不合理用药。     

机器学习在心血管疾病辅助诊断模型中的效果

我国心血管病死亡率居城乡居民总死亡率的首位,且心血管疾病的发病率仍持续增高。近十年来我国切实推进心血管健康事业建设,国家号召将心血管疾病的主战场由医院转向社区,因此迫切需要提升基层医疗服务质量来满足人民群众日益增长的健康需求。数字化信息时代的来临,使得机器学习广泛应用于图像辨别、语音识别和自然语言处理,人工智能在电商、家居、物流、交通等方面普遍运用,但对医疗保健的影响才刚刚开始。随着医疗数据可用性的提高和大数据分析方法的快速发展,人工智能在医疗领域的成功应用成为可能。在相关临床问题的指导下,强大的人工智能技术可以提取海量数据中隐藏的临床信息,进而辅助医生进行临床决策。近年来随着国家、社会对基层医疗的重视及互联网信息技术的发展,机器学习技术运用于心血管疾病的诊断和预测已成为热门。机器学习正在逐渐改变医生诊断疾病和临床决策的方式,但每个心血管疾病的诊断和决策都需要在疾病和统计学方面进行一定程度的分析,选择最优的机器学习算法才能更好地解决临床问题。本文通过比较近5年来有关心血管疾病辅助诊断模型的曲线下面积、敏感性、特异性、准确性、F1值、C统计值等多个量化指标来评估不同疾病分类下机器学习的优势选择,系统总结了不同人工智能方法在各心血管疾病诊断和预测等方面中的运用,并对相关辅助诊断模型进行评价。      

人工智能技术促进中医药传承发展

"互联网+"的飞速发展和大数据技术的广泛应用为人工智能技术的发展奠定了基础。基于强大的深度学习理论与技术,人工智能技术已在医学专家问答、中医医学影像切割和分类、中医四诊客观化等众多领域取得了突破。中医药传承发展迫切需要解决的问题是效率的提高,而人工智能技术已在数据挖掘、智能诊疗、智能学习、诊疗指南构建等方面促进中医药的全面发展,如何更进一步通过人工智能技术促进中医药传承发展是需要思考的重要问题。     

深度学习在医学影像中的应用:希望还是陷阱?

医学影像技术在疾病的检测、诊断和治疗中起着重要作用。由于人类专家经验的不稳定性,机器学习技术有望辅助研究人员和医师以提高影像诊疗的准确性和减少医疗资源的不均衡性。本文系统概述了深度学习技术的一些方法,介绍了医学影像学中的深度学习技术的应用研究,同时讨论了深度学习技术在医学影像中的局限性。     

国际疾病分类在病历档案疾病诊断书写中的应用

目的规范病案首页中疾病诊断的书写,使疾病诊断的书写更加科学化、标准化和规范化,促进医院信息化的建设。方法将ICD码字典库嵌入医院HIS系统中医生工作站的电子病历模块中,采用ICD-10疾病诊断规范病案疾病诊断书写,不断补充完善ICD码字典库。结果我院病案的疾病诊断名称更加规范、统一,为病案首页提供更加完善、可靠的基本数据内容,实现网络信息数据共享。结论病案疾病诊断的书写使用国际疾病分类的疾病诊断能够提高医院的信息化程度,加速数字化医院建设的步伐。     

基于知识元标引的《王旭高医案》逻辑数据及知识图谱探析

  目的  采用知识元理论的信息技术梳理、分析中医古籍内容,构建知识图谱探析隐含的逻辑关系以发现新知识。  方法  以《王旭高医案》为例,在基于知识元理论与技术深度标引的基础上,首先利用MS SQL Server数据库将标引数据读取为逻辑数据并初步分析;其次以基于neo4j数据库构建的中医古籍知识图谱技术呈现出显性知识,同时探析其深层的逻辑推理关系,进一步发现隐性知识。  结果  《王旭高医案》共有知识体787个,知识元5 153个,语义类型共有1 149个,语义关联共有510个。分析逻辑数据和机构化知识图谱可知,虚劳的知识元与语义关联最多,其中与肝脏、脾胃的语义关联最多。  结论  《王旭高医案》整体来看特点在于重视对各类疾病证候表现的描述以及病因病机的分析, 王氏诊治虚劳的经验较为丰富,从肝入手诊疗虚劳,尤其重视肝脾同病的病机。      

医生工作站病案疾病诊断书写中ICD-10编码的应用

目的：规范病案首页医生疾病诊断的书写,为按病种付费打好基础。方法：将ICD码字典库嵌入医院HIS系统中医生工作站的电子病历模块中,病案首页疾病诊断由临床医生选择ICD码字典库疾病名称形成。结果：临床医生的疾病诊断更加规范、统一、科学,为病案首页提供更加完善、可靠的基本数据。结论：病案首页疾病诊断的书写使用国际疾病分类的疾病名称能够实现信息数据共享,提高医院的信息化程度,加速数字化医院建设。     

案例教学法与以问题为基础学习教学法相结合在内科学消化系统教学中的应用

为了提高医学生的临床思维能力,武汉大学人民医院消化内科将案例教学法和以问题为基础学习教学法相结合运用于内科学消化系统教学之中.随机选择五年制临床医学专业15名实习学生为实验组,15名实习学生为对照组.实验组采用案例教学法和以问题为基础学习教学法,对照组采用常规教学法.通过以问题为基础学习(problem-based learning, PBL)教学法帮助学生回顾相关基础知识,通过案例教学法(case method)教会学生有关疾病的诊治流程,将基础知识融于临床案例中,使学生牢固地掌握该学科疾病的诊治技能.教学结束后,对两组学生的考核成绩进行比较,实验组学生的考核成绩优于对照组学生,说明案例教学法和以问题为基础学习教学法相结合的教学效果较好,对提高医学生的临床思维能力有较大的帮助,而对不同系统疾病的了解仍然需要进行专科的培训.     

知识图谱:一种系统性构建因果图的方法

因果推断(相对于相关性分析)是基于大数据的观察性研究的主要目标。因果图通过有向无环图(directed acyclic graph, DAG)整合大量先验知识将变量之间复杂的因果关系可视化,已成为合理制定因果推断策略的重要工具。然而目前因果图的构建主要依赖专家知识和经验,亟需从整个医学知识体系的角度进行系统化构建,从现有出版物中进行医学知识提取是系统构建DAG的基础,本文将系统介绍基于美国国立卫生研究院SemMedDB数据库研发的结构化医学知识体系平台。本文尝试从跨学科角度,将因果图定义为研究问题涉及概念(头概念和尾概念)及其所有第三方变量之间的复杂网络,提出系统化构建DAG提供新策略:一是将知识图谱修剪为因果图;二是将基于人群-干预/暴露-对照-结果(population-interventions/exposure-comparisons-outcomes,PI/ECO)框架的证据结论合成为因果图。     

以《糖尿病专题学习网站》为基础探索临床教学新模式

根据广东省高等学校现代教育技术"151工程"项目《糖尿病专题学习网站》构建的目标、服务对象、网站的功能设计、特点、关键技术和技术路线,来探索临床教学新模式,重点突出在线教育及教学改革,探索基于网上环境医学教育、医学继续教育和病人教育的新模式。新模式能够发挥网络资源共享的优势,引导学生综合地运用网站知识资源解决问题,学会自主学习、发现学习和自主探索;发挥网络通讯功能,使学习者在网络环境下进行协商讨论式的学习及经验、学术交流;发挥网络信息技术工具的作用,使学习者能利用网上工具重构知识,创造性地学习。