本体在电子病历检索中的研究与探索

目的 电子病历在临床诊断与治疗中的应用日益广泛,如何有效地利用电子病历系统中大量的数据,辅助医生进行分析与诊断是一个非常重要的问题.传统的基于文本关键字的检索方法已不能满足对大型电子病历数据库检索的需要,将基于本体的检索方法引入到医学数据库中进行研究是一项非常有意义的工作.方法 在分析传统电子病历检索方法不足的基础上,本文结合模糊本体的概念,提出了一种基于模糊本体的电子病历分析方法.该方法充分利用了模糊本体中隶属度的概念,对查询语句和电子病历关键词向量空间模型进行模糊本体概念映射,概念相似度计算.结果 通过数值实验对该方法在查全率和查准率方面进行了件能分析,实验证明该方法具有良好的检索性能.     

基于本体的向量空间模型在电子病历中的研究

电子病历在临床诊断与治疗中的应用日益广泛,如何有效利用电子病历系统中的大量数据辅助医生进行分析与诊断,是一个非常重要的问题.传统的基于索引的检索方法已不能满足对大型电子病历数据库检索的需要,将基于本体的向量空间模型引入到电子病历中进行研究,是一项非常有意义的工作.在分析传统电子病历检索方法不足的基础上,结合模糊本体概念,提出一种基于本体的向量空间模型.该方法充分利用了模糊本体中隶属度的概念,对查询语句和电子病历关键词向量空间模型进行模糊本体概念映射及概念相似度计算.最后通过数值实验,对该方法在查全率和查准率方面进行了性能分析,证明其具有良好性能.     

基于贝叶斯网络高斯混合模型医学图像检索的研究

结合医学影像诊断的实际情况,提出一种基于贝叶斯网络高斯混合模型的医学图像检索方法。算法首先引入条件高斯模型,将连续变量模糊离散化,再利用贝叶斯网络对医学图像进行语义建模,并最终完成基于内容的图像检索。实验采用医学图像库中的CT和MRI影像样本进行仿真,仿真结果显示,这种方法是有效的,可以满足医生的一般需要。     

面向医学科技评价的本体模型构建研究

目的：构建面向医学科技评价的本体模型,为完善医学科技评价本体奠定基础,为医学科技评价研究数据管理系统提供支持。方法：通过分析医学科技评价需求、调研医学科技评价维度及现有科研本体研究现状,以现有医学科技评价维度和科研本体为依据,构建本体模型,并抽取其中概念及属性。借鉴骨架法和七步法,利用Protégé构建本体并进行检索及可视化展示。结果：建立了包含8类顶层模块、303条概念及21种语义关系的医学科技评价工作的本体模型,并借助Protégé进行检索及可视化展示。结论：构建医学科技评价本体能够更好地管理和组织指标数据,揭示科研网络关系,为医学科技评价研究提供新的研究角度,便于科研数据或信息资源的共享。     

基于内容的医学图像检索

首先介绍了文本检索的在医学使用中存在的弊端,引出了基于内容的医学图像检索概念,分析了医学图像的特征,讨论了特征提取方法.接着,提出了基于内容的医学图像检索在实际应用中所面临的问题,分析了基于内容的医学图像检索国内外的研究现状.最后,对未来的发展方向做了展望.     

医学图像检索技术发展现状

在大数据技术和医院信息化快速发展的背景下,医学图像在医院诊疗活动中发挥着更加重要的角色,迫切需要建立一个高效、准确的医学图像检索系统。分别对基于文本、基于内容和基于语义的3种医学图像检索方法的关键技术进行详细论述和分析,并对医学图像检索技术的发展方向提出了展望。     

基于中医药领域本体的信息检索模型研究

针对传统基于关键词匹配的中医药信息检索存在查全率和查准率低下的缺陷,将本体与潜在语义索引相结合,提出一种基于中医药领域本体的语义信息检索模型.该模型基于本体概念扩展树构建相应的查询扩展方法和语义向量空间模型,将用户查询和文档集映射到同一潜在语义空间,通过计算查询向量与文档之间的相似度返回检索结果.着重阐述了该模型的体系结构、实现过程和关键技术,并对其实用性进行论证.     

Web上基于内容的病理图像检索的研究方法与展望

0引言讨论了在Internet／Intranet环境下,以基于内容的方式进行医学病理图像信息检索的设计思想与前景展望．其基本思路是利用病理图像的纹理、颜色、形态等多种特征信息的组合,以多种输人方式从病理图像数据库中检索图像．网络上基于医学图像内容的检索技术是一项较新?..     

词共现分析在构建概念空间中的应用研究综述

利用共现分析构建概念空间,实现语义检索,是当前信息组织和检索领域研究热点之一。阐明概念空间的定义、意义、应用及构建方法,介绍词共现分析技术的内涵、应用前提、演进历程、步骤与方法,从多个角度系统综述词共现分析在构建概念空间、本体、揭示语义关系等方面的应用状况,为构建基于概念空间的信息检索可视化系统研究奠定基础。     

基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。     

Research and applications: Ontology-guided organ detection to retrieve web images of disease manifestation: towards the construction of a consumer-based health image library

Background

Visual information is a crucial aspect of medical knowledge. Building a comprehensive medical image base, in the spirit of the Unified Medical Language System (UMLS), would greatly benefit patient education and self-care. However, collection and annotation of such a large-scale image base is challenging.

Objective

To combine visual object detection techniques with medical ontology to automatically mine web photos and retrieve a large number of disease manifestation images with minimal manual labeling effort.

Methods

As a proof of concept, we first learnt five organ detectors on three detection scales for eyes, ears, lips, hands, and feet. Given a disease, we used information from the UMLS to select affected body parts, ran the pretrained organ detectors on web images, and combined the detection outputs to retrieve disease images.

Results

Compared with a supervised image retrieval approach that requires training images for every disease, our ontology-guided approach exploits shared visual information of body parts across diseases. In retrieving 2220 web images of 32 diseases, we reduced manual labeling effort to 15.6% while improving the average precision by 3.9% from 77.7% to 81.6%. For 40.6% of the diseases, we improved the precision by 10%.

Conclusions

The results confirm the concept that the web is a feasible source for automatic disease image retrieval for health image database construction. Our approach requires a small amount of manual effort to collect complex disease images, and to annotate them by standard medical ontology terms.     

基于本体的电子病历后结构化模型关键技术

空间向量模型是工程领域语义表达分类工具,本项目提出运用模糊向量空间模型概念,对电子病历海量数据进行挖掘。通过模型可以找寻出医生的诊疗习惯、诊疗模式、用药习惯等诊疗行为,从而推动分级诊疗、计算机辅助决策、精准医疗的全面实施。检索结果经过验证,其结论较传统检索方法更为准确。     

军事医学本体概念获取方法研究

目的：研究军事医学本体构建过程中概念的获取方法,解决目前现有军事医学知识组织模式中概念陈旧不完善的问题。方法：在继承传统叙词表等知识组织法的基础上,提出基于文献关键词词频统计的综合集成法获取军事医学本体概念。结果：给出了军事医学本体概念获取方法实施的技术路线,对具体操作过程进行了阐述。结论：基于文献关键词词频统计的综合集成法能够从文献中提取高频词和热点词,对军事医学传统词库加以补充,使之不断更新和完善。     

基于邻近概念信息的FMA本体概念名消歧法

提出一种基于本体中概念间的父子关系以及词法信息的自动消歧法,以消除解剖学基础模型本体中含有介词时概念名中的歧义,具体介绍研究对象、技术基础和研究方法。结果显示该方法能成功解析90.95%含有单个介词of的概念名,消除其中原有的歧义。     

军事医学本体构建的理论问题探讨

军事医学本体构建的理论问题探讨是将本体理论应用于军事医学知识组织的前提,有助于理清军事医学本体构建的相关概念。依据本体所要实现的目标分析军事医学现有术语标准的现状,并剖析军事医学本体构建的难点问题。从军事医学本体构建的相关概念内涵及关系、军事医学本体构建的需求分析、军事医学本体构建的复杂性分析三方面对军事医学本体构建的基本理论问题进行了探讨。     

面向分类统计的传统医学疾病本体构建研究

目的：构建传统医学疾病本体,促进中医疾病分类统计的规范化与标准化,推动我国传统医学名词与国际医学术语标准的融合与创新发展。方法：通过借鉴国际疾病本体建设模式,提出复用已有资源构建传统医学疾病本体的新方法。利用精确、向上、向下和相关4种匹配方式,研究新建本体与ICD-11中文版的语义映射。结果：通过复用已有标准中的中医病名、定义、结构体系等资源,完成了传统医学疾病本体构建,并实现了新构建本体与ICD-11中文版的语义关联。结论：新构建的传统医学疾病本体为中医疾病分类统计的规范化和标准化奠定了基础。     

MeSH和本体在医学知识组织中的应用

介绍知识组织的概念和研究领域,阐明MeSH和本体的概念及其在医学知识组织中的应用特点,论述如何在手术库构建中采用MeSH和本体表达术语进行医学知识组织,服务于广大医学工作者。