互聯(lián)網(wǎng)和人工智能在各個領域的普及以及人們的健康醫(yī)療意識與日俱增,整個社會對醫(yī)療信息的需求也隨之增加。“智慧醫(yī)療”將是未來醫(yī)療行業(yè)的發(fā)展趨勢,不僅能為大眾提供海量醫(yī)療信息,更能解決當前醫(yī)療資源不均、就診手續(xù)繁雜等問題。醫(yī)學領域的知識圖譜是實現(xiàn)智慧醫(yī)療的基石,讓醫(yī)療信息資源的交換更方便,為高效便捷的醫(yī)療服務提供數(shù)據(jù)支持。本文通過收集、處理昆明市中醫(yī)院骨科的電子病歷以及來自互聯(lián)網(wǎng)上的相關知識,對中醫(yī)骨科問診平臺知識圖譜的構建進行研究,研究內(nèi)容主要有:其一、實體關系提取,獲得構建知識圖譜所必要的“實體-關系-實體”三元組作為基礎數(shù)據(jù)。針對中醫(yī)電子病歷的特點,使用基于實體關系標注策略的實體關系聯(lián)合提取方法,根據(jù)相關專家指導下制定的標注策略先對電子病歷進行處理和標注,使用基于Bi-LSTM（雙向長短時記憶網(wǎng)絡）深度學習模型進行訓練學習以更準確的提取實體關系,克服了傳統(tǒng)方法方法誤差較大等問題。在獲得了實體關系之后,再通過互聯(lián)網(wǎng)采集比對,對獲得的實體關系進行完善和補充,實驗結果表明該方法有較高的召回率和F1值。其二、針對獲得的實體關系中,存在著“多詞一義”的重復現(xiàn)象,即多個疾病名稱都指同一種疾病,需要... 

【文章來源】：昆明理工大學云南省

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【部分圖文】：

“陳道明”關系示意圖

第二章相關理論與技術介紹7第二章相關理論與技術介紹本章主要是對知識圖譜構建過程中實體關系提取和知識融合中所涉及到的主要技術和模型進行簡要介紹，包括了文本的預處理、雙向長短期記憶網(wǎng)絡、維特比算法、卷積神經(jīng)網(wǎng)絡這幾種方法和模型。2.1文本預處理操作對昆明市中醫(yī)院的入院記錄電子病歷研究總結發(fā)現(xiàn)，病歷是有一定的書寫規(guī)則的半結構化文本，沒有嚴格的數(shù)據(jù)結構、理論模型，同時還包含了許多無用信息、個人隱私信息等，如圖2.1所示，并不能作為可以直接使用的數(shù)據(jù)，因此需要對電子病歷進行預處理。圖2.1中醫(yī)骨科電子病歷圖2.1.1數(shù)據(jù)脫敏數(shù)據(jù)脫敏是對隱私數(shù)據(jù)的保護，是指在不違反規(guī)則、不影響使用的的條件下把一些敏感信息的去除或者隱藏起來。如圖2.1中的病歷樣本，其中包含了病人

昆明理工大學專業(yè)學位碩士學位論文12部分。如圖2.3中所示，節(jié)點A除了接受輸入層的輸入xt之外，還接收了來自上一個節(jié)點所產(chǎn)生的隱藏狀態(tài)ht-1作為A的輸入的一部分；同時產(chǎn)生了當前時刻的隱藏狀態(tài)ht和輸出ot，當前的隱藏狀態(tài)ht又將作為下一個時刻節(jié)點的輸入的一部分。圖2.3循環(huán)神經(jīng)網(wǎng)絡節(jié)點結構圖如圖2.3所示，t時刻的狀態(tài)ht包含了之前節(jié)點信息，作為當前狀態(tài)輸出的參考，整個循環(huán)神經(jīng)網(wǎng)絡的序列結構如圖2.4所示。在理論上序列可以無限長，每一時刻的狀態(tài)h都能將之前的全部信息都記錄下來，但是由于維度有限使得這是不可能的。將下圖中的循環(huán)神經(jīng)網(wǎng)絡展開以后可以看做前饋神經(jīng)網(wǎng)絡，可以用反向傳播方法進行訓練，也是RNN最常見的訓練方法。圖2.4循環(huán)神經(jīng)網(wǎng)絡模型圖在處理一個序列數(shù)據(jù)時，循環(huán)神經(jīng)網(wǎng)絡的輸入層可以接受該序列任意時刻的數(shù)據(jù)，當前時刻的輸出可以對序列狀態(tài)的下一時刻進行預測，也可以是當前時刻對信息的處理結果。循環(huán)神經(jīng)網(wǎng)絡在每個時刻都必須要有一個輸入，這個輸入不僅來自于當前時刻的輸入，也可能包含了之前時刻的輸出或者是隱藏狀態(tài)，但是并不是每一個時刻都一定會有輸出。

【參考文獻】：
期刊論文
[1]知識圖譜研究綜述及其在醫(yī)療領域的應用[J]. 侯夢薇,衛(wèi)榮,陸亮,蘭欣,蔡宏偉.  計算機研究與發(fā)展. 2018(12)
[2]基于卷積神經(jīng)網(wǎng)絡的跨領域語義信息檢索研究[J]. 謝先章,王兆凱,李亞星,馮旭鵬,劉利軍,黃青松.  計算機應用與軟件. 2018(08)
[3]基于維特比算法的深度神經(jīng)網(wǎng)絡語音端點檢測[J]. 李文潔,張晴晴,張鵬遠,顏永紅,擺亮.  重慶郵電大學學報(自然科學版). 2018(02)
[4]未來醫(yī)學時代——人工智能診療[J]. 王錫山.  中華結直腸疾病電子雜志. 2017(04)
[5]路徑張量分解的知識圖譜推理算法[J]. 吳運兵,朱丹紅,廖祥文,張棟,林開標.  模式識別與人工智能. 2017(05)
[6]中國“互聯(lián)網(wǎng)+健康醫(yī)療”現(xiàn)狀與發(fā)展綜述[J]. 孟群,尹新,梁宸.  中國衛(wèi)生信息管理雜志. 2017(02)
[7]基于知識圖譜的智能醫(yī)療研究[J]. 俞思偉,范昊,王菲,徐雷.  醫(yī)療衛(wèi)生裝備. 2017(03)
[8]基于深度循環(huán)神經(jīng)網(wǎng)絡的時間序列預測模型[J]. 楊祎玥,伏潛,萬定生.  計算機技術與發(fā)展. 2017(03)
[9]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[10]基于雙層隨機游走的關系推理算法[J]. 劉嶠,韓明皓,江瀏祎,劉瑤,耿技.  計算機學報. 2017(06)

博士論文
[1]中醫(yī)醫(yī)案文獻特殊性評價方法研究[D]. 李園白.中國中醫(yī)科學院 2010

碩士論文
[1]電子病歷實體關系抽取研究[D]. 吳嘉偉.哈爾濱工業(yè)大學 2014
[2]基于條件隨機場的中醫(yī)病歷命名實體抽取方法研究[D]. 劉凱.北京交通大學 2013



本文編號：3317122