隨著人工智能技術(shù)的發(fā)展,知識(shí)圖譜、分類、聚類等方法已經(jīng)成為了人工智能應(yīng)用的基礎(chǔ)技術(shù)。同時(shí),智慧醫(yī)療作為人工智能應(yīng)用的主要組成部分,得到了越來越多的關(guān)注。由于人們更加注重自身健康管理,互聯(lián)網(wǎng)中醫(yī)學(xué)相關(guān)服務(wù)和網(wǎng)站也隨之增多,海量的醫(yī)學(xué)數(shù)據(jù)不斷產(chǎn)生。如何整合互聯(lián)網(wǎng)中專業(yè)醫(yī)學(xué)知識(shí)形成醫(yī)學(xué)知識(shí)圖譜,并基于知識(shí)圖譜提供疾病診斷服務(wù)成為了關(guān)鍵問題。本文針對(duì)常見疾病的智能診斷,提出了基于知識(shí)圖譜的疾病診斷方法。主要研究了醫(yī)學(xué)領(lǐng)域的知識(shí)圖譜構(gòu)建方法,和基于知識(shí)圖譜的疾病智能診斷模型。本文的工作包括兩部分,一是醫(yī)學(xué)知識(shí)圖譜構(gòu)建。醫(yī)學(xué)知識(shí)圖譜的構(gòu)建首先從互聯(lián)網(wǎng)專業(yè)醫(yī)學(xué)網(wǎng)站爬取醫(yī)學(xué)數(shù)據(jù),采用基于詞典和規(guī)則的方法實(shí)現(xiàn)知識(shí)的提取,并采用屬性圖的表示方法將醫(yī)學(xué)知識(shí)圖譜存儲(chǔ)于Neo4J圖數(shù)據(jù)庫中,最后基于知識(shí)圖譜的集成實(shí)體對(duì)齊方法實(shí)現(xiàn)知識(shí)融合,形成完整的醫(yī)學(xué)知識(shí)圖譜;二是疾病智能診斷模型設(shè)計(jì)。本文根據(jù)醫(yī)學(xué)知識(shí)圖譜,提出了疾病癥狀關(guān)系量化方法,并將其應(yīng)用在疾病智能診斷模型中。本文設(shè)計(jì)的疾病智能診斷模型的工作流程為:通過查詢用戶選擇的特征信息與醫(yī)學(xué)知識(shí)圖譜間的匹配關(guān)系,并結(jié)合基于知識(shí)圖譜和疾病-癥狀關(guān)系量化結(jié)果,推理用戶... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１小型社交網(wǎng)絡(luò)圖??超圖：足一種廣義上的圖模型，在超圖中，一條聯(lián)系（超邊）可以關(guān)聯(lián)任意??

工程碩士學(xué)位論文??超圖模型允許聯(lián)系在任何一端都關(guān)聯(lián)任意多個(gè)節(jié)點(diǎn)。超圖適用于多對(duì)多聯(lián)系占主??體的領(lǐng)域。例如，在如下圖２．２所示，張三和李四都關(guān)注了王五、趙六、孫八，??在超圖中只要一條邊就可以表達(dá)這種聯(lián)系，而在屬性圖模型中需要６條邊來表示。??ｚ－－一用戶丨?，一?１用戶??（Ｎａｍｅ：張三）Ｈａｍｅ：李四）??Ｎａｍｅ：王五）?、Ｎａｍｅ：趙六?Ｊ?（?Ｎａｍｅ：孫八）??圖２．２有向超圖??三元組是一個(gè)包含主謂賓的數(shù)據(jù)結(jié)構(gòu)。用三元組可以捕捉到這樣的事實(shí)，例??如“張三喜歡李四”、“李四喜歡看電影”。單獨(dú)來說，單個(gè)三元組的語義是很??潰泛的，但它們提供勒豐富的數(shù)據(jù)集，可以從中獲得知識(shí)和推斷關(guān)聯(lián)。三元組存??儲(chǔ)一般會(huì)提供ＳＰＡＲＱＬ的能力用來推斷，還提供存儲(chǔ)的資源描述框架（ＲＤＦ）數(shù)??據(jù)。ＲＤＦ是三元組存儲(chǔ)和語義網(wǎng)世界的通用語，它可以用幾種不同的方式序列化。??下面這段代碼展示了三元組如何使用ＲＤＦ／ＸＭＬ格式聚合成關(guān)聯(lián)數(shù)據(jù)。??＜ｒｄｆ：ＲＤＦ?ｘｍｌｎｓｉｒｄｆ?＝?“ｈｔｔｐ：／／ｗｗｗ．ｗ３．０ｒｇ／ｌ９９０／０２／２２－ｒｄｆ－ｓｙｎｔａｘ－ｎｓ�！�??ｘｍｌｎｓ?＝?“?ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｏｒｇ／ｔｅｒｍｓ／”?＞??＜ｒｄｆ：Ｄｅｓｃｒｉｐｔｉｏｎ?ｒｄｆ：ａｂｏｕｔ＝”?ｈｔｔｐ：／／ｗｗｗ．ｅｘａｍｐｌｅ．ｏｒｇ／ｇｉｎｇｅｒ

切割出包含每個(gè)數(shù)字的圖像片段。第二步每個(gè)圖像片段生成字符矩陣，使用ＳＶＭ??算法進(jìn)行分類，識(shí)別驗(yàn)證碼；對(duì)于需要登陸才能訪問的網(wǎng)站，提前將用戶名、密??碼信息保存，采用模擬瀏覽器插件提交用戶名和密碼�？傮w流程如圖３．?２所示：??開始???４／???初始ＵＲＬ??靜態(tài)或＾?ｊｓ動(dòng)態(tài)加載判斬網(wǎng)ｊｓｏｎ或類似ｊｓｏｎ格式??、，??｜?ｊｓ動(dòng)態(tài)力卩載??、■，??■雖包方法??￣￣Ｔ￣￣?￣￣ｒ?１—??????判斷是否需Ｎ?判斷杲否??登陸?—一一＇?驗(yàn)證碼＾＾一＞—??提父ｆ名巒??識(shí)別驗(yàn)證碼??ｊｒ￣ｉ［￣￣ｚｉ???????ｊ?：??獅特定內(nèi)容—＿?—－抓取網(wǎng)頁??（‘束??圖３．２網(wǎng)絡(luò)爬蟲流程圖??３．４醫(yī)學(xué)領(lǐng)域知識(shí)提取??知識(shí)杣収包括實(shí)體、屬性、關(guān)系提取。通過上一小結(jié)的爬蟲技術(shù)，我們獲収??了丁香園、飛華健康網(wǎng)、藥監(jiān)局、健客網(wǎng)等專業(yè)網(wǎng)站的疾病、癥狀、藥品描述、??問答數(shù)據(jù)等。通過這些文本數(shù)據(jù)，我們需要提取癥狀、疾病、藥品、人群、科室、??部位等實(shí)體，以及各實(shí)體的屬性和各實(shí)體間的關(guān)系。由于我們爬収數(shù)據(jù)的網(wǎng)站在??醫(yī)學(xué)知識(shí)描述上采用了較為規(guī)范的語言表達(dá)，爬取的數(shù)據(jù)也都為標(biāo)簽加文本描述??的格式，例如在疾病描述信息中，爬取的數(shù)據(jù)結(jié)構(gòu)包括概述、病因、癥狀、檢查、??治療、并發(fā)癥、預(yù)防、飲食、相關(guān)疾病、發(fā)病部位、科室、高發(fā)人群等

【參考文獻(xiàn)】：
期刊論文
[1]醫(yī)學(xué)知識(shí)圖譜構(gòu)建技術(shù)與研究進(jìn)展[J]. 袁凱琦,鄧揚(yáng),陳道源,張冰,雷凱.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[2]基于Python語言和支持向量機(jī)的字符驗(yàn)證碼識(shí)別[J]. 楊雄.  數(shù)字技術(shù)與應(yīng)用. 2017(04)
[3]“Al+醫(yī)療”人工智能的下一個(gè)風(fēng)口?[J]. 丁毓.  上海信息化. 2017(03)
[4]知識(shí)圖譜學(xué)習(xí)和推理研究進(jìn)展[J]. 吳運(yùn)兵,楊帆,賴國華,林開標(biāo).  小型微型計(jì)算機(jī)系統(tǒng). 2016(09)
[5]知識(shí)圖譜技術(shù)綜述[J]. 徐增林,盛泳潘,賀麗榮,王雅芳.  電子科技大學(xué)學(xué)報(bào). 2016(04)
[6]人工智能革命“助燃劑”:機(jī)器學(xué)習(xí)[J]. 祝葉華.  科技導(dǎo)報(bào). 2016(07)
[7]知識(shí)圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計(jì)算機(jī)研究與發(fā)展. 2016(03)
[8]知識(shí)庫實(shí)體對(duì)齊技術(shù)綜述[J]. 莊嚴(yán),李國良,馮建華.  計(jì)算機(jī)研究與發(fā)展. 2016(01)
[9]一種新的組合分類器學(xué)習(xí)方法[J]. 郭華平,袁俊紅,張帆,鄔長安,范明.  計(jì)算機(jī)科學(xué). 2014(07)
[10]基于智能算法的胸腔疾病輔助鑒別[J]. 荊斌,張鵬,陳文霞,李巍,査玉華,尚學(xué)義.  中國醫(yī)學(xué)裝備. 2012(07)

碩士論文
[1]面向中文知識(shí)圖譜的數(shù)據(jù)重組與應(yīng)用[D]. 陳柏良.上海交通大學(xué) 2015
[2]基于規(guī)則的漢語兼類詞標(biāo)注方法研究[D]. 李華棟.西南交通大學(xué) 2014



本文編號(hào)：2985701