[发明专利]基于医疗知识图谱知识推理的疾病诊断装置、设备

说明书

本发明公开了一种基于医疗知识图谱知识推理的疾病诊断方法、装置及设备，方法包括：获取用户与医疗问答系统的交互内容，并基于所述交互内容获取到用户的用户症状集；根据所述用户症状集，计算所述用户存在事件的第一概率根据所述第一概率计算用户S与d_i病共现的第二概率根据所述第一概率与第二概率计算用户患d_i病的第三概率基于动态阈值以及所述第三概率，输出用户的最终疾病诊断结果。本发明既可以作为医生诊断的辅助工具，提高医生的工作效率，也可以用于患者的初步自查，还可以服务于高层次人工智能医疗应用，例如医疗问答系统、医疗辅助诊断、私人人工智能健康助理等。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于医疗知识图谱知识推理的疾病诊断方法、装置、设备。

背景技术

随着互联网的飞速发展，越来越多的人通过网络来获取医学知识。人们使用自然语言咨询相关医学知识、描述自己的病情等，从而得到精确且简短的回答。医疗领域问答系统的研究具有重要意义，其不仅可为医生提供决策支持，而且可为患者提供准确有效的健康服务，帮助他们参与自己的健康决策。医疗领域问答系统的核心是疾病诊断模型。随着医疗数据的不断积累，现代医疗信息系统一般通过收集大量数据信息，使用深度学习、统计学习等方法来构建诊断决策模型。但由于医学数据呈现知识分布稀疏，数据噪声大，语义维度高等特点，通过大数据统计分析构建医学诊断模型难度较大且可靠度较低。

知识图谱是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。知识图谱是人工智能技术的重要分支，在搜索引擎构建、自然语言处理、智能情景分析等领域发挥着重要作用。在医学领域中，知识图谱能够将病历文书、文献资料、电子病历等非结构文本数据进行数据结构化，进而可以更高效地整合临床实践数据为后续更广泛的智慧医疗应用提供可靠的数据依托。

知识图谱的知识推理在挖掘结构化数据潜在价值方面得到关注。知识推理是从已知的事实出发进行分析综合和决策，以及通过运用已掌握的知识发现隐藏在其中的事实或者归纳出新的事实的过程，是通过某种策略由已知推未知的判断。从技术实现的角度看，实现知识图谱推理的方法有两大类型。第一种是基于规则和逻辑的推理方法，即给出全面的规则和本体约束获得知识推理结果，这种方法本质上是知识的逻辑推理。第二种类型是基于神经网络的方法，即利用神经网络的学习能力把知识图谱进行分布式表示，进而利用知识的向量表示特征实现知识的推理。通过神经网络得到的模型一般不具有解释性，呈现黑箱特征。而医学诊断对知识推理的可解释性要求很高，并不适合使用后者方法进行知识推理。

发明内容

有鉴于此，本发明的目的在于提供一种基于医疗知识图谱知识推理的疾病诊断方法、装置、设备，以解决上述问题。

本发明实施例提供了一种基于医疗知识图谱知识推理的疾病诊断方法，其包括：

获取用户与医疗问答系统的交互内容，并基于所述交互内容获取到用户的用户症状集；

根据所述用户症状集，计算所述用户存在事件的第一概率其中，医疗知识图谱G存储有包含各种疾病的集合D＝{d₁,d₂,d₃,…,d_n}， d₁,d₂,d₃,…,d_n为各种疾病；事件为集合D_i中的疾病同时发生且D-D_i中的疾病均不发生；

根据所述第一概率计算用户S与病共现的第二概率

根据所述第一概率与第二概率计算用户患病的第三概率

基于动态阈值以及所述第三概率，输出用户的最终疾病诊断结果。

优选地，获取用户与医疗问答系统的交互内容，并基于所述交互内容获取到用户的用户症状集，具体为：

根据所述交互内容获取用户的显现症状集；