【技术实现步骤摘要】
本专利技术属于中医辅助诊疗，具体是指基于智能中医知识图谱的中医辅助诊疗系统。
技术介绍
1、知识图谱在医疗领域展现出巨大潜力，尤其在疾病诊断、治疗决策支持、个性化医疗等方面。通过构建医疗知识图谱，可以将医学知识、临床指南、研究文献、病例数据等信息标准化、结构化地整合在一起，形成易于计算机理解和推理的知识网络；
2、但现有中医辅助诊疗系统还存在一定的缺陷，现有的中医辅助诊疗在知识抽取、统一表示及整合过程中，对中医知识的复杂性把握不够深入，导致知识图谱结构简单、信息不完整，难以准确反映中医知识的内在逻辑，缺乏自动化的更新机制，导致知识图谱无法及时反映最新的研究成果、临床实践或药材信息，影响诊疗建议的时效性和准确性，生成诊断报告时，对诊断依据、病因推测、病情评估的解释不足，不利于医生理解和接受系统建议，缺乏对历史病例数据的有效利用，无法进行精准的疗效预测和副作用评估，影响治疗方案的优选，为此，提出基于智能中医知识图谱的中医辅助诊疗系统。
技术实现思路
1、本专利技术的目的在于提供基于智能中医知识图谱的中医辅助诊疗系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于智能中医知识图谱的中医辅助诊疗系统，包括数据采集模块、知识图谱构建模块、智能诊断模块、治疗方案推荐模块、智能提醒模块和多模态交互模块；
3、其中，所述数据采集模块与知识图谱构建模块无线连接，所述数据采集模块负责收集患者基本信息、病史、症状描述、检查检验结
4、其中，所述智能诊断模块根据患者情况运用知识图谱和症状识别进行分析，辅助医生进行中医诊断；
5、其中，所述治疗方案推荐模块根据诊断结果，从知识图谱中匹配生成个性化治疗方案；
6、其中，所述智能提醒模块辅助医生进行患者管理和诊断过程中监控；
7、其中，所述多模态交互模块用于提供多样化的人机交互页面进行交互。
8、其中，所述数据采集模块通过与医院系统集成，获取患者的个人信息、既往病史、过敏史基础数据；
9、根据采集到的数据进行去除重复数据、填充缺失值、校正格式错误、处理异常值，将原始数据按照预定义的数据模型进行映射和标准化，对涉及个人隐私的信息进行去标识化处理，将处理好的数据存储至数据库中。
10、其中，所述知识图谱构建模块具体实现步骤如下：
11、a1：通过网络爬虫抓取各种医学数据库的中医知识数据进行数据处理；
12、a2：通过自然语言识别文本中的关键点，提取关键属性特征；
13、a3：将识别到的文本数据，不同标准的知识数据进行统一映射，形成一致的知识表示；
14、a4：将提取、融合后的知识数据导入图数据库，形成知识图谱的节点与边；
15、a5：根据校验结果和新的数据源，定期更新知识图谱。
16、其中，所述a2，通过自然语言识别文本中的关键点，提取关键属性特征，从文本中提取实体之间的语义关系，病因与病机的因果关系、证型与症状的对应关系、药物与功效的关联关系、方剂与组成药物的包含关系、穴位与主治疾病的治疗关系；
17、所述a4，设计图谱的节点类型、边类型以及属性结构，确定图谱的数据模型，将提取、融合后的知识数据导入图数据库，形成知识图谱的节点与边，创建针对实体、属性、关系的索引。
18、其中，所述智能诊断模块根据患者主诉和体征数据，结合知识图谱中的病因病机、证候规律等知识，进行病因、病位、病性方面的识别，具体实现步骤流程如下：
19、b1：采集患者的所有症状、体征信息中提取关键特征；
20、b2：通过病例数据训练深度学习模型进行非线性变化，学习证候与特征之间的复杂映射关系；
21、b3：将患者特征输入训练好的模型，得到证候预测结果；
22、b4：根据患者的症状、环境因素、生活习惯等信息，结合知识图谱中的病因知识，推测可能的致病因素，进行病情评估；
23、b5：综合患者症候、病因、病情评估得出诊断结论，将诊断结果与解释整理成结构化的诊断报告。
24、其中，所述b2，通过病例数据训练深度学习模型进行非线性变化，具体实现公式为：
25、
26、在公式中，pi表示第i种症候的概率，zi表示对应症候的为归一化分数，k表示症候总数，ezi表示为每个类别i的未归一化的对数几率指数，表示将zi作为指数对e进行求和，使所有类别概率和为1；
27、根据病因计算得到最符合的诊断方案，实现公式为：
28、
29、在公式中，t(mi+,m0)值进行相似性判别，计算疾病对应的诊疗推荐度，mi+为图谱中的第i个诊疗数据集合(i＝1,2...)，m0为输入的病例数据，为诊疗方法的推荐度为1，否则则
30、其中，所述b4，根据患者的症状、环境因素、生活习惯等信息，结合知识图谱中的病因知识，推测可能的致病因素，进行病情评估，具体实现公式为：
31、y＝σ(wtx+b)，
32、在公式中，y表示预测的病情登记，σ表示激活函数，w表示为权重向量，x表示特征向量，b表示偏置项，x向量表示输入的所有特征信息，每个样本有n个特征，那w表示n行1列的矩阵，x表示n行m列的矩阵。。
33、其中，所述治疗方案推荐模块通过智能诊断模块诊断的结果结合知识图谱进行比对患者证型、病因病机相匹配的方剂，根据患者个体特征，调整方剂中药物的种类、剂量，结合历史病例数据，对候选方剂进行疗效预测与副作用评估，选择最佳方剂。
34、其中，所述智能提醒模块接收治疗方案推荐方案，根据治疗方案的任务特性，设定相应的提醒规则，设置每日固定服药时间点，设定关联事件触发提醒，根据提醒规则，将治疗方案中的各项任务转化为具体的提醒事件，对于周期性任务，生成整个治疗周期内的所有提醒事件，任务调度算法将提醒事件按触发时间排序，并放入任务队列中，当到达某个提醒事件的触发时间时，通过指定的提醒方式向患者发送提醒信息。
35、其中，所述多模态交互模块通过对接各类输入设备，捕获用户的语音、文字、图像、手势多模态输入数据，实时监测和识别技术，将原始输入转化为可处理的结构化信息，根据用户意图和系统处理结果，生成适当的交互反馈。
36、与现有技术相比，本专利技术的有益效果是：
37、1、本专利技术通过数据采集模块与医院系统集成、爬虫技术抓取权威资源等方式收集患者数据，并进行数据清洗、标准化、去标识化处理，确保数据质量与隐私保护；
38、2、本专利技术通过知识图谱构建模块的自然语言处理提取文本关键属性特征，统一知识表示，将数据导入图数据库构建知识图谱，并定期更新维护，将分散、非结构化的中医知识整合为统一、可查询的知识库，便于系统高效利用与更新；本文档来自技高网...
【技术保护点】
1.基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：包括数据采集模块、知识图谱构建模块、智能诊断模块、治疗方案推荐模块、智能提醒模块和多模态交互模块；
2.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述数据采集模块通过与医院系统集成，获取患者的个人信息、既往病史、过敏史基础数据；
3.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述知识图谱构建模块具体实现步骤如下：
4.根据权利要求3所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述A2，通过自然语言识别文本中的关键点，提取关键属性特征，从文本中提取实体之间的语义关系，病因与病机的因果关系、证型与症状的对应关系、药物与功效的关联关系、方剂与组成药物的包含关系、穴位与主治疾病的治疗关系；
5.根据权利要求3所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述智能诊断模块根据患者主诉和体征数据，结合知识图谱中的病因病机、证候规律等知识，进行病因、病位、病性方面的识别，具体实现步骤流程如下：
7.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述治疗方案推荐模块通过智能诊断模块诊断的结果结合知识图谱进行比对患者证型、病因病机相匹配的方剂，根据患者个体特征，调整方剂中药物的种类、剂量，结合历史病例数据，对候选方剂进行疗效预测与副作用评估，选择最佳方剂。
8.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述智能提醒模块接收治疗方案推荐方案，根据治疗方案的任务特性，设定相应的提醒规则，设置每日固定服药时间点，设定关联事件触发提醒，根据提醒规则，将治疗方案中的各项任务转化为具体的提醒事件，对于周期性任务，生成整个治疗周期内的所有提醒事件，任务调度算法将提醒事件按触发时间排序，并放入任务队列中，当到达某个提醒事件的触发时间时，通过指定的提醒方式向患者发送提醒信息。
9.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述多模态交互模块通过对接各类输入设备，捕获用户的语音、文字、图像、手势多模态输入数据，实时监测和识别技术，将原始输入转化为可处理的结构化信息，根据用户意图和系统处理结果，生成适当的交互反馈。
...【技术特征摘要】
1.基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：包括数据采集模块、知识图谱构建模块、智能诊断模块、治疗方案推荐模块、智能提醒模块和多模态交互模块；
2.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述数据采集模块通过与医院系统集成，获取患者的个人信息、既往病史、过敏史基础数据；
3.根据权利要求1所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述知识图谱构建模块具体实现步骤如下：
4.根据权利要求3所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述a2，通过自然语言识别文本中的关键点，提取关键属性特征，从文本中提取实体之间的语义关系，病因与病机的因果关系、证型与症状的对应关系、药物与功效的关联关系、方剂与组成药物的包含关系、穴位与主治疾病的治疗关系；
5.根据权利要求3所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述智能诊断模块根据患者主诉和体征数据，结合知识图谱中的病因病机、证候规律等知识，进行病因、病位、病性方面的识别，具体实现步骤流程如下：
6.根据权利要求5所述的基于智能中医知识图谱的中医辅助诊疗系统，其特征在于：所述b2，通过病例...
【专利技术属性】
技术研发人员：丁盛，沈兰，
申请(专利权)人：熙羽智能科技无锡有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。