【技术实现步骤摘要】
本专利技术涉及问卷生成领域，尤其涉及一种临床试验问卷的生成方法、装置、设备及存储介质。
技术介绍
1、临床试验问卷是临床研究中收集数据和获取患者反馈的重要工具。在现代医学研究中，设计科学且高效的临床试验问卷对试验结果的准确性和有效性具有重要影响。传统的临床试验问卷生成方法通常依赖于医学专家的经验和手工编辑，这不仅耗时费力，而且容易受到主观因素的影响，难以确保问卷质量的一致性和科学性。
技术实现思路
1、本专利技术的主要目的在于解决现有的临床试验的问卷依赖于医学专家的经验和手工编辑，难以确保问卷质量的一致性和科学性的技术问题。
2、本专利技术第一方面提供了一种临床试验问卷的生成方法，所述临床试验问卷的生成方法包括：
3、获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果，其中，所述临床试验问卷生成请求包括临床试验主题和相关参数；
4、基于所述检索结果，从预设的增强医学知识图谱中进行子图提取，得到对应的知识子图，并提取所述知识子图的关键概念和关系；
5、根据所述关键概念和关系从预构建的多样化问题模板库中进行模板筛选，并根据知识子图对筛选后的问题模板进行元素填充，得到初始问题集；
6、获取用户信息，提取所述用户信息的用户特征，并根据所述用户特征对所述初始问题集进行调整优化，得到个性化问题集；
7、将所述个性化问题集输入预设的问卷结构优化系统，通过所述问卷结构优化
8、可选的，在本专利技术第一方面的第一种实现方式中，在所述获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果之前，还包括：
9、对多源异构医学数据进行采集和清洗，得到初始医学文本集，并对所述初始医学文本集进行分词和词性标注处理，得到标注后的文本序列；
10、根据医学领域特定词典对所述文本序列进行命名实体识别处理，得到医学实体集合，并根据所述医学实体集合进行初始知识图谱构建，得到初始知识图谱，其中医学实体集合中的实体作为所述初始知识图谱的节点，所述医学实体集合中实体间的关系作为所述初始知识图谱的边；
11、对所述初始知识图谱应用多层图卷积网络进行信息传播和聚合处理，得到更新后的节点表示，并对所述更新后的节点表示应用双向门控图神经网络进行处理，得到增强节点表示；
12、对实体描述文本应用双向长短时记忆网络进行编码处理，得到序列信息表示，并对所述增强节点表示和所述序列信息表示进行融合处理，得到增强医学知识图谱。
13、可选的，在本专利技术第一方面的第二种实现方式中，所述基于所述检索结果，从预设的增强医学知识图谱中进行子图提取，得到对应的知识子图，并提取所述知识子图的关键概念和关系包括：
14、对所述检索结果进行语义分析处理，得到检索关键词集合，并根据所述检索关键词集合对所述增强医学知识图谱进行节点匹配处理，得到初始匹配节点集；
15、对所述初始匹配节点集应用图遍历算法进行扩展处理，得到扩展节点集，并根据所述扩展节点集对所述增强医学知识图谱进行子图提取处理，得到知识子图；
16、对所述知识子图应用中心度计算算法进行节点重要性评估处理，得到节点重要性排序，并根据所述节点重要性排序对知识子图进行剪枝处理，得到精简知识子图；
17、对所述精简知识子图应用社区发现算法进行聚类处理，得到概念簇集合，并根据所述概念簇集合对精简知识子图中的边进行权重计算处理，得到加权知识子图；
18、对所述加权知识子图应用路径搜索算法进行关键路径识别处理，得到关键概念和关系集合。
19、可选的，在本专利技术第一方面的第三种实现方式中，在所述获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果之前，还包括：
20、对大规模医学问答数据集进行收集和预处理，得到初始问题集，并对所述初始问题集应用语义分析算法进行主题提取处理，得到问题主题分类；
21、根据所述问题主题分类对初始问题集进行聚类处理，得到问题簇集合，并对所述问题簇集合应用对应的句法分析算法进行结构抽取处理，得到问题结构模式集；
22、根据所述问题结构模式集对问题簇集合进行模板生成处理，得到初始模板库；
23、对所述初始模板库应用变量替换算法进行泛化处理，得到泛化模板集，并根据预设的认知难度标准对所述泛化模板集进行难度评估处理，得到难度标注模板集；
24、对所述难度标注模板集应用对比学习算法进行相似度计算处理，得到模板相似度矩阵，并根据所述模板相似度矩阵对难度标注模板集进行去重和合并处理，得到精简模板集；
25、对所述精简模板集应用强化学习算法进行动态调优处理，得到多样化问题模板库。
26、可选的，在本专利技术第一方面的第四种实现方式中，所述根据所述关键概念和关系从预构建的多样化问题模板库中进行模板筛选，并根据知识子图对筛选后的问题模板进行元素填充，得到初始问题集包括：
27、对所述关键概念和关系进行向量化处理，得到语义向量集，并根据所述语义向量集对多样化问题模板库中的模板进行相似度计算处理和阈值筛选处理，得到得到候选模板集；
28、根据所述候选模板集对知识子图进行模板匹配处理，得到模板填充映射，并应用上下文嵌入算法对所述模板填充映射进行语义补全处理，得到初步填充模板集；
29、根据所述初步填充模板集对知识子图进行多跳推理处理，得到推理路径集，并对所述推理路径集应用自然语言生成算法进行问题重构处理，得到初始问题集。
30、可选的，在本专利技术第一方面的第五种实现方式中，所述获取用户信息，提取所述用户信息的用户特征，并根据所述用户特征对所述初始问题集进行调整优化，得到个性化问题集包括：
31、对用户信息进行多模态数据融合处理，得到用户特征向量，并根据所述用户特征向量对初始问题集进行相关性评分和阈值筛选，得到核心问题集；
32、根据所述用户特征向量对核心问题集进行语言复杂度调整处理，并对调整后的核心问题集应用知识图谱推理算法进行扩展，得到补充问题集；
33、根据所述用户特征向量对补充问题集进行难度梯度化和答题时间预估，应用动态规划算法根据得到的难度梯度和答题时间对所述补充问题集进行重新排序和筛选，得到时间优化问题集；
34、对所述时间优化问题集应用动态反馈机制进行实时调整处理，得到个性化问题集。
35、可选的，在本专利技术第一方面的第六种实现方式中，所述将所述个性化问题集输入预设的问卷结构优化系统，通过所述问卷结构优化系统对所述个性化问题集进行结构化处理，生成临床试验问卷包括：
36、对所述个性化问题集应用语义相似度算法进行聚类分析，得到问题主题簇，本文档来自技高网...
【技术保护点】
1.一种临床试验问卷的生成方法，其特征在于，所述临床试验问卷的生成方法包括：
2.根据权利要求1所述的临床试验问卷的生成方法，其特征在于，在所述获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果之前，还包括：
3.根据权利要求2所述的临床试验问卷的生成方法，其特征在于，所述基于所述检索结果，从预设的增强医学知识图谱中进行子图提取，得到对应的知识子图，并提取所述知识子图的关键概念和关系包括：
4.根据权利要求1所述的临床试验问卷的生成方法，其特征在于，在所述获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果之前，还包括：
5.根据权利要求4所述的临床试验问卷的生成方法，其特征在于，所述根据所述关键概念和关系从预构建的多样化问题模板库中进行模板筛选，并根据知识子图对筛选后的问题模板进行元素填充，得到初始问题集包括：
6.根据权利要求1所述的临床试验问卷的生成方法，其特征在于，所述获取用户信息，提取所述用户信息的用户
7.根据权利要求1所述的临床试验问卷的生成方法，其特征在于，所述将所述个性化问题集输入预设的问卷结构优化系统，通过所述问卷结构优化系统对所述个性化问题集进行结构化处理，生成临床试验问卷包括：
8.一种临床试验问卷的生成装置，其特征在于，所述临床试验问卷的生成装置包括：
9.一种临床试验问卷的生成设备，其特征在于，所述临床试验问卷的生成设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任意一项所述临床试验问卷的生成方法的步骤。
...【技术特征摘要】
1.一种临床试验问卷的生成方法，其特征在于，所述临床试验问卷的生成方法包括：
2.根据权利要求1所述的临床试验问卷的生成方法，其特征在于，在所述获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果之前，还包括：
3.根据权利要求2所述的临床试验问卷的生成方法，其特征在于，所述基于所述检索结果，从预设的增强医学知识图谱中进行子图提取，得到对应的知识子图，并提取所述知识子图的关键概念和关系包括：
4.根据权利要求1所述的临床试验问卷的生成方法，其特征在于，在所述获取临床试验问卷生成请求，并根据临床试验问卷生成请求从预先构建的结构化医学知识数据库进行检索，得到检索结果之前，还包括：
5.根据权利要求4所述的临床试验问卷的生成方法，其特征在于，所述根据所述关键概念和关系从预构建的多样化问题模板库中进行模板筛选，并根据知识子图对筛选后的问...
【专利技术属性】
技术研发人员：张芳，
申请(专利权)人：北京厚普医药科技有限公司，
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。