Nothing Special   »   [go: up one dir, main page]

CN112151188A - 一种基于医疗知识图谱的智能疾病预测系统 - Google Patents

一种基于医疗知识图谱的智能疾病预测系统 Download PDF

Info

Publication number
CN112151188A
CN112151188A CN202011120010.0A CN202011120010A CN112151188A CN 112151188 A CN112151188 A CN 112151188A CN 202011120010 A CN202011120010 A CN 202011120010A CN 112151188 A CN112151188 A CN 112151188A
Authority
CN
China
Prior art keywords
medical
entity
medical knowledge
patient
graph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011120010.0A
Other languages
English (en)
Inventor
杨紫胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tech Valley Xiamen Information Technology Co ltd
Original Assignee
Tech Valley Xiamen Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tech Valley Xiamen Information Technology Co ltd filed Critical Tech Valley Xiamen Information Technology Co ltd
Priority to CN202011120010.0A priority Critical patent/CN112151188A/zh
Publication of CN112151188A publication Critical patent/CN112151188A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F16/3344Query execution using natural language analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295Named entity recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/044Recurrent networks, e.g. Hopfield networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于医疗知识图谱的智能疾病预测系统,包括实体抽取层、实体连接层和医疗知识图谱,所述实体抽取层用于对患者主诉及患者特征进行实体识别和关系抽取,所述医疗知识图谱由医学概念、医学关系和医学证据组成,所述实体连接层根据所述实体抽取层的输出结果从所述医疗知识图谱中索引、分析、评分以得到最终预测列表。本发明通过结合神经网络和医疗知识图谱,对患者特征和患者主诉进行自动识别和关系抽取,从而分析得到具有权重的疑似疾病、推荐科室及推荐检查项目列表,实现智能分诊预测,降低错误分诊的概率,为患者提供高效便捷的诊前咨询,减轻患者负担和医院运行负荷,给患者带来高效精准的就医体验。

Description

一种基于医疗知识图谱的智能疾病预测系统
技术领域
本发明涉及计算机技术领域,特别涉及一种基于医疗知识图谱的智能疾病预测系统。
背景技术
随着我国医疗体系的发展,医疗队伍和医疗设备逐渐完善,但医疗资源的利用率仍然不够理想,尤其在诊前:1、三级医院挂号难,挂错号的比例大;2、卫教信息落后,缺乏与医生沟通的渠道;正是因为这种患者诉求与医疗信息的不对称,导致分诊不准确的情况常常发生,错误的分诊会给患者带来不必要的麻烦,加重患者原本焦虑的情绪,同时也不利于医院运行效率的提高。
发明内容
为解决上述问题,本发明提供了一种基于医疗知识图谱的智能疾病预测系统及系统及系统。
本发明采用以下技术方案:
一种基于医疗知识图谱的智能疾病预测系统,包括实体抽取层、实体连接层和医疗知识图谱,所述实体抽取层用于对患者主诉及患者特征进行实体识别和关系抽取,所述医疗知识图谱由医学概念、医学关系和医学证据组成,所述实体连接层根据所述实体抽取层的输出结果从所述医疗知识图谱中索引、分析、评分以得到最终预测列表。
进一步地,所述实体抽取层由数据输入模块、神经网络模块组成,所述数据输入模块采用人工手动输入或语音输入患者特征及患者主诉从而生成文本,所述神经网络模块由Bi-LSTM网络和CRF网络组成,所述实体抽取层的输出结果由疾病种类、疾病症状和诱因组成。
进一步地,所述实体识别和关系抽取的过程具体如下:
A1、对所述患者特征及患者主诉生成的文本进行词嵌入,生成词向量;
A2、利用Bi-LSTM网络和CRF网络联合模型对所述词向量进行命名实体识别、分词和词性标注,输出对应的实体识别结果,所述实体识别结果为名词性主语和非名词性词语,所述名词性主语即包括疾病种类和疾病症状;
A3、对所述实体识别结果进行标签嵌入、关系抽取,输出非名词性词语的关系抽取结果,即诱因。
进一步地,所述医疗知识图谱的构建具体如下:
B1、搭建图谱框架,所述图谱框架包括疾病知识库、检查检验知识库、症状知识库、药品知识库、身体部位知识库和手术知识库;
B2、数据采集,利用爬虫技术从数据库爬取医疗知识数据,所述数据库包括MongoDB、Cassandra、HBase、BerkeleyDB或ElasticSearch;
B3、利用自然语言处理平台和机器学习平台对所述医疗知识数据进行分类和学习,结合所述图谱框架,形成包含节点权重和相关性概率的医疗知识图谱。
进一步地,所述实体连接层由分析模块、索引模块和评分模块组成,所述分析模块对所述实体抽取层的输出结果进行语法分析和语义分析;所述索引模块根据所述分析模块的结果从所述医疗知识图谱索引查询,输出备选实体;所述评分模块利用多维度评分器对所述备选实体进行评分排序,输出最终预测列表。
进一步地,所述多维度评分器的评分维度包括字符串边界距离、拼音边界距离、Wordvec相似度以及同义词林相似度。
进一步地,所述最终预测列表包括疑似疾病种类、推荐科室以及推荐检查项目。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明通过结合神经网络和医疗知识图谱,对患者特征和患者主诉进行自动识别和关系抽取,从而分析得到具有权重的疑似疾病、推荐科室及推荐检查项目列表,实现智能分诊预测,降低错误分诊的概率,为患者提供高效便捷的诊前咨询,减轻患者负担和医院运行负荷,给患者带来高效精准的就医体验。
附图说明
图1为本发明的系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
如图1所示,一种基于医疗知识图谱的智能疾病预测系统,包括实体抽取层、实体连接层和医疗知识图谱,所述实体抽取层用于对患者主诉及患者特征进行实体识别和关系抽取,所述医疗知识图谱由医学概念、医学关系和医学证据组成,所述实体连接层根据所述实体抽取层的输出结果从所述医疗知识图谱中索引、分析、评分以得到最终预测列表。
所述实体抽取层由数据输入模块、神经网络模块组成,所述数据输入模块采用人工手动输入或语音输入患者特征及患者主诉从而生成文本,所述神经网络模块由Bi-LSTM网络和CRF网络组成,所述实体抽取层的输出结果由疾病种类、疾病症状和诱因组成。
所述实体识别和关系抽取的过程具体如下:
A1、对所述患者特征及患者主诉生成的文本进行词嵌入,生成词向量;
A2、利用Bi-LSTM网络和CRF网络联合模型对所述词向量进行命名实体识别、分词和词性标注,输出对应的实体识别结果,所述实体识别结果为名词性主语和非名词性词语,所述名词性主语即包括疾病种类和疾病症状;
A3、对所述实体识别结果进行标签嵌入、关系抽取,输出非名词性词语的关系抽取结果,即诱因。
所述医疗知识图谱的构建具体如下:
B1、搭建图谱框架,所述图谱框架包括疾病知识库、检查检验知识库、症状知识库、药品知识库、身体部位知识库和手术知识库;
B2、数据采集,利用爬虫技术从数据库爬取医疗知识数据,所述数据库包括MongoDB、Cassandra、HBase、BerkeleyDB或ElasticSearch;
B3、利用自然语言处理平台和机器学习平台对所述医疗知识数据进行分类和学习,结合所述图谱框架,形成包含节点权重和相关性概率的医疗知识图谱。
所述实体连接层由分析模块、索引模块和评分模块组成,所述分析模块对所述实体抽取层的输出结果进行语法分析和语义分析;所述索引模块根据所述分析模块的结果从所述医疗知识图谱索引查询,输出备选实体;所述评分模块利用多维度评分器对所述备选实体进行评分排序,输出最终预测列表。
所述多维度评分器的评分维度包括字符串边界距离、拼音边界距离、Wordvec相似度以及同义词林相似度。
所述最终预测列表包括疑似疾病种类、推荐科室以及推荐检查项目。
本实施例以患者主诉“糖尿病导致左下肢感染”为例,将患者主诉生成文本后,所述实体抽取层对患者主诉进行词嵌入,生成词向量,然后经由Bi-LSTM网络和CRF网络实现实体抽取,得到实体如名词性主语如“B-疾病”、“B-症状”、“I症状”、“E症状”和非名词性词语O,标签嵌入和依存嵌入后进行关系抽取,得到非名词性词语O的主体为诱因,将得到的实体抽取结果,输入到实体连接层,实现与医疗知识图谱的连接,得到最终的预测分析列表,所述分析列表根据权重排序为:1、糖尿病;2、下肢感染;3、内分泌科;4、外科;5、血糖测试等,患者或工作人员可根据预测分析列表进行分诊挂号。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种基于医疗知识图谱的智能疾病预测系统,其特征在于:包括实体抽取层、实体连接层和医疗知识图谱,所述实体抽取层用于对患者主诉及患者特征进行实体识别和关系抽取,所述医疗知识图谱由医学概念、医学关系和医学证据组成,所述实体连接层根据所述实体抽取层的输出结果从所述医疗知识图谱中索引、分析、评分以得到最终预测列表。
2.如权利要求1所述的一种基于医疗知识图谱的智能疾病预测系统,其特征在于:所述实体抽取层由数据输入模块、神经网络模块组成,所述数据输入模块采用人工手动输入或语音输入患者特征及患者主诉从而生成文本,所述神经网络模块由Bi-LSTM网络和CRF网络组成,所述实体抽取层的输出结果由疾病种类、疾病症状和诱因组成。
3.如权利要求2所述的一种基于医疗知识图谱的智能疾病预测系统,其特征在于:所述实体识别和关系抽取的过程具体如下:
A1、对所述患者特征及患者主诉生成的文本进行词嵌入,生成词向量;
A2、利用Bi-LSTM网络和CRF网络联合模型对所述词向量进行命名实体识别、分词和词性标注,输出对应的实体识别结果,所述实体识别结果为名词性主语和非名词性词语,所述名词性主语即包括疾病种类和疾病症状;
A3、对所述实体识别结果进行标签嵌入、关系抽取,输出非名词性词语的关系抽取结果,即诱因。
4.如权利要求1所述的一种基于医疗知识图谱的智能疾病预测系统,其特征在于:所述医疗知识图谱的构建具体如下:
B1、搭建图谱框架,所述图谱框架包括疾病知识库、检查检验知识库、症状知识库、药品知识库、身体部位知识库和手术知识库;
B2、数据采集,利用爬虫技术从数据库爬取医疗知识数据,所述数据库包括MongoDB、Cassandra、HBase、BerkeleyDB或ElasticSearch;
B3、利用自然语言处理平台和机器学习平台对所述医疗知识数据进行分类和学习,结合所述图谱框架,形成包含节点权重和相关性概率的医疗知识图谱。
5.如权利要求2所述的一种基于医疗知识图谱的智能疾病预测系统,其特征在于:所述实体连接层由分析模块、索引模块和评分模块组成,所述分析模块对所述实体抽取层的输出结果进行语法分析和语义分析;所述索引模块根据所述分析模块的结果从所述医疗知识图谱索引查询,输出备选实体;所述评分模块利用多维度评分器对所述备选实体进行评分排序,输出最终预测列表。
6.如权利要求5所述的一种基于医疗知识图谱的智能疾病预测系统,其特征在于:所述多维度评分器的评分维度包括字符串边界距离、拼音边界距离、Wordvec相似度以及同义词林相似度。
7.如权利要求5所述的一种基于医疗知识图谱的智能疾病预测系统,其特征在于:所述最终预测列表包括疑似疾病种类、推荐科室以及推荐检查项目。
CN202011120010.0A 2020-10-19 2020-10-19 一种基于医疗知识图谱的智能疾病预测系统 Pending CN112151188A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011120010.0A CN112151188A (zh) 2020-10-19 2020-10-19 一种基于医疗知识图谱的智能疾病预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011120010.0A CN112151188A (zh) 2020-10-19 2020-10-19 一种基于医疗知识图谱的智能疾病预测系统

Publications (1)

Publication Number Publication Date
CN112151188A true CN112151188A (zh) 2020-12-29

Family

ID=73953277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011120010.0A Pending CN112151188A (zh) 2020-10-19 2020-10-19 一种基于医疗知识图谱的智能疾病预测系统

Country Status (1)

Country Link
CN (1) CN112151188A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112650860A (zh) * 2021-01-15 2021-04-13 科技谷(厦门)信息技术有限公司 一种基于知识图谱的电子病历智能检索系统
CN112951394A (zh) * 2021-03-10 2021-06-11 中电健康云科技有限公司 一种基于深度学习的医院分诊和预测医学检查项目的方法
CN113012780A (zh) * 2021-04-28 2021-06-22 云知声智能科技股份有限公司 智能随访中检查结果严重程度评级方法、装置及系统
CN113160964A (zh) * 2020-12-31 2021-07-23 上海明品医学数据科技有限公司 一种智能医学大脑模型建立系统、方法、服务系统及介质
CN113241172A (zh) * 2021-03-25 2021-08-10 边缘智能研究院南京有限公司 一种面向神经外科患者术后感染的icu判别系统
CN114300128A (zh) * 2021-12-31 2022-04-08 北京欧应信息技术有限公司 用于辅助疾病智能诊断的医学概念链接系统及存储介质
CN114664436A (zh) * 2022-04-01 2022-06-24 山东大学齐鲁医院 一种基于智能体决策的急救辅助系统
CN114783580A (zh) * 2022-06-20 2022-07-22 武汉博科国泰信息技术有限公司 一种医疗数据质量评估方法及系统
CN114969557A (zh) * 2022-07-29 2022-08-30 之江实验室 一种基于多来源信息融合的宣教推送方法和系统
CN114999634A (zh) * 2022-06-17 2022-09-02 神州医疗科技股份有限公司 基于预测模型的疾病预测方法和系统
CN115312183A (zh) * 2022-08-01 2022-11-08 安图实验仪器(郑州)有限公司 医学检验报告智能解读方法及系统
CN115563286A (zh) * 2022-11-10 2023-01-03 东北农业大学 一种基于知识驱动的奶牛疾病文本分类方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190035505A1 (en) * 2017-07-31 2019-01-31 Boe Technology Group Co., Ltd. Intelligent triage server, terminal and system based on medical knowledge base (mkb)
CN109346169A (zh) * 2018-10-17 2019-02-15 长沙瀚云信息科技有限公司 一种人工智能辅助诊疗系统及其构建方法、设备和存储介质
CN111192680A (zh) * 2019-12-25 2020-05-22 山东众阳健康科技集团有限公司 一种基于深度学习和集成分类的智能辅助诊断方法
CN111538845A (zh) * 2020-04-03 2020-08-14 肾泰网健康科技(南京)有限公司 一种构建肾病专科医学知识图谱的方法、模型及系统
CN111785368A (zh) * 2020-06-30 2020-10-16 平安科技(深圳)有限公司 基于医疗知识图谱的分诊方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190035505A1 (en) * 2017-07-31 2019-01-31 Boe Technology Group Co., Ltd. Intelligent triage server, terminal and system based on medical knowledge base (mkb)
CN109346169A (zh) * 2018-10-17 2019-02-15 长沙瀚云信息科技有限公司 一种人工智能辅助诊疗系统及其构建方法、设备和存储介质
CN111192680A (zh) * 2019-12-25 2020-05-22 山东众阳健康科技集团有限公司 一种基于深度学习和集成分类的智能辅助诊断方法
CN111538845A (zh) * 2020-04-03 2020-08-14 肾泰网健康科技(南京)有限公司 一种构建肾病专科医学知识图谱的方法、模型及系统
CN111785368A (zh) * 2020-06-30 2020-10-16 平安科技(深圳)有限公司 基于医疗知识图谱的分诊方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴斌: "《网络科学与计算》", 31 August 2019, 北京邮电大学出版社 *
唐子惠: "《医学人工智能导论》", 30 April 2020, 上海科学技术出版社 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160964A (zh) * 2020-12-31 2021-07-23 上海明品医学数据科技有限公司 一种智能医学大脑模型建立系统、方法、服务系统及介质
CN112650860A (zh) * 2021-01-15 2021-04-13 科技谷(厦门)信息技术有限公司 一种基于知识图谱的电子病历智能检索系统
CN112951394A (zh) * 2021-03-10 2021-06-11 中电健康云科技有限公司 一种基于深度学习的医院分诊和预测医学检查项目的方法
CN113241172A (zh) * 2021-03-25 2021-08-10 边缘智能研究院南京有限公司 一种面向神经外科患者术后感染的icu判别系统
CN113012780B (zh) * 2021-04-28 2024-03-29 云知声智能科技股份有限公司 智能随访中检查结果严重程度评级方法、装置及系统
CN113012780A (zh) * 2021-04-28 2021-06-22 云知声智能科技股份有限公司 智能随访中检查结果严重程度评级方法、装置及系统
CN114300128A (zh) * 2021-12-31 2022-04-08 北京欧应信息技术有限公司 用于辅助疾病智能诊断的医学概念链接系统及存储介质
CN114664436A (zh) * 2022-04-01 2022-06-24 山东大学齐鲁医院 一种基于智能体决策的急救辅助系统
CN114999634A (zh) * 2022-06-17 2022-09-02 神州医疗科技股份有限公司 基于预测模型的疾病预测方法和系统
CN114783580A (zh) * 2022-06-20 2022-07-22 武汉博科国泰信息技术有限公司 一种医疗数据质量评估方法及系统
CN114969557A (zh) * 2022-07-29 2022-08-30 之江实验室 一种基于多来源信息融合的宣教推送方法和系统
CN114969557B (zh) * 2022-07-29 2022-11-08 之江实验室 一种基于多来源信息融合的宣教推送方法和系统
CN115312183A (zh) * 2022-08-01 2022-11-08 安图实验仪器(郑州)有限公司 医学检验报告智能解读方法及系统
CN115563286A (zh) * 2022-11-10 2023-01-03 东北农业大学 一种基于知识驱动的奶牛疾病文本分类方法
CN115563286B (zh) * 2022-11-10 2023-12-01 东北农业大学 一种基于知识驱动的奶牛疾病文本分类方法

Similar Documents

Publication Publication Date Title
CN112151188A (zh) 一种基于医疗知识图谱的智能疾病预测系统
CN111274806B (zh) 分词和词性识别方法、装置及电子病历的分析方法、装置
CN114020768B (zh) 中文自然语言的sql语句生成模型的构建方法及应用
CN112786194A (zh) 基于人工智能的医学影像导诊导检系统、方法及设备
Matci et al. Address standardization using the natural language process for improving geocoding results
US11670420B2 (en) Drawing conclusions from free form texts with deep reinforcement learning
US10956463B2 (en) System and method for generating improved search queries from natural language questions
CN107705839A (zh) 疾病自动编码方法及系统
CN103646112B (zh) 利用了网络搜索的依存句法的领域自适应方法
CN111949759A (zh) 病历文本相似度的检索方法、系统及计算机设备
US9720962B2 (en) Answering superlative questions with a question and answer system
CN112241457A (zh) 一种融合扩展特征的事理知识图谱事件检测方法
CN113806563A (zh) 面向多源异构建筑人文史料的建筑师知识图谱构建方法
CN112541066B (zh) 基于文本结构化的医技报告检测方法及相关设备
CN112905764A (zh) 流行病咨询防治与培训系统构建方法及系统
US20130060793A1 (en) Extracting information from medical documents
CN112733547A (zh) 一种利用语义依存分析的中文问句语义理解方法
CN115080710A (zh) 一种自适应不同领域知识图谱的智能问答系统及其构建方法
CN112883172B (zh) 一种基于双重知识选择的生物医学问答方法
Satti et al. A semantic sequence similarity based approach for extracting medical entities from clinical conversations
Hao et al. The representation and extraction of qunatitative information
CN117057350A (zh) 中文电子病历命名实体识别方法和系统
CN116994689A (zh) 医疗数据的特征化处理方法、装置、设备、介质及产品
CN113761899A (zh) 一种医疗文本生成方法、装置、设备及存储介质
CN112669961A (zh) 一种基于大数据推理的智能分诊方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20231208