血液透析患者中医证候诊断知识图谱及辅助决策系统构建

这是一篇关于知识图谱,证候,证素,诊断,血液透析患者的论文, 主要内容为目的:设计实现中医知识图谱及辅助决策系统,包括中医证候诊断知识图谱,HD患者证候-证素权值矩阵,证候问卷分析系统,以及数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,为HD患者选择适宜的中医治法提供一些辨证参考。同时为医师提供一定的远程证候信息采集与临床辅助决策功能。方法:1.采用斯坦福大学医学院的领域本体七步法构建知识图谱模式层(本体),通过BILSTM-CRF模型[1]对知网、万方、维普既往文献以及山东省中医院病案系统既往病例中的非结构化的病案信息进行实体命名识别,将识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。2.通过图谱知识推理,获得病例证素信息,并进行证候证素进行频次及关联分析。3.对上一步获得的标准证候(症状体征)与证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。结合《证素辨证学》中证候-证素的通用权值,拓展HD患者证候-证素权值矩阵。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.设计证候问卷,将患者在问卷中选择的证候相关的矩阵行名输入,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,该证素即为证素诊断结果,将得出的证素组输入证素-证名诊断知识图谱,连结节点数量排名前三位的证名输出为证名结果。5.选用合适的应用框架将知识图谱与问卷分析结合,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于服务器实现服务提供。6.取病案数据库随机病案92例进行证名推荐准确率观察。结果:1.文献与医院病案系统中的非结构化的血透患者的医案文本,对医案数据进行分析后,总结出7个实体类型。通过BILSTM-CRF模型实现自动化命名实体识别,通过实体标注训练,该模型f1值0.92314。将人工检验过的识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,其中证候实体632种5009个,证名实体268种398个,病名12种398个,三元组9922个。通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,证候实体632个,证素实体53个,证名实体523个,治法实体96个,三元组4920个。通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。其中证候632种5641种,证名实体532种921个,证素实体53种1531个,治法实体96个,三元组16230。2.对文献来源病历与病案系统来源患者总计398例进行证素、证候频次统计得出表7、表8。病位证素肾与脾频次分别为319次与288次,为血透患者重要的病位证素,病性证素湿,气虚,阳虚,血瘀频次分别为301,294,152,143,为血透患者重要病性证素。倦怠乏力,久不欲食等气虚脾虚证候出现频率最高,分别为301次与216次。对证候-证素-证名进行关联分析后发现证素“肾”相关的证候苔白,腰酸,舌淡,无尿,脉沉,脉细,腰痛,倦怠乏力,水肿,久不欲食,舌苔腻,睡眠不实等症状支持度与置信度都相对最高。3.对获得的198个标准证候(症状体征)与39个证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。以《证素辨证学》中证候-证素的通用权值为基础,建立632个证候53个证素的通用权值矩阵。HD患者证候规范参考《证素辨证学》,规范后198个证候属于632个证候子集,39个证素亦属于53个证素子集。将其余434个证候与13个证素所在行列赋值为空矩阵,拓展HD患者证候-证素权值矩阵至632行53列。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.结合证素辨证学证候分类全面收集患者信息,设计证候问卷,共分为20个问题,每个问题后有若干选项,为多项选择,若无异常亦可不选,将患者在问卷中选择的症状汇总,在后台HD患者证候-证素权值矩阵中相关的矩阵行名赋值,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,依据朱文锋教授证素三级分类法,将权值14作为分界,单证素权值和超过14,输出证素名称,低于14,不计入,输出证素组即为证候的证素诊断结果5.采用开放源代码的Web应用框架Django+vue+d3v6实现前后端分离,问卷数据后端运算,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于腾讯云服务器实现服务提供。6.辅助决策结果准确率:测试共纳入血透患者医案92例。运用证候-证素问卷联合证素-证名知识图谱证名推荐系统,进行辅助辨证证名推荐,结果为,准确36例,基本准确32例,错误24例,模型准确率73.9%。结论:本文构建中医知识图谱辅助决策系统,包括数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,结果具有参考价值。

血液透析患者中医证候诊断知识图谱及辅助决策系统构建

这是一篇关于知识图谱,证候,证素,诊断,血液透析患者的论文, 主要内容为目的:设计实现中医知识图谱及辅助决策系统,包括中医证候诊断知识图谱,HD患者证候-证素权值矩阵,证候问卷分析系统,以及数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,为HD患者选择适宜的中医治法提供一些辨证参考。同时为医师提供一定的远程证候信息采集与临床辅助决策功能。方法:1.采用斯坦福大学医学院的领域本体七步法构建知识图谱模式层(本体),通过BILSTM-CRF模型[1]对知网、万方、维普既往文献以及山东省中医院病案系统既往病例中的非结构化的病案信息进行实体命名识别,将识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。2.通过图谱知识推理,获得病例证素信息,并进行证候证素进行频次及关联分析。3.对上一步获得的标准证候(症状体征)与证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。结合《证素辨证学》中证候-证素的通用权值,拓展HD患者证候-证素权值矩阵。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.设计证候问卷,将患者在问卷中选择的证候相关的矩阵行名输入,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,该证素即为证素诊断结果,将得出的证素组输入证素-证名诊断知识图谱,连结节点数量排名前三位的证名输出为证名结果。5.选用合适的应用框架将知识图谱与问卷分析结合,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于服务器实现服务提供。6.取病案数据库随机病案92例进行证名推荐准确率观察。结果:1.文献与医院病案系统中的非结构化的血透患者的医案文本,对医案数据进行分析后,总结出7个实体类型。通过BILSTM-CRF模型实现自动化命名实体识别,通过实体标注训练,该模型f1值0.92314。将人工检验过的识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,其中证候实体632种5009个,证名实体268种398个,病名12种398个,三元组9922个。通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,证候实体632个,证素实体53个,证名实体523个,治法实体96个,三元组4920个。通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。其中证候632种5641种,证名实体532种921个,证素实体53种1531个,治法实体96个,三元组16230。2.对文献来源病历与病案系统来源患者总计398例进行证素、证候频次统计得出表7、表8。病位证素肾与脾频次分别为319次与288次,为血透患者重要的病位证素,病性证素湿,气虚,阳虚,血瘀频次分别为301,294,152,143,为血透患者重要病性证素。倦怠乏力,久不欲食等气虚脾虚证候出现频率最高,分别为301次与216次。对证候-证素-证名进行关联分析后发现证素“肾”相关的证候苔白,腰酸,舌淡,无尿,脉沉,脉细,腰痛,倦怠乏力,水肿,久不欲食,舌苔腻,睡眠不实等症状支持度与置信度都相对最高。3.对获得的198个标准证候(症状体征)与39个证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。以《证素辨证学》中证候-证素的通用权值为基础,建立632个证候53个证素的通用权值矩阵。HD患者证候规范参考《证素辨证学》,规范后198个证候属于632个证候子集,39个证素亦属于53个证素子集。将其余434个证候与13个证素所在行列赋值为空矩阵,拓展HD患者证候-证素权值矩阵至632行53列。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.结合证素辨证学证候分类全面收集患者信息,设计证候问卷,共分为20个问题,每个问题后有若干选项,为多项选择,若无异常亦可不选,将患者在问卷中选择的症状汇总,在后台HD患者证候-证素权值矩阵中相关的矩阵行名赋值,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,依据朱文锋教授证素三级分类法,将权值14作为分界,单证素权值和超过14,输出证素名称,低于14,不计入,输出证素组即为证候的证素诊断结果5.采用开放源代码的Web应用框架Django+vue+d3v6实现前后端分离,问卷数据后端运算,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于腾讯云服务器实现服务提供。6.辅助决策结果准确率:测试共纳入血透患者医案92例。运用证候-证素问卷联合证素-证名知识图谱证名推荐系统,进行辅助辨证证名推荐,结果为,准确36例,基本准确32例,错误24例,模型准确率73.9%。结论:本文构建中医知识图谱辅助决策系统,包括数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,结果具有参考价值。

基于数据挖掘的小细胞肺癌患者中医证素提取及智能辨证的探索研究

这是一篇关于小细胞肺癌,电子病案,证素,人工神经网络,智能辨证的论文, 主要内容为研究目的:在中医理论指导下,借助本研究所纳入的小细胞肺癌患者的临床资料,通过规范中医临床症状及证候术语的使用,采用信息技术手段构建中西医结合的恶性肿瘤专科电子病案系统,进而结合小细胞肺癌证候分布研究,将临床所遇到的中医证型及其相关因素与症状相结合,采用人工智能机器学习算法,建立小细胞肺癌智能辨证模型。研究方法:①在恶性肿瘤中医临床症状术语规范化研究的基础上,结合中医临床诊断所必需的患者基础信息、疾病基础信息、诊疗经过、相关检查及刻下症等信息,设计符合中医肿瘤医生临床诊疗习惯的恶性肿瘤专科电子病案系统业务框架。②采用MySQL建立数据库结构,将规范好的症状及证候术语分别建成数据字典并维护症状-证候术语关联关系,同时构建用户表、患者信息表、疾病信息表、就诊表、检验检查表等,使系统在数据层面有良好的逻辑性和可扩展性以备研究深入优化。采用Vue搭建系统前端框架,建成可自适应PC端、手机端不同浏览器及不同屏幕大小的友好操作界面。采用node.js进行数据交互,保障系统稳定性及数据传输效率。③使用以上恶性肿瘤电子病案系统采集患者诊疗信息并导出报表,采用SPSS23.0软件对导出的本研究所纳入的小细胞肺癌患者临床症状作系统聚类分析以提取中医证素,因症状信息的“有”和“无”为二分类变量,故选用系统聚类二分类变量中的Phi4点相关法进行聚类。④借助所纳入小细胞肺癌患者的临床资料,分析现有研究中未曾分析到的可能影响中医证候的因素包括患者是否已手术、是否已化疗、是否已放疗、是否已免疫治疗、是否已靶向治疗、性别、年龄、吸烟史、KPS评分、肿瘤分期、远处转移情况等对小细胞肺癌患者证候分布产生的影响。该类数据属于四格表资料,故选用卡方检验或Fisher精确概率法进行统计分析。⑤采用SPSS23.0的神经网络-多层感知器依次对中医临床症状、其它影响因素、中医临床症状+其它影响因素作为特征因子,都以辨证结果即单证组合作为目标因变量构建神经网络模型,以训练集和测试集的准确率和受试者工作特性曲线ROC曲线下面积AUC评估模型优劣。研究结果:①建成恶性肿瘤专科电子病案系统,可实现患者信息采集、辅助中医辨证、病程回顾及实时跟踪随访,并导出SPSS等统计软件能直接分析的数据格式。②通过恶性肿瘤电子病案系统收集符合纳排标准的小细胞肺癌患者286例。经统计分析,患者出现的症状条目共182条,出现频率排名前十的症状依次为苔黄、舌暗、倦怠乏力、舌紫、脉弦、咳嗽、苔薄、脉数、脉细、食欲不振;舌脉排名前十的依次是苔黄、舌暗、舌紫、脉弦、苔薄、脉数、脉细、苔白、舌红、舌下络脉粗;除舌脉外出现频率排名前十的症状依次为倦怠乏力、咳嗽、食欲不振、失眠、气短、咳白痰、胸闷、口干、大便干结、恶心。③对所纳入的286例小细胞肺癌患者的临床症状进行聚类分析,共得到26个大类。第1类:自汗,盗汗,失眠,爪甲唇舌色淡,面色淡白,呕吐痰涎,背酸痛;第2类:低热,肢体寒冷,胁肋刺痛,背灼痛,下肢酸痛;第3类:潮热,眵黏量多,气短,胸闷,上肢隐痛;第4类:五心烦热,夜间发热,易感冒,神疲,倦怠乏力,嗜睡,多梦,神志昏乱,健忘,声低,动作迟缓,语言错乱,情绪抑郁,精神萎靡,烦躁易怒,面色萎黄,头身困重,听力减退,耳鸣,视物易疲劳,视力减退,目赤,牙龈肿痛或溃烂,口苦,口干,渴不欲饮,胃脘痞闷,食欲不振,半身不遂,肢体活动不利,恶心,呕吐,夜尿频,大便次数减少,排便无力;第5类:恶风,偏头痛,咽痒,痰难咯出,大便稀溏,大便次数增加,背刺痛,上肢酸痛;第6类:畏寒喜暖,流清涕,咽干,口鼻、咽喉、唇舌、皮肤干燥,舌边尖红,胸冷痛;第7类:消瘦,目干涩,咯血,口眼歪斜,胸腔积液,心包积液,便血,下肢胀痛;第8类:心悸,口臭,胃脘隐痛,腰胀痛;第9类:懒言,头绞痛,咳逆气喘,水肿,干呕,小便短少,脉虚无力;第10类:喜太息,头晕,咽痛,口舌溃疡,肢体震颤;第11类:耳聋,声音嘶哑,裂纹舌,舌少津;第12类:视物模糊,咳嗽,咳粘痰,咳白痰,咳声重着,尿黄,胸胀痛,背胀痛,腰酸痛,上肢胀痛;第13类:口黏,咳痰清稀,腰膝酸软,小便不利,尿痛,大便干结,久泻,舌胖,苔厚,苔腻,胁肋窜痛,下肢刺痛;第14类:口渴喜凉饮,腹胀,小便频数,腹胀痛,上肢刺痛;第15类:口淡,齿痕舌,舌紫,苔薄,苔白,脉弦,脉数,脉细,头刺痛;第16类:渴欲饮水,舌少苔,脉滑;第17类:干咳无痰,头窜痛,胸窜痛,胃脘窜痛,背窜痛,腹窜痛,上肢窜痛,下肢窜痛;第18类:咳黄痰,胃胀,胸灼痛,胃脘胀痛;第19类:喉间痰鸣,头隐痛,胸刺痛,胃脘刺痛;第20类:胁肋不适,嗳气,肢体拘挛,头胀痛,胁肋胀痛;第21类:胃中嘈杂,反酸,呃逆,肢体麻木,大便黏,矢气多,舌淡,脉结代,胁肋隐痛,腰隐痛;第22类:痈疮疖肿,皮疹,皮肤瘙痒,手足蜕皮,舌暗,舌红,舌有瘀斑,苔黄,舌下络脉粗,项刺痛;第23类:项隐痛,背隐痛;第24类:胸隐痛,腹隐痛,下肢隐痛;第25类:背冷痛;第26类:腰刺痛。④对所纳入的286例小细胞肺癌患者是否已手术、是否已化疗、是否已放疗、是否已免疫治疗、是否已靶向治疗等因素对证候分布产生影响的研究表明:胆痰证、肾阳虚证、胆实热证、肝阴虚证、心血瘀证的分布在是否经过手术的患者之间存在统计学意义上的差异(P<0.05),血瘀证、肝阴虚证、气滞证、血热证的分布在是否经过化疗的患者之间存在统计学意义上的差异(P<0.05),肺实热证、气滞证的分布在是否经过放疗的患者之间存在统计学意义上的差异(P<0.05),实热证、心血虚证、脑血瘀证、心血瘀证的分布在是否经过免疫治疗的患者之间存在统计学意义上的差异(P<0.05),各证型的分布在是否经过靶向治疗的患者间均无统计学意义上的差异(P>0.05)。对其它影响因素与证型关系的研究表明:SCLC患者的证型分布在不同性别、年龄、吸烟史、KPS评分、肿瘤TNM分期、远处转移等情况的患者之间存在统计学意义上的差异(P<0.05)。⑤以小细胞肺癌临床症状为特征因子,以单证组合为目标因变量建立的神经网络模型隐藏层包含19个单元,训练集准确率95.7%,测试集准确率93.4%。以性别、年龄、吸烟史、肿瘤TNM分期、远处转移情况、KPS评分、是否手术、是否化疗、是否放疗、是否免疫治疗等与证型分布有关的指标为特征因子,以单证组合为目标因变量建立的神经网络模型隐藏层包含17个单元,训练集准确率91.4%,测试集准确率90.3%。以小细胞肺癌临床症状联合性别、年龄、吸烟史、肿瘤TNM分期、远处转移情况、KPS评分、是否手术、是否化疗、是否放疗、是否免疫治疗等与证型分布有关的指标为特征因子建立的神经网络模型隐藏层包含18个单元,模型训练集准确率95%,测试集准确率92.5%。研究结论:①恶性肿瘤专科电子病案系统在临床和科研中都可起到很好的辅助作用,能够提升中医临床诊疗效率,实时跟踪回访,并可提供优质的科研数据。②小细胞肺癌患者临床症状表现多样,且多数患者表现为全身症状。通过聚类分析可以看出,SCLC患者的临床症状之间关系复杂,分类层次较多,最终聚出的26个大类中很多还可拆分小类,许多大类都同时包含了不同的证型信息,且分布并不集中。因而沿用传统的四字八字证候描述无法将这些症状包含的信息全部囊括其中,这样也就无法反映患者病情的全貌。从病位证素和病性证素的提取结果也可以看出,多种证素很可能同时出现在一个患者身上,而仅通过聚类分析尚无法得出每个患者分别呈现了哪些证型的组合,因此,要全面描述患者病情,需要通过电子病案系统记录的原始症状信息结合既往研究形成的详细诊断标准及临床经验,完整描述患者证素组合,从而更精确的诊断治疗。③通过不同治疗方式对证型分布影响的研究可知,SCLC患者的中医证型与其是否接受手术、是否化疗、是否放疗、是否免疫治疗有关,而与是否接受过靶向治疗无关。通过其它因素对证型分布的影响研究可知,SCLC患者的中医证型与性别、年龄、吸烟史、KPS评分、肿瘤TNM分期、远处转移等情况有关,而与VALG分期无关。④人工神经网络算法,能够建立准确率较高的中医智能辨证模型,为小细胞肺癌中医临床诊断提供参考依据。以中医临床症状、其它影响证型的因素、中医临床症状+其它影响证型的因素作为特征因子建立的三个模型的训练集和测试集整体准确率都大于90%。无论患者临床症状是否明显,均可通过神经网络模型得出较为准确的中医辨证。

血液透析患者中医证候诊断知识图谱及辅助决策系统构建

这是一篇关于知识图谱,证候,证素,诊断,血液透析患者的论文, 主要内容为目的:设计实现中医知识图谱及辅助决策系统,包括中医证候诊断知识图谱,HD患者证候-证素权值矩阵,证候问卷分析系统,以及数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,为HD患者选择适宜的中医治法提供一些辨证参考。同时为医师提供一定的远程证候信息采集与临床辅助决策功能。方法:1.采用斯坦福大学医学院的领域本体七步法构建知识图谱模式层(本体),通过BILSTM-CRF模型[1]对知网、万方、维普既往文献以及山东省中医院病案系统既往病例中的非结构化的病案信息进行实体命名识别,将识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。2.通过图谱知识推理,获得病例证素信息,并进行证候证素进行频次及关联分析。3.对上一步获得的标准证候(症状体征)与证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。结合《证素辨证学》中证候-证素的通用权值,拓展HD患者证候-证素权值矩阵。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.设计证候问卷,将患者在问卷中选择的证候相关的矩阵行名输入,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,该证素即为证素诊断结果,将得出的证素组输入证素-证名诊断知识图谱,连结节点数量排名前三位的证名输出为证名结果。5.选用合适的应用框架将知识图谱与问卷分析结合,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于服务器实现服务提供。6.取病案数据库随机病案92例进行证名推荐准确率观察。结果:1.文献与医院病案系统中的非结构化的血透患者的医案文本,对医案数据进行分析后,总结出7个实体类型。通过BILSTM-CRF模型实现自动化命名实体识别,通过实体标注训练,该模型f1值0.92314。将人工检验过的识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,其中证候实体632种5009个,证名实体268种398个,病名12种398个,三元组9922个。通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,证候实体632个,证素实体53个,证名实体523个,治法实体96个,三元组4920个。通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。其中证候632种5641种,证名实体532种921个,证素实体53种1531个,治法实体96个,三元组16230。2.对文献来源病历与病案系统来源患者总计398例进行证素、证候频次统计得出表7、表8。病位证素肾与脾频次分别为319次与288次,为血透患者重要的病位证素,病性证素湿,气虚,阳虚,血瘀频次分别为301,294,152,143,为血透患者重要病性证素。倦怠乏力,久不欲食等气虚脾虚证候出现频率最高,分别为301次与216次。对证候-证素-证名进行关联分析后发现证素“肾”相关的证候苔白,腰酸,舌淡,无尿,脉沉,脉细,腰痛,倦怠乏力,水肿,久不欲食,舌苔腻,睡眠不实等症状支持度与置信度都相对最高。3.对获得的198个标准证候(症状体征)与39个证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。以《证素辨证学》中证候-证素的通用权值为基础,建立632个证候53个证素的通用权值矩阵。HD患者证候规范参考《证素辨证学》,规范后198个证候属于632个证候子集,39个证素亦属于53个证素子集。将其余434个证候与13个证素所在行列赋值为空矩阵,拓展HD患者证候-证素权值矩阵至632行53列。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.结合证素辨证学证候分类全面收集患者信息,设计证候问卷,共分为20个问题,每个问题后有若干选项,为多项选择,若无异常亦可不选,将患者在问卷中选择的症状汇总,在后台HD患者证候-证素权值矩阵中相关的矩阵行名赋值,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,依据朱文锋教授证素三级分类法,将权值14作为分界,单证素权值和超过14,输出证素名称,低于14,不计入,输出证素组即为证候的证素诊断结果5.采用开放源代码的Web应用框架Django+vue+d3v6实现前后端分离,问卷数据后端运算,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于腾讯云服务器实现服务提供。6.辅助决策结果准确率:测试共纳入血透患者医案92例。运用证候-证素问卷联合证素-证名知识图谱证名推荐系统,进行辅助辨证证名推荐,结果为,准确36例,基本准确32例,错误24例,模型准确率73.9%。结论:本文构建中医知识图谱辅助决策系统,包括数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,结果具有参考价值。

血液透析患者中医证候诊断知识图谱及辅助决策系统构建

这是一篇关于知识图谱,证候,证素,诊断,血液透析患者的论文, 主要内容为目的:设计实现中医知识图谱及辅助决策系统,包括中医证候诊断知识图谱,HD患者证候-证素权值矩阵,证候问卷分析系统,以及数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,为HD患者选择适宜的中医治法提供一些辨证参考。同时为医师提供一定的远程证候信息采集与临床辅助决策功能。方法:1.采用斯坦福大学医学院的领域本体七步法构建知识图谱模式层(本体),通过BILSTM-CRF模型[1]对知网、万方、维普既往文献以及山东省中医院病案系统既往病例中的非结构化的病案信息进行实体命名识别,将识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。2.通过图谱知识推理,获得病例证素信息,并进行证候证素进行频次及关联分析。3.对上一步获得的标准证候(症状体征)与证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。结合《证素辨证学》中证候-证素的通用权值,拓展HD患者证候-证素权值矩阵。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.设计证候问卷,将患者在问卷中选择的证候相关的矩阵行名输入,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,该证素即为证素诊断结果,将得出的证素组输入证素-证名诊断知识图谱,连结节点数量排名前三位的证名输出为证名结果。5.选用合适的应用框架将知识图谱与问卷分析结合,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于服务器实现服务提供。6.取病案数据库随机病案92例进行证名推荐准确率观察。结果:1.文献与医院病案系统中的非结构化的血透患者的医案文本,对医案数据进行分析后,总结出7个实体类型。通过BILSTM-CRF模型实现自动化命名实体识别,通过实体标注训练,该模型f1值0.92314。将人工检验过的识别结果嵌入本体层构建血透患者证候-证名-病名知识图谱,其中证候实体632种5009个,证名实体268种398个,病名12种398个,三元组9922个。通过D2R技术对《中医诊断学》、《中医临床诊疗术语证候部分》、《证素辨证学》中的已有的结构化信息实现数据清洗与转化,构建中医证候-证素-证名知识图谱,证候实体632个,证素实体53个,证名实体523个,治法实体96个,三元组4920个。通过对上述两个知识图谱进行本体融合获得血透患者证候-证素-证名知识图谱。其中证候632种5641种,证名实体532种921个,证素实体53种1531个,治法实体96个,三元组16230。2.对文献来源病历与病案系统来源患者总计398例进行证素、证候频次统计得出表7、表8。病位证素肾与脾频次分别为319次与288次,为血透患者重要的病位证素,病性证素湿,气虚,阳虚,血瘀频次分别为301,294,152,143,为血透患者重要病性证素。倦怠乏力,久不欲食等气虚脾虚证候出现频率最高,分别为301次与216次。对证候-证素-证名进行关联分析后发现证素“肾”相关的证候苔白,腰酸,舌淡,无尿,脉沉,脉细,腰痛,倦怠乏力,水肿,久不欲食,舌苔腻,睡眠不实等症状支持度与置信度都相对最高。3.对获得的198个标准证候(症状体征)与39个证素,参考朱文峰教授双层频权减叉算法,计算各证候证素权值,并进行权值简化,证候作为行名,证素作为列名,构建初步HD患者证候-证素权值矩阵。以《证素辨证学》中证候-证素的通用权值为基础,建立632个证候53个证素的通用权值矩阵。HD患者证候规范参考《证素辨证学》,规范后198个证候属于632个证候子集,39个证素亦属于53个证素子集。将其余434个证候与13个证素所在行列赋值为空矩阵,拓展HD患者证候-证素权值矩阵至632行53列。之后将通用与HD患者两权值矩阵相加,得到最终的HD患者证候-证素权值矩阵。4.结合证素辨证学证候分类全面收集患者信息,设计证候问卷,共分为20个问题,每个问题后有若干选项,为多项选择,若无异常亦可不选,将患者在问卷中选择的症状汇总,在后台HD患者证候-证素权值矩阵中相关的矩阵行名赋值,将矩阵中非输入行的子块赋值为空矩阵,对矩阵所有行按列求和,将列值和进行从大到小排序,大于诊断阈值输出列名,也就是证素,依据朱文锋教授证素三级分类法,将权值14作为分界,单证素权值和超过14,输出证素名称,低于14,不计入,输出证素组即为证候的证素诊断结果5.采用开放源代码的Web应用框架Django+vue+d3v6实现前后端分离,问卷数据后端运算,使问卷分析结果经过知识图谱的知识推理后,动态展示于前端,将系统运行于腾讯云服务器实现服务提供。6.辅助决策结果准确率:测试共纳入血透患者医案92例。运用证候-证素问卷联合证素-证名知识图谱证名推荐系统,进行辅助辨证证名推荐,结果为,准确36例,基本准确32例,错误24例,模型准确率73.9%。结论:本文构建中医知识图谱辅助决策系统,包括数据库、数据管理、数据处理、数据可视化等功能模块,实现从问卷到辅助诊断到辅助诊断结果图谱展示的过程,结果具有参考价值。