(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210117741.2 (22)申请日 2022.02.08 (71)申请人 吾征智能技 术 （北京） 有限公司 地址 100000 北京市海淀区西三 旗沁春家 园1号楼、 2号楼、 3号楼3层3 01-3045室 (72)发明人 李宗博　李平　杜小军　陈伯怀　 杜乐　 (74)专利代理 机构 武汉红观 专利代理事务所 (普通合伙) 42247 专利代理师 赵志汝 (51)Int.Cl. G16H 50/20(2018.01) G16H 15/00(2018.01) G06N 3/08(2006.01) G06K 9/62(2022.01)G06F 16/36(2019.01) G06N 3/04(2006.01) (54)发明名称 一种中医疾病辅助诊断系统、 设备及 存储介 质 (57)摘要 本发明提出了一种中医疾病辅助诊断系统、 设备及存储介质， 数据获取模块获取用户相关中 医病案关联文本信息； 实体知识获取模块通过 BiLSTM‑CRF模型自动获取关联文本信息中文本 内的实体知识； 知识图谱模块构建医诊疗知 识图 谱数据库； 中医诊断计算模块计算实体知识和知 识图谱中中医疾病症状节点的余弦相似度， 得到 最相关的中医疾病名称； 检查图像识别模块识别 同一个用户的生化检查图像单据， 输出为标准统 一的数据； 辩证 分型辅助模块将检查图像识别模 块输出的数据进行辩证分型预测； 疾病分析报告 模块根据疾病辩证分型结果生成疾病风险报告 与诊疗建议。 本发明实现了将西医人体生物特征 客观数据与中医疾病精准诊断进行有效结合， 发 挥西医客观指标数据的辅助作用。 权利要求书2页 说明书7页 附图1页 CN 114512228 A 2022.05.17 CN 114512228 A 1.一种中医疾病辅助诊断系统， 其特征在于， 所述一种中医疾病辅助诊断系统包括以 下模块： 数据获取模块： 用于获取用户相关中医病案关联文本信息， 所述关联文本信息包括用 户就诊时， 医生记录的望闻问切的病案信息， 所述病案信息包括患者自身信息、 舌象信息、 面色信息、 声 音信息、 脉搏信息以及详细症状描述； 实体知识获取模块： 用于通过BiLSTM ‑CRF模型对所述关联文本信息实现文本内的实体 知识的自动获取； 知识图谱模块： 用于构建中医诊疗知识图谱数据库， 所述中医诊疗知识图谱包括： 中医 疾病名称、 中医疾病症状、 中医疾病简介、 药膳、 中药方剂、 西医疾病名称、 中医疾病病案的 节点， 存储中西 医疾病名称、 中医疾病与中医症状、 中医疾病与基本病案、 中医疾病与疾病 分型、 分型疾病与药膳、 分型疾病与方剂的关联关系； 中医诊断计算模块： 用于对所述实体知识获取模块中的实体知识和所述知识图谱模块 中的知识图谱， 使用VS M编码表示， 计算所述 实体知识和知识图谱中中医疾病症状节点的余 弦相似度， 进 而得出用户最相关的中 医疾病名称； 检查图像识别模块： 用于识别用户的生化检查图像单据， 输出为标准格 式、 统一纬度的 的文本型及数值型 数据； 辩证分型辅助模块： 用于通过基于卷积神经网络构建多分类模型， 将检查图像识别模 块输出的数据进行 辩证分型 预测； 疾病分析报告模块： 用于根据辩证分型辅助模块计算出的疾病辩证分型结果生成疾病 风险报告与诊疗建议。 2.如权利要求1所述的一种中医疾病辅助诊断系统， 其特征在于， 所述实体知识具体包 括： 患者身份信息： 包括 性别、 年龄； 诊疗信息： 包括疾病部位、 面色、 舌象、 脉搏、 声音、 作息、 饮食、 中医疾病症状、 疾病持续 时间。 3.如权利要求2所述的一种中 医疾病辅助诊断系统， 其特 征在于， 所述实体知识获取模块获取所述关联文本信息中的中医疾病症状时， 根据所述 BiLSTM‑CRF模型中的BiLSTM层输出每个标签 即中医疾病症状的分数， 并设置所述分数为权 重， 用以划分主症和辅症； 所述CRF层对于输入序列X对应的输出tag序列y， 定义分数为score， 其中每一个score 对应一个完整的路径； 利用维特比算法进 行预测， 求解最优路径， 最优的路径即输出序列的 最后预测结果， 所述 最后预测结果 为每个词映射到标签的概 率值。 4.如权利要求1所述的一种中 医疾病辅助诊断系统， 其特 征在于， 所述知识图谱中的节点和关联关系存 储于Neo4j图形数据库内。 5.如权利要求1所述的一种中 医疾病辅助诊断系统， 其特 征在于， 所述中医诊断计算模块将实体知识获取模块获取的实体知识词语转换为空间向量Vd＝ D(d1,d2,…dn)， 其中n表示向量维度， dn表示第n维特 征词语； 所述中医诊断计算模块将所述知识图谱模块中的中医疾病与中医症状、 中医疾病与基 本病案关联关系转换为空间向量集合K＝{k1,k2,…km}， km表示第m个中医疾病对应的空间权　利　要　求　书 1/2 页 2 CN 114512228 A 2向量即T(t1,t2,…tn)， 分别计算Vd与向量集合K内各向量的余弦相似度， 其中相似度最大值 对应的中医疾病视为根据实体知识获取模块获取的实体知识推理得到的最相关的中医疾 病名称。 6.如权利要求1所述的一种中 医疾病辅助诊断系统， 其特 征在于， 所述检查图像识别模块将生化检查单据图像转化为灰度图， 判断灰度图中文本区域中 字符排列方向是否为横向， 若为横向则对每个单行文本区域图像 自动判断前景颜色， 得到 二值图像； 对二值图像进行切分得到字符片段序列； 对切分后的单行二值图像进行文本行 识别； 按检测项目名称， 检测值以二元组格式分组， 以jso n格式返回数据； 其中图像识别前对于检测值非数值化的异常情况需进行智能处理， 如升高、 降低等以 符号箭头表示的检测值应进行遮挡变换， 切换成 “0” “1”表示。 7.如权利要求6所述的一种中 医疾病辅助诊断系统， 其特 征在于， 所述辩证分型辅助模块定向收集所述中医疾病下各个证型的生物体征数据， 进行分型 预测， 在所述网络模型训练时输入中医疾病 下各证型对应的生物体征指标数据， 对所述指 标数据进行线性 函数归一 化处理； 构建卷积神经网络模型， 包括1个输入层、 5个卷积层、 5个池化层、 1个全连接层和1个输 出分类层； 所述卷积神经网络模型中第一层卷积层卷积核尺寸为5*5， 其它卷积层卷积核尺 寸为3*3， 激活函数采用不饱和非线性函数f(x)＝max(0,x)； 池化层尺寸为1*2， 采用最大降 采样方法； 全连接层的神经元个数为512； 输出层 使用Softmax分类器， 输出得到所述中医疾 病下各证型类型的全部概 率； 随机初始化卷积神经网络模型参数， 利用构建的多分类模型对训练样本集数据进行学 习训练， 样本标签为中 医疾病辩证分型； 采用交叉熵代价函数 利用Adam方法更新 参数优化所述卷积神经网络模型， 其中j为输出向量数目； y为目标输出向量； x为实际输出 向量； 使用优化好的卷积神经网络模型对所述检查图像识别模块返回的同一个用户的json 格式数据进行 辩证分型 预测。 8.如权利要求6所述的一种中 医疾病辅助诊断系统， 其特 征在于， 所述疾病分析报告模块根据中医疾病下的辩证分型结果， 所检索图谱数据库疾病分型 下的关联内容， 得到该结果对应的关联药膳、 中药方剂， 生成 中医疾病风险报告与诊疗建议 并且推送。 9.一种电子设备， 其特征在于， 包括至少一个处理器、 至少一个存储器、 通信接口和总 线； 其中， 所述处理器、 存储器、 通信接口通过所述总线完成相互间的通信； 所述存储器存储 有可被所述处理器执行的一种中医疾病辅助诊断系统工作程序， 一种中医疾病辅助诊断系 统方法程序配置为实现如权利要求1至8任一项的一种中 医疾病辅助诊断系统工作程序。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质上存储有一种中医疾病辅助 诊断系统工作程序， 所述一种中医疾病辅助诊断系统工作程序被执行时实现如权利要求1 至8中任一项的一种中 医疾病辅助诊断系统工作程序。权　利　要　求　书 2/2 页 3 CN 114512228 A 3