(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 202210259321.8 (22)申请日 2022.03.16 (71)申请人 南京海彬信息科技有限公司 地址 210012 江苏省南京市雨 花台区凤 展 路30号2幢15层C2-15 08 (72)发明人 喻飞　朱晓清　俞佳雯　陆岚怡　 (74)专利代理 机构 南京司南专利代理事务所 (普通合伙) 32431 专利代理师 于淼 (51)Int.Cl. G16H 50/20(2018.01) G06F 16/35(2019.01) G06F 16/36(2019.01) (54)发明名称 一种基于医疗知识图谱的智能诊断辅助系 统 (57)摘要 一种基于医疗知识图谱的智能诊断辅助系 统， 属于医疗诊断领域。 为了解决传统的医疗诊 断系统难以整合信息， 不仅造成医疗信息的大量 浪费， 而且不能进行有效的辅助诊断， 就诊效率 低下， 不能进行有效的智 能分诊预测， 容易给患 者产生就诊的负担以及医院的运行负担， 工作效 率低下， 不能及时快速的给出相应的就诊结果， 影响了诊断的准确率。 克服了 现有的医疗数据孤 岛的问题， 实现了常见疾病的智 能辅助诊断， 提 高了就诊的效率， 为医生提供较高可信度的辅助 诊断， 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， 通过人为纠错逐渐提高对患者 信息进行综合数据分析诊断辅助系统诊断准确 率。 权利要求书3页 说明书9页 附图6页 CN 114639479 A 2022.06.17 CN 114639479 A 1.一种基于医疗知识图谱的智能诊断辅助系统， 包括智能诊断系统(5)， 其特征在于， 所述智能诊断系统(5)内设有患者数据层(1)、 实体抽取层(2)、 辅助诊断层(3)和推荐治疗 层(4)， 患者数据层(1)的输出端与实体抽取层(2)的输入端连接， 实体抽取层(2)的输出端 与辅助诊断层(3)的输入端连接， 辅助诊断层(3)的输出端与推荐 治疗层(4)的输入端连接； 其中， 所述患者数据层(1)包括信息采集模块(11)、 信息存储模块(12)和病历生成模块 (13)； 其中， 所述实体抽 取层(2)包括信息提取模块(21)、 信息识别模块(22)、 信息输出模块 (23)和医疗知识图谱(24)； 其中， 所述辅助诊断层(3)包括信息处理模块(31)、 自动诊断模块(32)和推荐检查模块 (33)； 其中， 所述推荐治疗层(4)包括治疗方案生成模块(41)、 个性化推荐模块(42)和信息整 合模块(43)。 2.如权利要求1所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 信息采集模块(11)的输出端与信息存储模块(12)的输入端 连接， 信息存储模块(12)的输出 端与病历生成模块(13)的输出端连接， 病历生成模块(13)的输出端与实体抽取层(2)的输 入端连接。 信息采集模块(11)内设有数据输入模块， 数据输入模块采用人工手动输入或语 音输入患者主诉从而生成文本， 实体抽取层(2)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1所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 信息采集模块(11)采集包括患者ID、 性别、 年龄、 病种、 病史、 禁忌、 重点生活环 境， 重点生活 环境作为评价依据将病患患有目标疾病的概率量化为极易， 患者信息是病历学习系统中患 者信息与目标疾病之间映射关系的 “阈值”以及初始构建映射关系的训练集。 4.如权利要求1所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 信息提取模块(21)的输出端与信息识别模块(22)输入端 连接， 信息识别模块(22)的输出端 与信息输出模块(23)的输入端 连接， 信息输出模块(23)的输出端与医疗知识图谱(2 4)的输 入端连接， 医疗知识图谱(24)的输出端与辅助诊断层(3)的输入端连接 。 5.如权利要求4所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 信息提取模块(21)用来从患者数据层(1)中提取患者的病历信息， 信息识别模块(22)用来 对患者数据层(1)提取的信息进行诊断分析， 分析的结果通过信息输出模块(23)输出至医 疗知识图谱(24)内， 医疗知识图谱(24)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,医疗知识图谱(2 4)是基于三元 组的表示方式， 包 括症状、 疾病、 部位、 药品、 科室、 人群基本实体信息， 并同时按照性别进 行分类， 以及 包括部 位症状关系、 部位疾病关系、 症状疾病关系、 疾病科室关系、 药品疾病关系、 药品症状关系、 药品人群关系， 实体和关系的提取采用基于实体字典、 实体规则和模式匹配的方法， 并实现 症状与疾病关系的量化， 医疗知识图谱(2 4)必须清晰易懂， 因此需要 过滤部分次要信息， 提 取主要信息， 并对结果随机排序。 6.如权利要求1所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 信息处理模块(31)的输出端与自动诊断模块(32)的输入端 连接， 自动诊断模块(32)的输出 端与推荐检查模块(33)的输入端连接， 推荐检查模块(33)的输出端与推荐治疗层(4)的输权　利　要　求　书 1/3 页 2 CN 114639479 A 2入端连接,信息处理模块(31)包括信息对比模块(311)和信息分析模块(312)， 信息对比模 块(311)的输出端与信息分析模块(312)的输入端连接， 信息对比模块(311)将实体抽取层 (2)提取的患者信息进行对比， 并通过信息分析模块(312)对患者信息进行分析， 自动诊断 模块(32)诊断出患者的所存在疑似疾病， 并通过推荐检查模块(33)给出相应的推荐检查列 表。 7.如权利要求1所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 治疗方案生成模块(41)的输出端与个性化推荐模块(42)的输入端连接， 个性化推荐模块 (42)的输出端与信息整合模块(43)的输入端连接 。 8.如权利要求7所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 所述 治疗方案生成模块(4 1)用于根据检查报告的结果和医生的诊断结果生 成初步治疗方案， 个 性化推荐模块(42)用于根据患者基本信息和医生诊断结果查找相似患者人群的治疗模式 生成个性化推荐， 信息整合模块(43)用于利用线性模型融合技术将治疗方案和个性化推荐 整合得到最终的治疗方案治疗。 9.如权利要求8所述的一种基于 医疗知识图谱的智能诊断辅助系统， 其特征在于， 治疗 方案生成模块(41)生成治疗方案包括如下步骤： 获取患者的检查结果和医生的治疗方案； 对所述检查结果检查分析， 确定检查结果的项数和每项检查结果的疾病特 征； 根据所述项数对所述治疗方案进行治疗子方案划分， 并将所述疾病特征和治疗子方案 进行适配， 确定每项检查结果的疾病特 征对应的适配值； 将所述适配值作为第一治疗标准 参数； 根据患者的检查结果， 通过 大数据获取推荐 治疗方案； 其中， 所述推荐 治疗方案不低于2个； 对所述推荐治疗方案按照所述项目进行推荐治疗子方案划分， 并将所述疾病特征和推 荐治疗子方案进行适配， 确定每项检查结果的疾病特 征对应的二次放方案适配值； 其中， 所述每个疾病特 征对应的二次方案适配值 不低于两个； 通过将每个疾病特征的二 次方案适配值与 所述第一治疗标准参数进行对比， 获取超过 所述第一治疗标准 参数的目标治疗子方案； 其中， 当每个疾病特 征有多个目标治疗子方案时， 进行相同目标治疗子方案融合； 根据所述目标治疗子方案， 进行方案融合， 确定最终诊疗方案； 其中， 所述方案融合 时， 采用多维度融合， 融合后每项疾病特 征只有唯一确定的唯一治疗子方案 。 10.如权利要求8所述的一种基于医疗知识图谱的智能诊断辅助系统， 其特征在于， 治 疗方案生成模块(41)进行方案融合后， 还包括对所述方案融合的信任度进行计算， 具体步 骤如下： 步骤1： 根据所述目标治疗子方案， 通过下式计算不同目标治疗子方案之间的灰色关联 度： 其中， X(K)表示第K找种治疗子方案的治疗特征； X(m)表示第m找种治疗子方案的治疗 特征； K≠m， K， m∈正整数； ρ ∈[0～1]， ρ 表示治疗特 征的归一 化值；权　利　要　求　书 2/3 页 3 CN 114639479 A 3