申请/专利权人：北方健康医疗大数据科技有限公司

申请日：2024-02-01

公开（公告）日：2024-04-30

公开（公告）号：CN117690600B

主分类号：G16H50/80

分类号：G16H50/80;G16H10/60;G06N5/022;G06N5/045;G06F16/2457;G06F16/248

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及传染病预测领域，具体提供一种基于知识图谱的传染病预测方法、系统、终端及存储介质，包括：构建传染病知识图谱；抽取目标患者的目标信息；在知识图谱中搜索目标信息中所匹配的实体及关系相关的所有传染病，形成传染病候选集；将目标信息分别采用01编码方式编码后，输入传染病候选集中每一种传染病对应的预先设置的权重计算模型中，对应计算出各传染病对应的权重；基于权重的大小关系，对传染病进行排序，并生成排序列表；从传染病知识图谱中拆分出对应的传染病知识图谱，记为目标图谱；输出排序列表以及目标图谱。本发明对传染病的预测结果具有解释性，并且可以展示排序列表中所涉及的传染病知识图谱，增加了预测结果的可视化。

主权项：1.一种基于知识图谱的传染病预测方法，其特征在于，方法包括：构建传染病知识图谱；从目标患者的患者信息中抽取预设的流行病学史相关特征对应的信息、预设的症状相关特征对应的信息和预设的体征相关特征对应的信息，记为目标信息；在知识图谱中搜索目标信息中每一个信息所匹配的实体及关系，得到知识图谱中与目标信息相关的所有传染病，形成传染病候选集；将目标信息采用01编码方式编码后，输入传染病候选集中每一种传染病对应的预先设置的权重计算模型中，对应计算出传染病候选集中各传染病对应的权重；基于权重的大小关系，对传染病候选集中的传染病进行排序，并生成排序列表；从传染病知识图谱中拆分出排序列表中所有传染病对应的传染病知识图谱，记为目标图谱；输出所述排序列表以及所述目标图谱；方法还包括：预先为传染病知识图谱中所涉及的每一种传染病配设权重计算模型；每一种传染病的权重计算模型的获取方法，均包括：收集传染病的历史病例数据，所述历史病例数据包括确诊传染病信息、流行病学史相关信息、症状相关信息和体征相关信息；对所述历史病例数据进行预处理，得到预处理后的历史病例数据集；在预处理后的历史病例数据集中选择确诊传染病、所述预设的流行病学史相关特征对应的信息、所述预设的症状相关特征对应的信息与所述预设的体征相关特征对应的信息，并对其进行01编码，得到训练集；训练集中确诊传染病的编码对应传染病的权重；将所述预设的流行病学史相关特征、预设的症状相关特征以及预设的体征相关特征作为自变量，将传染病的权重作为因变量，构建传染病的多元线性回归初始模型，所述多元线性回归初始模型为： 其中，为常数项，n为预设的流行病学史相关特征的数量，为预设的第i个流行病学史相关特征，m为预设的症状相关特征的数量，为预设的第j个症状相关特征，k为预设的体征相关特征的数量，为预设的第g个体征相关特征，、、为模型系数，其中，i=1,2,...,n，j=1,2,...,m，g=1,2,...,k；利用所述训练集训练所述多元线性回归初始模型，得到训练好的多元线性回归模型，即得到对应传染病的权重计算模型。

全文数据：

权利要求：

百度查询： 北方健康医疗大数据科技有限公司 基于知识图谱的传染病预测方法、系统、终端及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD