(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 202210436297.0 (22)申请日 2022.04.25 (71)申请人 南京大经中医药信息技 术有限公司 地址 211800 江苏省南京市江北新区定山 大街126号国际健康城1A栋2层201室 (72)发明人 李文友　赵静　董桂峰　尹杰　 (74)专利代理 机构 南京思拓知识产权代理事务 所(普通合伙) 32288 专利代理师 吕鹏涛 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/34(2019.01) G06F 40/284(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G16H 50/70(2018.01) (54)发明名称 一种中医智能病案 推荐方法及推荐系统 (57)摘要 本发明提供了一种中医智能病案推荐系统， 通过采用知识 图谱技术对病案数据进行提取整 合， 让医生通过可视化的方式更加直观的了解病 案的知识及相互关系； 并对知识图谱提取的实体 数据在不同维度下使用关联分析算法， 让医生在 进行临床操作、 书写患者病历时， 能够实时根据 患者的病历情况推荐出比较相近的历史病案， 以 供给医生进行比较准确的诊疗方案的选择与运 用。 权利要求书3页 说明书8页 附图3页 CN 114528419 A 2022.05.24 CN 114528419 A 1.一种中 医智能病案推荐方法， 其特 征在于， 包括： S1、 构建可视化的病案知识图谱数据库； S2、 在疾病维度、 证型维度、 病机维度、 体质维度四个维度下， 对病案知识图谱数据库中 经过标准化处理的实体数据分别进 行关联分析， 获取4个维度下各历史病案的症状 ‑权重集 合； S3、 输入患者的病历信息， 并提取病历信息中标准化的疾病、 证型、 症状、 体征数据， 组 成患者病历症状集 合A ， 其中， a表示症状， m表示症状 个数； S4、 在疾病维度、 证型维度、 病机维度、 体质维度四个维度下， 分别将患者病历症状集合 A 与病案知识图谱数据库中各历史病案的症状集合S 进行匹配， 并根据 症状结合对应症状的权 重数值计算历史病案与患者病历症状集 合匹配的推荐分值； S5、 根据4个维度下推荐分值的高低排序， 推荐出 数据库中关联度最高的历史病案 。 2.根据权利要求1所述的中医智能病案推荐方法， 其特征在于， 步骤S1中构建病案知识 图谱数据库具体包括以下步骤： S1‑1、 导入历史病案数据包； 所述历史病案数据包包括结构化、 半结构化或者非结构化 的文本数据； S1‑2、 对导入的病案文本数据进行向量化处理， 得到词向量序列 ， 其中m 为文本长度； 并对词向量序列进行信 息抽取， 包括实体抽取和关系抽取， 其中， 实体抽取的数据包括 疾病、 证型、 症状、 体征实体数据； S1‑3、 对信息抽取后得到的实体数据和关系数据中的冗余数据进行融合处理， 去除重 复的数据， 并对实体数据进行 标准化处理； S1‑4、 采用Neo4j图数据库对病案的实体数据和关系数据进行存储和可视化， 形成通过 实体和关系搜索的知识图谱。 3.根据权利要求2所述的中医智能病案推荐方法， 其特征在于， 步骤S1 ‑2中采用双向长 短期记忆网络条件随机场BiLSTM ‑CRF对词向量序列进行实体抽取： 词向量序列 经过BiLSTM ‑CRF模块后得到一个标签序列y， y的分值计算公式为 ， 其中A是BiLSTM ‑CRF模块中相邻状态转移矩阵的分数值， P是经 过BiLSTM ‑CRF模块输 出矩阵的分数值； 根据 的分数值选 择y,得分最高的 将作为最佳 标签序列输出， ， 表示y所有可能的标签序列。 4.根据权利要求2所述的中医智能病案推荐方法， 其特征在于， 步骤S1 ‑2中采用双向长 短期记忆网络BiLSTM对词向量序列进行关系抽取： 词向量序列 经过BiLSTM 模 块 后 得 到 特 征 向 量 ，其 中 为 输 出 给 外 部 的 状 态 ， )为输出门状态， 为记忆单元状态，权　利　要　求　书 1/3 页 2 CN 114528419 A 2为 临 时 单 元 状 态 ， 为 遗 忘 门 状 态 ， 为记忆门状态， g()表示激活函数， 为t时刻的输入向量， W为权重， b为 偏差； 将BiLSTM模块的输出 作为softmax分类器的输入进行关系分类， 关系分类概率为 ，w和b为权值参数。 5.根据权利要求1所述的中医智能病案推荐方法， 其特征在于， 步骤S2中获取不同维度 下的症状权 重数值具体包括： 将病案的实体数据按照疾病维度、 证型维度、 病机维度、 体质维度4个维度分别进行分 类； 设置支持度、 置信度、 提升度的数值， 采用Apriori算法分别从疾病 维度、 证型维度、 病 机维度、 体质维度4个维度对实体数据进 行关联分析计算， 分别得到4个维度下症状 ‑权重集 合 （ ） ， 所述症状 ‑权重集合由症状集合S 及其对应的权重数值 组成， 其中， 表示症状， 表示 对应的权 重数值， n表示症状的个数。 6.根据权利要求1所述的中医智能病案推荐方法， 其特征在于， 步骤S4中计算推荐分值 具体为： 将患者病历症状集合A 中的患者病历症状 依次与一维度下历史病案的症状 集合S 及对应的症状权重数值 进行匹配， 得到症状向量X （ ） 和对应症状 的权重向量Y （ ） ， 当患者病历症状 出现在症状集合S 中， 则 取值1、 取 值为对应的症状权 重数值 ， 否则 取值0、 取值为0； 计算症状向量X （ ） 与权重向量Y （ ） 的数量积作为该历史病案的推荐分 值Z， ， 其中， m表示症状的个数。 7.根据权利要求1所述的中医智能病案推荐方法， 其特征在于， 步骤S3中的标准化处理 具体包括以下步骤： 对患者的病历信息进行 数据清洗， 删除重复的内容、 无用的标签、 空格和空白行； 对患者的病历信息进行句子分割， 将病案的内容分割成小 文本的片段； 根据标准症状体系和疾病分类标准对患 者的病历信 息进行分词操作， 获取病案数据中 的症状信息； 对患者的病历信息中分出的症状相关信息进行提取， 构造症状集合A ， 其中， a 表示症状， m表示症状 个数。 8.一种基于权利要求1 ‑7中任一的中医智能病案推荐方法的推荐系统， 其特征在于， 包 括： 病案知识图谱数据库， 用于将历史病案的实体数据和关系数据进行可视化显示和存 储； 症状权重模块， 包括基于历史病案数据在多个维度下的症状 ‑权重数值； NLP模块， 用于对输入的患者病历信息进行 标准化处理后获取患者病历症状集 合； 匹配计分模块， 用于在多个维度下分别计算历史病案与患 者病历症状集合匹配的推荐 分值；权　利　要　求　书 2/3 页 3 CN 114528419 A 3