(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 202210893591.4 (22)申请日 2022.07.27 (71)申请人 西南医科 大学附属医院 地址 646000 四川省 泸州市太平街25号 (72)发明人 刘靳波　李光荣　曾章锐　 (74)专利代理 机构 成都知都云专利代理事务所 (普通合伙) 51306 专利代理师 赵正寅 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06F 17/18(2006.01) G06F 17/11(2006.01) G06F 16/36(2019.01) (54)发明名称 一种基于人工智能与知识图谱的医学检验 结果审核系统 (57)摘要 本发明提供的一种基于人工智能与知识图 谱的医学检验 结果审核系统， 涉及临床检验数字 技术领域。 本发 明在固定逻辑规则审核系统的基 础上， 添加关联数据关系审核系统对医学检验结 果进行关系审核； 关联数据关系审核系统能对存 在相关性但是因果关系不明确或因果关系复杂 的检验项进行审核， 从而填补现有的审核盲区； 本发明将关联类型识别问题转化为散点图分类 问题， 通过采集若干散点图， 并对散点图类型进 行标注， 部署图像识别模型， 并通过训练数据集 进行训练， 得到关联关系识别模型， 从而实现对 关联关系的自动识别； 在对不完全相关的检验项 进行审核时， 通过散点图反映检验项之间的数据 关系， 通过图像识别模型学习散点图特征， 从而 实现对抽象关系的审核。 权利要求书3页 说明书9页 附图6页 CN 115205601 A 2022.10.18 CN 115205601 A 1.一种基于人工智能与知识图谱的医学检验结果审核系统， 其特征在于， 包括固定逻 辑规则审核系统、 关联 数据关系审核系统和检验结果审核库； 所述检验结果审核库： 用于存储医学检验结果审核所需的审核知识， 并保存至知识图 谱数据库中； 所述医学检验结果包括若干检验项和对应的检验数据； 所述审核知识包括固 定逻辑规则知识和关联数据关系知识， 所述固定逻辑规则知识由专家对检验项与对应的检 验数据之间的逻辑规则进行设置与审核， 并进行固定保存； 所述关联数据关系知识通过人 工智能分析模型对各检验项之间的关联关系进行识别与标注， 并进行固定保存； 所述固定逻辑规则审核系统： 读取待审核的医学检验结果， 并根据检验项调取对应的 固定逻辑规则知识； 在审核时， 所述固定逻辑规则审核系统通过程序自动执行， 对各检验项 与对应的检验数据之间的逻辑规则进行逐条审核； 若存在不符合逻辑规则的检验数据， 认 定为逻辑异常检验数据， 通知相关检验人员对逻辑异常检验数据进行排查， 并标注当前审 核医学检验结果为固定逻辑规则未通过； 对于符合逻辑规则的检验数据， 则标注为固定逻 辑规则通过， 并将所有检验项均通过固定逻辑规则审核的医学检验结果 发送给关联数据关 系审核系统； 所述关联数据关系审核系统： 读取通过固定逻辑规则审核的医学检验结果， 并根据检 验项调取对应的关联数据关系知识； 在审核时， 所述关联数据关系审核系统通过程序自动 执行， 对各检验项与对应的检验数据之间的关联关系进行逐条审核； 若存在不符合关联关 系的检验数据， 认定为关联异常检验数据， 通知相关检验人员对关联异常检验数据进行排 查， 并标注当前审核医学检验结果为未通过关联数据关系审核； 对于符合关联关系的检验 数据， 则标注为通过关联数据关系审核， 并将所有检验项均通过关联数据关系审核的医学 检验结果作为系统审核通过的结果输出。 2.根据权利要求1所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其 特征在于， 所述固定逻辑规则知识以[ 检验项编 码， 逻辑规则编码， 规则值]的形式存储至知 识图谱数据库中； 所述关联数据关系知识以[ 检验项编码A， 检验项编码B， 关系编码]的形式 存储至知识图谱数据库中。 3.根据权利要求2所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其 特征在于， 所述逻辑规则编 码用于记录对应的逻辑规则审核项， 其中， 所述逻辑规则审核项 包括允许数值范围审核、 允许变化范围审核、 允许变化速率范围审核、 样本检验状态审核、 历史一致性审核和单位 一致性审核。 4.根据权利要求3所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其 特征在于， 所述关系编码用于记录对应的关联关系审核项， 其中， 所述关联关系审核项包括 完全相关审核、 不完全相关审核和不相关审核， 其中， 所述完全相关审核还包括线性正相关 审核、 线性负相关审核、 曲线相关审核。 5.根据权利要求4所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其 特征在于， 所述检验项编码A与检验项编码B均填充单项检验项时， 所述关联数据关系审核 系统为单相关审核模式； 所述检验项编码A填充双项或多项检验项， 检验项编码B填充单项 检验项时， 所述关联数据关系审核系统为复相关审核模式； 所述检验项编 码A与检验项编码 B均填充双项或多 项检验项时， 所述关联 数据关系审核系统为偏相关审核模式。 6.根据权利要求5所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其权　利　要　求　书 1/3 页 2 CN 115205601 A 2特征在于， 所述关联 数据关系知识通过如下步骤构建： 步骤A1： 收集大量已验的具 备相同检验项的医学检验结果， 作为原 始分析数据； 步骤A2： 按照检验项对医学检验结果对应的检验数据进行读取， 得到检验项数据集: T＝[T1， T2， T3， ...， Ti， ...， Tm] 其中， T表示数据总集； i表示检验项编号； m表示医学检验结果的检验项维度； Ti表示i号 检验项对应的数据子集； j表示检验数据编号； n表示检验项数据集的维度； 表示i号检验项 对应的第j项检验数据； 步骤A3： 将各 数据子集两 两组合， 得到关联分析 数据集F(m,n)： 其中， f(TA,TB)表示由数据子集TA与数据子集TB组成的数据簇， A、 B分别为各数据子集对 应的编号； m表示医学检验结果的检验项维度； 步骤A4： 将关联分析 数据集F(m,n)输出， 并提供 给人工智能分析模型进行模型训练。 7.根据权利要求6所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其 特征在于， 所述人工智能分析模型包括关联关系识别模型、 线性/曲线回归模型和不完全相 关识别模型； 所述关联关系识别 模型根据输入的关联分析数据集F(m,n)进行逐簇分析， 得到检验项 之间的关联类型， 所述关联类型包括完全相关、 不完全相关和不相关； 所述完全相关包括线 性正相关、 线性负相关和曲线相关； 所述线性/曲线回归模型用于处理关联类型为完全相关的数据簇， 并得到对应的回归 直线/曲线 方程； 在审核时， 所述固定逻辑规则审核系统通过将待审核的检验项 带入对应的 回归直线/曲线方程中， 若满足对应的回归直线/曲线方程， 则认定为通过关联数据关系审 核； 若不满足对应的回归直线/曲线方程， 则认定为未通过关联 数据关系审核； 所述不完全相关识别模型用于处理关联类型为不完全相关的数据簇， 通过训练对应的 子模型进行匹配； 在审核时， 所述固定逻辑规则审核系统通过调用对应的子模型对检验项 进行匹配， 若匹配概率达到置信范围， 则认定为通过关联数据关系审核； 若匹配概率未达到 置信范围， 则认定为未通过关联 数据关系审核； 对于关联类型为 不相关的检验项不进行关联 数据关系审核。 8.根据权利要求7所述的一种基于人工智能与知识图谱的医学检验结果审核系统， 其 特征在于， 所述关联关系识别模型采用图像识别模型设置， 并通过如下步骤进行训练： 步骤B1.1： 采集若干散点图， 并对散点图类型进行标注， 得到训练数据 集； 其中， 所述散权　利　要　求　书 2/3 页 3 CN 115205601 A 3