(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 202210776893.3 (22)申请日 2022.07.04 (71)申请人 山东浪潮智慧医疗科技有限公司 地址 250100 山东省济南市中国 （山 东） 自 由贸易试验区济南片区浪潮路1036号 浪潮科技园S02号楼31层3108室 申请人 浪潮软件集团有限公司 (72)发明人 刘文丽　李向阳　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 郗艳荣 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/70(2018.01) G16H 10/60(2018.01)G06F 16/36(2019.01) (54)发明名称 一种融合症状 权重的疾病推荐系统 (57)摘要 本发明特别涉及一种融合症状权重的疾病 推荐系统。 该融合症状权重的疾病推荐系统， 包 括知识图谱模块、 症状集补充循环模块、 症状权 重计算模块、 疾病相关度计算模块和疾病推荐模 块； 该融合症状权重的疾病推荐系统， 在传统的 基于知识图谱辅助诊断技术的基础上， 通过症状 权重计算方法为每个症状赋予了表达其典型性 的权重， 同时又利用疾病相关度计算方法融合症 状权重值获取到了与患者当前症状最相关的疾 病， 解决了传统基于症状的辅助诊断中无法融合 症状典型性进行诊断推荐的问题， 从而提高了诊 断推荐的准确性。 权利要求书4页 说明书9页 附图1页 CN 115171880 A 2022.10.11 CN 115171880 A 1.一种融合症状权重的疾病推荐系统， 其特征在于： 包括知识图谱模块、 症状集补充循 环模块、 症状权 重计算模块、 疾病相关度计算模块和疾病推荐模块； 所述知识图谱模块涉及知识 的存储模块， 包括疾病 ‑症状知识图谱子模块与增加症状 权重的疾病 ‑症状知识图谱子模块两 部分； 所述疾病 ‑症状知识图谱子模块是包含疾病相关症状知识 的知识图谱， 用于帮助用户 补充症状和计算症状权 重； 所述增加症状权重的疾病 ‑症状知识图谱子模块以实体属性的方式， 为其中的每个症 状实体保存利用疾病 ‑症状知识图谱子模块的症状权 重计算方法所 得的症状实体权 重。 2.根据权利要求1所述的融合症状权重的疾病推荐系统， 其特征在于： 在初始获取患 者 症状集后， 需要融合疾病 ‑症状知识图谱子模块为用户提供补充症状集， 所述症状集补充循 环模块用于供用户对初始患者症状集进行补充， 包含患者症状集 获取和症状集补充两个部 分； 所述患者症状集获取部分负责将获取的患者症状转 化为以下格式： S＝{s1,s2,……si}， s∈SY 所述症状集补充部分， 依据患者症状集S， 从疾病 ‑症状知识图谱子模块中获取到当前 症状集相关的疾病集D以及疾病集D中各疾病所有的临床症状集 合DS； 求取临床症状集合DS与患者症状集S的补集CS， 即为本轮循环中需要推荐给用户的补 充症状集； 当用户不再依据补充症状集内容进行患者症状补充时， 症状集补充循环结束， 此时患 者症状集 为最终系统运 算使用的患者症状集S； 所述症状权重计算模块采用基于疾病 ‑症状知识图谱子模块的症状权重计算方法， 完 成各症状的权重计算， 并将各症状权重 以症状的实体属性形式保存于增加症状权重的疾 病‑症状知识图谱子模块中； 所述疾病相关度计算模块利用基于症状集的疾病相关度计算方法， 计算患 者患各类疾 病的相关度， 该相关度值越高， 说明患者患该疾病的可能性越大； 所述疾病推荐模块用于对相关度Wi进行降序排列， 并将前10个相关度Wi对应的疾病作 为相关度最高的疾病推荐给用户。 3.根据权利要求2所述的融合症状权 重的疾病推荐系统， 其特 征在于： 所述基于疾病 ‑症状知识图谱子模块的症状权重计算方法是通过基于症状被包含的疾 病数量来表示症状于疾病的权 重w的算法， 具体 计算公式如下 所示： 其中， N为病种库疾病总数， 对于每一种症状s， Ns为与症状s具有语义关系的疾病的数 量， Ws为症状s对于疾病诊断的权 重。 4.根据权利要求3所述的融合症状权重的疾病推荐系统， 其特征在于： 若知识库中的症 状数为M疾病数为N， 患者输入的症状集S＝{s1,s2, …,sj},1≤j ≤M， 知识库中与症状集S中 的一个或者多个症状具有语义关联的疾病构成的集合为D＝{dl,d2, …,di}， 1≤i≤N； 基于 症状集的疾病相关度计算公式下：权　利　要　求　书 1/4 页 2 CN 115171880 A 2式中， Wi为疾病di与患者输入症状集S的相关度， Si为疾病di在知识库中关联的症状集 合， Si’为集合Si与集 合S的交集。 5.根据权利要求4所述的融合症状权重的疾病推荐系统， 其特征在于： 所述疾病 ‑症状 知识图谱子模块的建 设包括知识获取、 知识sc hema设计和知识库导入三部分： 第一步， 知识获取 数据源为公开发布的 《常用临床医学名词》 和卫健委发布的临床路径， 获取到上述数据 后， 利用人工或文本解析工具从 《常用临床 医学名词》 文本中提取症状与疾病名词， 提取格 式如下： [症状1， 症状2， ……]、 [疾病1， 疾病2， ……] 利用人工或文本解析工具从临床路径中提取疾病与症状知识， 格式如下： [(疾病1， 症状1)， (疾病1， 症状2)， (疾病2， 症状1)， …(疾病d， 症状s)] 第二步、 知识sc hema设计 知识schema是指知识图谱 的模式层内容， 即确定知识图谱中知识的起始实体类型、 关 系类型与终止实体 类型内容； 该知识图谱中仅包 含疾病‑症状一类知识， sc hema如下： 起始实体 类型 关系类型 终止实体 类型 疾病 临床症状 症状 第三步、 知识库导入 首先， 将提取的知识按照知识sc hema内容转换为三元组形式， 如下 所示： [(疾病1， 临床症状， 症状1)， (疾病1， 临床症状， 症状2)， (疾病2， 临床症状， 症状 1)，……(疾病d， 临床症状， 症状s)] 然后， 将以上三元组集合入到neo4j图数据库中； 其中， 三元组首个元素为起始 实体， 第 二个元素为关系类型(边类型)， 第三个元 素为终止实体。 6.根据权利要求5所述的融合症状权重的疾病推荐系统， 其特征在于： 所述症状权重计 算模块负责完成疾病 ‑症状知识获取、 权 重计算和症状权 重输出三个部分： 第一步、 疾病‑症状知识获取 获取neo4j图数据库中的疾病 ‑症状知识， 并整理为如下格式： D2S＝{疾病1： [症状1， 症状2， ……]，……} S2D＝{症状1： [疾病1， 疾病2， ……]，……} 其中， D2S为疾病D包含的症状集合， 集合 中key值为疾病名称， value值为疾病对应症状 列表； S2D为与症状S相关疾病的集合， 集合中key值为症状名称， value值为症状对应疾病 列 表； 第二步、 权重计算 首先， 统计D2S中key的数量， 即病 种库疾病 总数N； 然后， 统计S2D中每 个key值对应value的长度， 得到S2D_count： S2D_count＝{症状s： Ns， ……}权　利　要　求　书 2/4 页 3 CN 115171880 A 3