本發(fā)明涉及數(shù)據(jù)挖掘，尤其涉及中醫(yī)臨床科研知識(shí)智能提取方法及系統(tǒng)。

背景技術(shù)：

1、隨著中醫(yī)臨床科研的不斷發(fā)展，大量的中醫(yī)臨床數(shù)據(jù)、醫(yī)學(xué)文獻(xiàn)和科研論文被產(chǎn)生并存儲(chǔ)于各類數(shù)據(jù)庫(kù)和信息源中；中醫(yī)臨床數(shù)據(jù)涵蓋了豐富的患者病歷信息、癥狀與疾病的關(guān)聯(lián)、藥物與治療方法的效果等內(nèi)容；雖然這些數(shù)據(jù)具有極高的科研價(jià)值，但由于數(shù)據(jù)格式復(fù)雜、信息不統(tǒng)一，且大多是以非結(jié)構(gòu)化或半結(jié)構(gòu)化形式存儲(chǔ)，導(dǎo)致其難以直接用于有效的科研分析；此外，現(xiàn)有的中醫(yī)臨床數(shù)據(jù)多依賴人工分析和經(jīng)驗(yàn)總結(jié)，缺乏系統(tǒng)化、自動(dòng)化的處理手段，導(dǎo)致知識(shí)的提取效率低，且難以發(fā)現(xiàn)潛在的規(guī)律和關(guān)聯(lián)。

2、現(xiàn)有技術(shù)中，雖然存在一些基于自然語(yǔ)言處理(nlp)技術(shù)的中醫(yī)數(shù)據(jù)分析方法，但大多數(shù)方法依賴于人工設(shè)計(jì)的規(guī)則，缺乏針對(duì)中醫(yī)術(shù)語(yǔ)和術(shù)語(yǔ)關(guān)系的深度學(xué)習(xí)能力；傳統(tǒng)的知識(shí)圖譜構(gòu)建方法無(wú)法有效處理中醫(yī)領(lǐng)域特有的術(shù)語(yǔ)及其復(fù)雜的關(guān)聯(lián)關(guān)系，且未能充分利用圖數(shù)據(jù)庫(kù)技術(shù)對(duì)這些關(guān)系進(jìn)行高效存儲(chǔ)與推理分析。因此，迫切需要一種中醫(yī)臨床科研知識(shí)智能提取方法及系統(tǒng)，來(lái)解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、基于上述目的，本發(fā)明提供了中醫(yī)臨床科研知識(shí)智能提取方法及系統(tǒng)。

2、中醫(yī)臨床科研知識(shí)智能提取方法，包括以下步驟：

3、s1：通過(guò)多種渠道采集中醫(yī)臨床數(shù)據(jù)，包括患者病歷、醫(yī)學(xué)文獻(xiàn)和科研論文；

4、s2：對(duì)s1采集到的中醫(yī)臨床數(shù)據(jù)進(jìn)行清洗、去噪和格式化處理，以去除無(wú)關(guān)信息并標(biāo)準(zhǔn)化數(shù)據(jù)格式；

5、s3：利用自然語(yǔ)言處理技術(shù)對(duì)s2處理后的中醫(yī)臨床數(shù)據(jù)進(jìn)行分析，自動(dòng)識(shí)別并標(biāo)注出中醫(yī)術(shù)語(yǔ)，包括疾病、癥狀、藥物和治療方法；

6、s4：基于s3標(biāo)注出的中醫(yī)術(shù)語(yǔ)，通過(guò)關(guān)聯(lián)分析挖掘術(shù)語(yǔ)之間的關(guān)系，包括疾病與癥狀、藥物與療效的關(guān)聯(lián)，并構(gòu)建中醫(yī)領(lǐng)域的知識(shí)圖譜；

7、s5：基于s4構(gòu)建的知識(shí)圖譜和挖掘出的術(shù)語(yǔ)關(guān)系，從處理后的中醫(yī)臨床數(shù)據(jù)中提取科研知識(shí)，并生成中醫(yī)臨床研究報(bào)告或知識(shí)摘要。

8、可選的，所述s1具體包括：

9、s11：通過(guò)訪問(wèn)醫(yī)院或診所的電子病歷管理系統(tǒng)，自動(dòng)提取包含患者基本信息、病史、癥狀、診斷、治療方案內(nèi)容的病歷數(shù)據(jù)；

10、s12：通過(guò)訪問(wèn)醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)，包括中國(guó)知網(wǎng)或pubmed，采集涉及中醫(yī)領(lǐng)域的科研文獻(xiàn)、臨床研究報(bào)告和醫(yī)學(xué)專著中的中醫(yī)理論、治療方法、藥物應(yīng)用的信息；

11、s13：通過(guò)訪問(wèn)學(xué)術(shù)論文數(shù)據(jù)庫(kù)，包括cnki、萬(wàn)方數(shù)據(jù)或web?of?science，采集中醫(yī)領(lǐng)域的科研論文數(shù)據(jù)，包括論文標(biāo)題、摘要、關(guān)鍵詞、研究方法、結(jié)果分析和結(jié)論。

12、可選的，所述s2具體包括：

13、s21：使用數(shù)據(jù)清洗算法對(duì)采集到的中醫(yī)臨床數(shù)據(jù)進(jìn)行處理，刪除無(wú)效或重復(fù)的數(shù)據(jù)記錄，去除缺失值和格式錯(cuò)誤的數(shù)據(jù)；對(duì)于有缺失值的記錄，采用插值法或數(shù)據(jù)填充技術(shù)進(jìn)行修復(fù)，確保數(shù)據(jù)的完整；

14、s22：采用噪聲濾波技術(shù)對(duì)數(shù)據(jù)進(jìn)行去噪處理；對(duì)于文本數(shù)據(jù)，使用基于詞頻統(tǒng)計(jì)的停用詞去除算法，將無(wú)關(guān)的常見(jiàn)詞匯剔除；對(duì)于數(shù)值數(shù)據(jù)，使用均值濾波或中位數(shù)濾波的方法去除異常值和噪聲數(shù)據(jù)；

15、s23：對(duì)去噪后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將不同格式和尺度的數(shù)據(jù)統(tǒng)一轉(zhuǎn)換為標(biāo)準(zhǔn)格式；對(duì)于數(shù)值型數(shù)據(jù)，采用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化或最小-最大標(biāo)準(zhǔn)化方法，確保數(shù)據(jù)在同一范圍內(nèi)；對(duì)于文本數(shù)據(jù)，采用統(tǒng)一的編碼格式進(jìn)行文本編碼；

16、s24：對(duì)數(shù)據(jù)進(jìn)行重新組織和格式化，將不同來(lái)源的數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一的數(shù)據(jù)庫(kù)格式，包括sql數(shù)據(jù)庫(kù)或nosql數(shù)據(jù)庫(kù)格式，并將處理后的中醫(yī)臨床數(shù)據(jù)存儲(chǔ)在標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中備用。

17、可選的，所述s3具體包括：

18、s31：采用基于詞典的分詞算法對(duì)預(yù)處理后的中醫(yī)臨床數(shù)據(jù)進(jìn)行分詞處理，將連續(xù)的文本數(shù)據(jù)切分為單獨(dú)的詞語(yǔ)單元，確保分詞結(jié)果與中醫(yī)術(shù)語(yǔ)的標(biāo)準(zhǔn)詞典一致；

19、s32：利用詞性標(biāo)注工具對(duì)分詞后的文本進(jìn)行詞性標(biāo)注，標(biāo)識(shí)出各個(gè)詞語(yǔ)的詞性類別；

20、s33：應(yīng)用命名實(shí)體識(shí)別模型，基于預(yù)先訓(xùn)練的中醫(yī)術(shù)語(yǔ)識(shí)別模型，自動(dòng)識(shí)別并分類中醫(yī)臨床數(shù)據(jù)中的疾病、癥狀、藥物和治療方法的實(shí)體；

21、s34：將識(shí)別出的中醫(yī)術(shù)語(yǔ)進(jìn)行標(biāo)注，生成帶有術(shù)語(yǔ)類別標(biāo)簽的結(jié)構(gòu)化數(shù)據(jù)。

22、可選的，所述s33具體包括：

23、s331：選用基于雙向編碼器表示轉(zhuǎn)換器的模型，使用包含中醫(yī)術(shù)語(yǔ)標(biāo)注的語(yǔ)料庫(kù)對(duì)所選模型進(jìn)行預(yù)訓(xùn)練，訓(xùn)練過(guò)程中，采用遮蔽語(yǔ)言模型任務(wù)，通過(guò)最小化預(yù)測(cè)遮蔽詞語(yǔ)的損失函數(shù)l來(lái)優(yōu)化模型參數(shù)θ，表達(dá)式為：

24、其中，l為損失函數(shù)，n為訓(xùn)練樣本數(shù)，wi為第i個(gè)詞語(yǔ)，m為遮蔽窗口大小，p為條件概率，θ為模型參數(shù)；

25、s332：將s32中進(jìn)行詞性標(biāo)注后的中醫(yī)臨床數(shù)據(jù)輸入預(yù)先訓(xùn)練的中醫(yī)術(shù)語(yǔ)識(shí)別模型，通過(guò)對(duì)輸入文本進(jìn)行編碼，生成每個(gè)詞語(yǔ)的上下文表示向量，并利用條件隨機(jī)場(chǎng)層對(duì)每個(gè)詞語(yǔ)進(jìn)行實(shí)體標(biāo)簽的預(yù)測(cè)；

26、s333：根據(jù)s332中預(yù)測(cè)出的實(shí)體標(biāo)簽，將實(shí)體分類為疾病、癥狀、藥物和治療方法四類。

27、可選的，所述s4具體包括：

28、s41：對(duì)s3中識(shí)別和標(biāo)注的中醫(yī)術(shù)語(yǔ)數(shù)據(jù)進(jìn)行分析，識(shí)別術(shù)語(yǔ)之間的頻繁共現(xiàn)模式；具體采用apriori算法掃描中醫(yī)臨床數(shù)據(jù)集，確定頻繁項(xiàng)集，并基于頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則，以識(shí)別疾病與癥狀、藥物與療效術(shù)語(yǔ)之間的關(guān)聯(lián)關(guān)系；

29、s42：對(duì)s41中挖掘出的關(guān)聯(lián)規(guī)則，采用支持度和置信度的指標(biāo)計(jì)算每條關(guān)聯(lián)關(guān)系的權(quán)重；公式為：weight(a→b)＝support(a→b)×confidence(a→b)，其中，weight(a→b)為關(guān)聯(lián)規(guī)則a→b的權(quán)重，support(a→b)為規(guī)則的支持度，confidence(a→b)為規(guī)則的置信度；

30、s43：基于s42中計(jì)算得到關(guān)聯(lián)關(guān)系的權(quán)重，利用圖數(shù)據(jù)庫(kù)技術(shù)構(gòu)建中醫(yī)領(lǐng)域的知識(shí)圖譜；知識(shí)圖譜由節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)代表中醫(yī)術(shù)語(yǔ)，邊代表術(shù)語(yǔ)之間的關(guān)聯(lián)關(guān)系；

31、s44：采用節(jié)點(diǎn)嵌入算法，對(duì)知識(shí)圖譜進(jìn)行訓(xùn)練，生成中醫(yī)術(shù)語(yǔ)的向量表示。

32、可選的，所述s43具體包括：

33、s431：為每個(gè)中醫(yī)術(shù)語(yǔ)創(chuàng)建相應(yīng)的節(jié)點(diǎn)，節(jié)點(diǎn)屬性包括術(shù)語(yǔ)名稱和術(shù)語(yǔ)類別，具體步驟包括：

34、s4311：術(shù)語(yǔ)名稱節(jié)點(diǎn)化，將s42中識(shí)別的每個(gè)中醫(yī)術(shù)語(yǔ)作為一個(gè)節(jié)點(diǎn)添加到圖數(shù)據(jù)庫(kù)中；

35、s4312：術(shù)語(yǔ)類別標(biāo)注，為每個(gè)節(jié)點(diǎn)分配一個(gè)類別標(biāo)簽，其值為疾病、癥狀、藥物或治療方法，用于反映術(shù)語(yǔ)的類別屬性；

36、s432：根據(jù)s42中計(jì)算得到的關(guān)聯(lián)關(guān)系權(quán)重，創(chuàng)建術(shù)語(yǔ)之間的邊，邊屬性包括關(guān)聯(lián)類型和權(quán)重值；具體步驟包括：

37、s4321：關(guān)聯(lián)類型定義，定義術(shù)語(yǔ)間的關(guān)聯(lián)類型，包括伴隨、治療或影響；

38、s4322：權(quán)重值賦予，將s42中計(jì)算得到的關(guān)聯(lián)關(guān)系權(quán)重賦予相應(yīng)的邊，用于表示關(guān)聯(lián)關(guān)系的強(qiáng)度；

39、s4323：邊的創(chuàng)建，在圖數(shù)據(jù)庫(kù)中為每對(duì)相關(guān)術(shù)語(yǔ)創(chuàng)建一條邊，其屬性包括關(guān)聯(lián)類型和權(quán)重值；

40、s433：對(duì)構(gòu)建的知識(shí)圖譜進(jìn)行結(jié)構(gòu)優(yōu)化；具體步驟包括：

41、s4331：為節(jié)點(diǎn)屬性和邊屬性建立索引；

42、s4332：根據(jù)術(shù)語(yǔ)類別和關(guān)聯(lián)類型對(duì)圖譜進(jìn)行分區(qū)，減少查詢路徑長(zhǎng)度；

43、s4333：刪除圖譜中冗余的邊。

44、可選的，所述s44具體包括：

45、s441：選擇節(jié)點(diǎn)嵌入算法，包括node2vec算法和transe算法；

46、s442：將構(gòu)建的中醫(yī)知識(shí)圖譜g＝(v，e)輸入所選節(jié)點(diǎn)嵌入算法中，其中v為節(jié)點(diǎn)集合，e為邊集合；每個(gè)節(jié)點(diǎn)v∈v代表一個(gè)中醫(yī)術(shù)語(yǔ)，每條邊e∈e代表術(shù)語(yǔ)之間的關(guān)聯(lián)關(guān)系；

47、s443：使用選擇的節(jié)點(diǎn)嵌入算法，學(xué)習(xí)每個(gè)節(jié)點(diǎn)v∈v的向量表示其中d為向量的維度；節(jié)點(diǎn)嵌入算法通過(guò)優(yōu)化目標(biāo)函數(shù)，最大化節(jié)點(diǎn)之間的相似性，具體目標(biāo)函數(shù)定義為：其中，l為損失函數(shù)，σ為sigmoid函數(shù)，zu和zv分別為節(jié)點(diǎn)u和節(jié)點(diǎn)v的向量表示，t表示向量的轉(zhuǎn)置。

48、可選的，所述s5具體包括：

49、s51：基于s4構(gòu)建的中醫(yī)領(lǐng)域知識(shí)圖譜，使用圖查詢技術(shù)對(duì)中醫(yī)術(shù)語(yǔ)之間的關(guān)系進(jìn)行推理，通過(guò)圖數(shù)據(jù)庫(kù)查詢語(yǔ)言，對(duì)疾病、癥狀、藥物、治療方法節(jié)點(diǎn)進(jìn)行查詢，挖掘中醫(yī)臨床數(shù)據(jù)中的潛在關(guān)系；

50、s52：基于s51中查詢到的術(shù)語(yǔ)關(guān)聯(lián)信息，結(jié)合s3標(biāo)注的中醫(yī)術(shù)語(yǔ)和中醫(yī)臨床數(shù)據(jù)中的具體病歷記錄，提取科研知識(shí)，提取的內(nèi)容包括疾病與癥狀的組合、藥物與療效的關(guān)系、治療方案的效果評(píng)估；

51、s53：通過(guò)預(yù)設(shè)模板，將提取到的科研知識(shí)組織成一份完整的中醫(yī)臨床研究報(bào)告或知識(shí)摘要，報(bào)告內(nèi)容包括疾病分析、癥狀描述、藥物療效評(píng)估以及治療建議。

52、中醫(yī)臨床科研知識(shí)智能提取系統(tǒng)，用于實(shí)現(xiàn)上述的中醫(yī)臨床科研知識(shí)智能提取方法，包括以下模塊：

53、數(shù)據(jù)采集模塊：通過(guò)多種渠道采集中醫(yī)臨床數(shù)據(jù)，包括患者病歷、醫(yī)學(xué)文獻(xiàn)和科研論文；

54、數(shù)據(jù)預(yù)處理模塊：用于對(duì)數(shù)據(jù)采集模塊采集到的中醫(yī)臨床數(shù)據(jù)進(jìn)行清洗、去噪和格式化處理，以去除無(wú)關(guān)信息并標(biāo)準(zhǔn)化數(shù)據(jù)格式；

55、自然語(yǔ)言處理模塊：利用自然語(yǔ)言處理技術(shù)對(duì)數(shù)據(jù)預(yù)處理模塊處理后的中醫(yī)臨床數(shù)據(jù)進(jìn)行分析，自動(dòng)識(shí)別并標(biāo)注出中醫(yī)術(shù)語(yǔ)，包括疾病、癥狀、藥物和治療方法；

56、關(guān)系挖掘模塊：基于自然語(yǔ)言處理模塊標(biāo)注出的中醫(yī)術(shù)語(yǔ)，進(jìn)行關(guān)聯(lián)分析挖掘術(shù)語(yǔ)之間的關(guān)系，包括疾病與癥狀、藥物與療效的關(guān)聯(lián)；

57、知識(shí)圖譜構(gòu)建模塊：根據(jù)所述關(guān)系挖掘模塊生成的術(shù)語(yǔ)關(guān)系，利用圖數(shù)據(jù)庫(kù)技術(shù)構(gòu)建中醫(yī)領(lǐng)域的知識(shí)圖譜；

58、科研知識(shí)提取模塊：基于知識(shí)圖譜，自動(dòng)從處理后的中醫(yī)臨床數(shù)據(jù)中提取科研知識(shí)，并生成中醫(yī)臨床研究報(bào)告或知識(shí)摘要。

59、本發(fā)明的有益效果：

60、本發(fā)明，通過(guò)采用自然語(yǔ)言處理技術(shù)和深度學(xué)習(xí)算法，能夠自動(dòng)化地對(duì)中醫(yī)臨床數(shù)據(jù)進(jìn)行分析，精準(zhǔn)識(shí)別并標(biāo)注出疾病、癥狀、藥物和治療方法等中醫(yī)術(shù)語(yǔ)；通過(guò)對(duì)這些術(shù)語(yǔ)之間的關(guān)系進(jìn)行挖掘和分析，本發(fā)明能夠有效發(fā)現(xiàn)中醫(yī)臨床數(shù)據(jù)中的潛在規(guī)律和知識(shí)，并生成具有較高科研價(jià)值的中醫(yī)領(lǐng)域知識(shí)圖譜；這種自動(dòng)化的知識(shí)提取過(guò)程顯著提高了科研人員從大量數(shù)據(jù)中提取有效信息的效率，避免了人工分析中的主觀偏差和時(shí)間成本。

61、本發(fā)明，通過(guò)圖數(shù)據(jù)庫(kù)技術(shù)對(duì)中醫(yī)領(lǐng)域的術(shù)語(yǔ)及其關(guān)聯(lián)關(guān)系進(jìn)行高效存儲(chǔ)和查詢，使得生成的中醫(yī)臨床研究報(bào)告或知識(shí)摘要更加精準(zhǔn)和全面；通過(guò)關(guān)聯(lián)分析挖掘藥物與療效、疾病與癥狀等之間的關(guān)系，本發(fā)明不僅能夠支持個(gè)性化治療方案的制定，還能夠?yàn)橹嗅t(yī)臨床研究提供重要的數(shù)據(jù)支持。