[發明專利]一種惡性腫瘤診療知識獲取方法及裝置

在審

• 申請號: 202011627497.1
• 申請日: 2020-12-31
• 公開（公告）號: CN112699230A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 張秀梅;楊風雷;姚達
• 申請（專利權）人: 北京萬方數據股份有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/36;G06N3/08;G16H50/70
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 榮穎佳

本申請提供了一種惡性腫瘤診療知識獲取方法及裝置，該方法包括：接收用戶端的文獻范圍選擇信息，并根據所述文獻范圍選擇信息從乳腺癌文獻庫中篩選出目標文獻；所述文獻范圍選擇信息包括文獻選擇信息和文獻內容選擇信息；從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫，根據所述訓練語料庫進行模型訓練，得到知識提取模型；通過所述知識提取模型對所述目標文獻進行知識提取，得到待處理知識信息；根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識。

技術領域

本申請涉及醫學知識處理領域，具體而言，涉及一種惡性腫瘤診療知識獲取方法及裝置。

背景技術

乳腺癌是一種高度異質化的腫瘤，循證醫學的進展細化了乳腺癌的亞型，不同亞型相關情況都不同，其中包括了病理組織、表型、對治療的反應等，同時，精準醫學檢測技術中基因譜分析、二代測序等則推動了新亞型的不斷發現。上述醫學的快速進展為進一步提高乳腺癌精準、個體化診治水平的同時，大量的數據、文獻成果的發表也使得乳腺癌臨床醫生學習新知識的壓力日益增大。為了解決這一問題，就需要幫助乳腺癌臨床醫生快速地對知識進行獲取和應用，提高臨床實踐的效果，也節省了時間成本。

由于最新數據和文獻成果的更新頻率高，數量龐大，且多以非結構化的自由文本存在，再加上存在信息來源和內容的質量參差不齊，現有技術中知識的獲取基本上是由人工進行篩選、理解和整理，這種方式效率低、工作量大，并且由于人員的專業程度不同，知識的質量也存在差異。

發明內容

有鑒于此，本申請的目的在于提供一種惡性腫瘤診療知識獲取方法及裝置，用于解決現有技術中如何實現從文獻中高效提取診療知識的問題。

第一方面，本申請實施例提供了一種惡性腫瘤診療知識獲取方法，該方法包括：

接收用戶端的文獻范圍選擇信息，并根據所述文獻范圍選擇信息從乳腺癌文獻庫中篩選出目標文獻；所述文獻范圍選擇信息包括文獻選擇信息和文獻內容選擇信息；

從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫，根據所述訓練語料庫進行模型訓練，得到知識提取模型；

通過知識提取模型對目標文獻進行知識提取，得到待處理知識信息；

根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識。

在一些實施例中，在根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識之后，還包括：

根據預設模糊消解詞典對所述標準化知識進行待明晰化詞匹配，并對匹配到的待明晰化詞進行知識整理，得到模糊消解后的標準化知識。

在一些實施例中，在根據預設知識詞典對所述待處理知識信息進行標準化詞匹配，并對匹配到的標準化詞進行知識整理，得到標準化知識之后，還包括：

根據所述標準化知識，通過預設表示方式進行知識展示，并根據預設推理算法進行知識推理；所述預設表示方式包括本體和知識圖譜；所述預設推理算法包括確定性推理算法和不確定性推理算法。

在一些實施例中，所述從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫，根據所述訓練語料庫進行模型訓練，得到知識提取模型，包括:

從所述目標文獻中隨機選取預設數量的文獻構成訓練語料庫；所述訓練語料庫中的文獻信息按照預設比例分為訓練集合、測試集合和驗證集合；

針對訓練集合中的訓練樣本，進行樣本標注，得到標注后的訓練樣本；

依據所述標注后的訓練樣本和預設學習算法進行模型訓練，得到待測試模型；所述預設學習算法包括深度學習算法和淺層學習算法；