[發(fā)明專利]一種多中心醫(yī)學(xué)診斷知識(shí)圖譜表示學(xué)習(xí)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110995013.7
• 申請(qǐng)日: 2021-08-27
• 公開(kāi)（公告）號(hào): CN113434626B
• 公開(kāi)（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 李勁松;池勝?gòu)?qiáng);田雨;周天舒
• 申請(qǐng)（專利權(quán)）人: 之江實(shí)驗(yàn)室
• 主分類號(hào): G06F16/31
• 分類號(hào): G06F16/31;G06F16/35;G06F16/36;G06F21/60;H04L9/00
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 劉靜

本發(fā)明公開(kāi)了一種多中心醫(yī)學(xué)診斷知識(shí)圖譜表示學(xué)習(xí)方法及系統(tǒng)，本發(fā)明基于已有的醫(yī)學(xué)診斷本體，以有向無(wú)環(huán)圖的形式表示醫(yī)學(xué)診斷概念的層級(jí)結(jié)構(gòu)，構(gòu)建全局醫(yī)學(xué)診斷知識(shí)圖譜；利用全局醫(yī)學(xué)診斷知識(shí)圖譜，構(gòu)建所有疾病分類編碼的共現(xiàn)矩陣，計(jì)算每對(duì)編碼的共現(xiàn)信息，同時(shí)出現(xiàn)越多且距離越近的編碼對(duì)，具有更大的共現(xiàn)信息；基于聯(lián)邦學(xué)習(xí)，在保護(hù)各醫(yī)療機(jī)構(gòu)參與方數(shù)據(jù)隱私和安全的前提下，利用多中心數(shù)據(jù)，加和共現(xiàn)信息，提高數(shù)據(jù)密度，解決數(shù)據(jù)稀疏問(wèn)題；在對(duì)大規(guī)模知識(shí)圖譜及原始數(shù)據(jù)進(jìn)行學(xué)習(xí)的過(guò)程中，融入了知識(shí)源中符合人類認(rèn)知的層級(jí)信息和復(fù)雜關(guān)聯(lián)關(guān)系，挖掘數(shù)據(jù)之間的相關(guān)關(guān)系，豐富語(yǔ)義信息，學(xué)習(xí)知識(shí)的高質(zhì)量表示形式，便于知識(shí)的計(jì)算與推理。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)療信息技術(shù)領(lǐng)域，尤其涉及一種多中心醫(yī)學(xué)診斷知識(shí)圖譜表示學(xué)習(xí)方法及系統(tǒng)。

背景技術(shù)

知識(shí)圖譜是以結(jié)構(gòu)化的形式描述客觀世界中概念、實(shí)體及其關(guān)系，將信息表達(dá)成更接近人類認(rèn)知世界的形式，提供了一種更好地組織、管理和理解信息的能力，可以用于知識(shí)的挖掘、分析及構(gòu)建、繪制和顯示知識(shí)之間的相互聯(lián)系。表示學(xué)習(xí)旨在將研究對(duì)象的語(yǔ)義信息表示為稠密低維實(shí)體向量。知識(shí)圖譜表示學(xué)習(xí)主要是面對(duì)知識(shí)圖譜中的實(shí)體和關(guān)系進(jìn)行表示學(xué)習(xí)，通過(guò)對(duì)大規(guī)模知識(shí)圖譜及原始數(shù)據(jù)的學(xué)習(xí)與訓(xùn)練，能夠獲得知識(shí)在低維稠密空間的分布向量表示，表達(dá)實(shí)體和關(guān)系的語(yǔ)義信息，便于知識(shí)的計(jì)算與推理。

利用醫(yī)學(xué)本體對(duì)分層臨床結(jié)構(gòu)和醫(yī)學(xué)概念之間的關(guān)系進(jìn)行編碼，可以減少對(duì)大量數(shù)據(jù)的需求，在不丟失信息的情況下有效減少搜索空間。幸運(yùn)的是，在醫(yī)療保健領(lǐng)域有許多組織良好的本體，如國(guó)際疾病分類(ICD)、臨床分類軟件(CCS)或醫(yī)學(xué)臨床術(shù)語(yǔ)系統(tǒng)化命名(SNOMED)。在醫(yī)學(xué)本體中，相互接近的結(jié)點(diǎn)(即醫(yī)學(xué)概念)很可能與類似的患者相關(guān)聯(lián)，從而允許我們?cè)谒鼈冎g傳遞知識(shí)。當(dāng)數(shù)據(jù)量不足以訓(xùn)練深度學(xué)習(xí)模型時(shí)，使用醫(yī)學(xué)本體可能是有用的。甚至在數(shù)據(jù)量足夠的情況下，也可以在不損失信息的前提下，作為一種精簡(jiǎn)模型的方法，通過(guò)學(xué)習(xí)更多符合本體結(jié)構(gòu)的可解釋表征。

基于醫(yī)療知識(shí)圖譜結(jié)構(gòu)信息的知識(shí)表示學(xué)習(xí)模型不能解決復(fù)雜關(guān)系建模和數(shù)據(jù)稀疏所帶來(lái)的語(yǔ)義表示能力低下等問(wèn)題。已有研究工作利用知識(shí)圖譜本身結(jié)構(gòu)外的海量文本信息，擴(kuò)充知識(shí)圖譜結(jié)構(gòu)信息來(lái)減少數(shù)據(jù)稀疏所造成的影響。現(xiàn)有方法忽略了數(shù)據(jù)中固有的結(jié)構(gòu)和相關(guān)性信息。此外，缺少在隱私保護(hù)和數(shù)據(jù)安全前提下擴(kuò)大數(shù)據(jù)量，用于知識(shí)表示學(xué)習(xí)的方法。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提出一種多中心醫(yī)學(xué)診斷知識(shí)圖譜表示學(xué)習(xí)方法及系統(tǒng)，在保護(hù)各醫(yī)療機(jī)構(gòu)參與方數(shù)據(jù)隱私和安全的前提下，利用多中心數(shù)據(jù)，提高數(shù)據(jù)密度，此外，在對(duì)大規(guī)模知識(shí)圖譜及原始數(shù)據(jù)進(jìn)行學(xué)習(xí)的過(guò)程中，融入了知識(shí)源中符合人類認(rèn)知的層級(jí)信息和復(fù)雜關(guān)聯(lián)關(guān)系，挖掘數(shù)據(jù)之間的相關(guān)關(guān)系，豐富語(yǔ)義信息，從而解決數(shù)據(jù)稀疏帶來(lái)的語(yǔ)義表示能力低下問(wèn)題。

本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：

本發(fā)明一方面公開(kāi)了一種多中心醫(yī)學(xué)診斷知識(shí)圖譜表示學(xué)習(xí)方法，該方法基于聯(lián)邦學(xué)習(xí)與同態(tài)加密，利用多中心數(shù)據(jù)，結(jié)合層級(jí)信息和復(fù)雜關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)結(jié)構(gòu)信息的知識(shí)表示學(xué)習(xí)，具體包括以下步驟：

(1)第一服務(wù)器構(gòu)建全局醫(yī)學(xué)診斷知識(shí)圖譜，所述全局醫(yī)學(xué)診斷知識(shí)圖譜以有向無(wú)環(huán)圖的形式表示醫(yī)學(xué)診斷概念的層級(jí)結(jié)構(gòu)，由葉子結(jié)點(diǎn)和祖先結(jié)點(diǎn)兩部分組成，所述葉子結(jié)點(diǎn)為最小的疾病分類編碼，其祖先結(jié)點(diǎn)為葉子結(jié)點(diǎn)疾病分類編碼對(duì)應(yīng)的上層疾病分類編碼；

(2)第一服務(wù)器將構(gòu)建的全局醫(yī)學(xué)診斷知識(shí)圖譜分發(fā)給各醫(yī)療機(jī)構(gòu)參與方；

(3)各醫(yī)療機(jī)構(gòu)參與方內(nèi)部進(jìn)行疾病診斷共現(xiàn)信息統(tǒng)計(jì)，具體為：