[發明專利]基于骨骼肌知識圖譜的醫療自動問答方法

在審

• 申請號: 202111535682.2
• 申請日: 2021-12-15
• 公開（公告）號: CN114676233A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 楊然;李峻;張萌;曾貴剛;胡凱翔;張濤;陳華江;徐辰
• 申請（專利權）人: 清華大學;上海博靈機器人科技有限責任公司;上海長征醫院
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/36
• 代理公司: 上?？坡蓪＠硎聞账?特殊普通合伙) 31290
• 代理人: 袁亞軍

1.一種基于骨骼肌知識圖譜的醫療自動問答方法，其特征在于，包括如下步驟：

S1、構建人體骨骼運動知識圖譜；

S2、將構建的人體骨骼運動知識圖譜作為一個知識庫進行實體鏈接；

S3、通過用戶輸入問題，將語義問題與人體骨骼肌知識圖譜中的實體、關系進行匹配，推理得出答案。

2.如權利要求1所述的基于骨骼肌知識圖譜的醫療自動問答方法，其特征在于，所述步驟S1包括：

S11、獲取人體骨骼運動相關的結構化、半結構化和非結構化數據；

S12、利用預訓練模型對獲取數據中的詞語進行分布式表示；

S13、通過實體關系聯合抽取模型對數據進行實體、關系和屬性抽取，完成人體骨骼運動知識圖譜的搭建。

3.如權利要求2所述的基于骨骼肌知識圖譜的醫療自動問答方法，其特征在于，所述步驟S11利用Scrapy對網頁進行爬取獲取人體骨骼運動相關的數據，或者通過書籍和醫生康復師人工獲取結構化數據；

所述步驟S12在對數據進行文本表示之前先進行如下數據預處理和數據增強處理：對于得到的非結構化數據中的文本信息，按照信息抽取模型的標注模式進行標注，并將標注的文本作為訓練集、驗證集和測試集；通過人工構造的方式擴充數據量進行數據增強，擴充方式包括：原文擴充、隨機截斷、字符替換、隨機翻轉、同性詞替換以及預訓練模型輸出替換；

所述步驟S13利用基于深度學習的端到端的Joint模型對數據進行實體、關系和屬性抽取，并在TPLinker模型的基礎上增加了屬性識別，然后利用TPLinker模型將Joint實體關系提取任務轉換為Token對的連接關系。

4.如權利要求3所述的基于骨骼肌知識圖譜的醫療自動問答方法，其特征在于，所述步驟S13通過Token鏈接矩陣的標記方案來提取所有實體和重疊關系，具體包括：

設置實體頭部-實體尾部鏈接EH-ET：用于表示一個實體的開始和終止token；

設置主體頭部-目標頭部鏈接SH-OH：用于表示同一關系的兩個實體的開始token；

設置主體尾部-目標尾部鏈接ST-OT：用于表示同一關系的兩個實體的結束token；

對每個關系進行一次標記，如果有N個關系則解析成2N+1的序列標記子任務了，每一個子任務的長度為n為輸入的句子長度；

從實體頭部-實體尾部鏈接EH-ET中提取所有實體，并通過字典將每個頭部位置映射到相應到實體；然后開始進行解碼，對于每個關系ST-OT確定頭實體的尾部和尾實體的尾部，將其添加到集合E中；接著以SH-OH序列查找字典D中頭部位置開始的所有可能實體；最后開始迭代檢查所有候選實體是否在集合E中，如果在則直接提取三元組放入集合T中。

5.如權利要求4所述的基于骨骼肌知識圖譜的醫療自動問答方法，其特征在于，所述步驟S13中人體骨骼運動知識圖譜以人體關節為節點建立對應的關節肌群以及關節肌肉功能；所述人體關節的節點類型包括身體部位、關節肌群、肌肉、骨骼、筋膜、韌帶、神經、關節、軟骨、肌肉功能、肌肉功能測試、肌肉群、肌肉伸展測試、肌腱、器官、皮膚、關節囊、部位和動作；所述人體關節的節點屬性包括：臨床意義、名字、特別屬性、狀態、神經延展性測試說明、等級、簡介、肌肉延展測試說明、英文和說明，所述人體關節的關系屬性包括：位置、動作指令、備注、測試方法、狀態、短頭位置、結論、說明、起始姿勢和長頭位置。

6.如權利要求1所述的基于骨骼肌知識圖譜的醫療自動問答方法，其特征在于，所述步驟S2中知識庫包含一個實體集合E；每一個從互聯網上獲取的數據中抽取出來的實體，均為實體集合E的潛在提及對象；所述步驟S2將每個實體提及對象m∈M匹配對應到目標實體e∈E；如果在實際計算中集合E不包含m的目標實體，則將m鏈接到一個候選實體，并將候選實體作為新的目標實體補充到原有實體庫。