[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: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 袁亞軍

本發明公開了一種基于骨骼肌知識圖譜的醫療自動問答方法，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。本發明提供的基于骨骼肌知識圖譜的醫療自動問答方法，能夠針對用戶輸入問題精準選出最為匹配的答案，有效降低人工判斷工作量，方便專業人士實現快速查詢某塊骨骼肌基本信息和相應的測試或康復方案，實現不用去醫院也能夠獲得良好的預診斷。

技術領域

本發明涉及一種人體骨骼運動康復模型構建方法，尤其涉及一種基于骨骼肌知識圖譜的醫療自動問答方法。

背景技術

目前在運動康復領域，按照專業能力進行分類，可大致分為專業(職業)人群、 高水平愛好者、普通愛好者、普通人群按身體年齡狀況可分為殘疾人群、亞健康人 群、中老年人群等。在眾多運動損傷和疾病中，僅非特異性腰痛(nonspecific low back pain,NLBP)這種病例在2016年因該病造成病人身體健康壽命受損達到了5760萬人/ 年。而目前國內的專業康復師和醫生的數量有限，但需求人群巨大。非醫療康復專 業人士在查詢人體骨骼肌相關知識(主要是運動康復方面)，如果不是在咨詢專業醫 生或者運動康復專業人士的情況下，將更多依賴于互聯網搜索引擎去尋找相關知識， 需要在較多雜亂的信息中去篩選出有價值的信息，這樣存在效率較低下且不準確的 問題。

目前已有的醫療康復方面的知識圖譜，大都基于傳統方法進行構建：比如2013 年Dao等人嘗試用語義匹配建立基于互聯網的人體骨骼肌搜索引擎；2018年Gyrard 等人提出基于個人的健康知識圖譜；2018年馬浩晨等基于規則的關系抽取建立了甲 狀腺知識圖譜；2020年付洋等建立了基于規則和相似度的心臟病病知識圖譜；2020 翟興等建立了基于模板匹配和相似度計算的智能養生的知識圖譜；2020年尤歡歡等 人建立了基于骨科疾病的知識圖譜；但是都存在效率較低、人工成本較高的問題。 對于知識圖譜醫療問答應用也普遍存在匹配精度不高，需要人工輔助判斷的問題， 大大影響了用戶的使用體驗。

發明內容

本發明所要解決的技術問題是提供一種基于骨骼肌知識圖譜的醫療自動問答方法，能夠針對用戶輸入問題精準選出最為匹配的答案，有效降低人工判斷工作量， 方便專業人士實現快速查詢某塊骨骼肌基本信息和相應的測試或康復方案，實現不 用去醫院也能夠獲得良好的預診斷。

本發明為解決上述技術問題而采用的技術方案是提供一種基于骨骼肌知識圖譜的醫療自動問答方法，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。

進一步地，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。

進一步地，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。

進一步地，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：