[發明專利]一種基于知識圖譜的肝癌術后復發風險的預測方法及裝置

在審

• 申請號: 202210552510.4
• 申請日: 2022-05-20
• 公開（公告）號: CN114822852A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 談佳凌;王瑞國;湯晨曉;張林;許娟
• 申請（專利權）人: 神州醫療科技股份有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70;G16H10/60;G06F16/35;G06F16/36;G06K9/62
• 代理公司: 北京星通盈泰知識產權代理有限公司 11952
• 代理人: 夏晶

1.一種基于知識圖譜的肝癌術后復發風險的預測方法，其特征在于，包括如下步驟：

針對患者數據進行預處理，得到預處理后數據；

針對所述預處理后數據，構建包含肝癌復發相關影響因素、肝癌指標和患者數據的知識圖譜；

采用XLNet訓練模型對所述知識圖譜中實體、關系進行訓練，得到患者實體和關系的表征向量；

根據所述患者實體和關系的表征向量，采用XGB算法進行預測，并用MSE作為損失函數，將損失函數最小的對應預測值，作為肝癌術后復發風險的預測值。

2.如權利要求1所述的基于知識圖譜的肝癌術后復發風險的預測方法，其特征在于，所述知識圖譜利用屬性圖表示，即圖數據庫Neo4J實現的圖結構表示模型。

3.如權利要求2所述的基于知識圖譜的肝癌術后復發風險的預測方法，其特征在于，所述圖結構表示模型包括：肝癌通過關系與N個參數相連接；N個參數分別通過不同的映射與M個特征相連接；M個特征通過關系分別與P個病理相連接。

4.如權利要求1所述的基于知識圖譜的肝癌術后復發風險的預測方法，其特征在于，所述構建包含肝癌復發相關影響因素、肝癌指標和患者數據的知識圖譜，包括如下步驟：

對預處理后的數據進行SpERT模型訓練，獲得肝癌及對應肝癌指標之間關系的表征向量，并采用已經訓練完成的SpERT模型對肝癌及對應肝癌指標進行實體、關系和屬性抽取，得到抽取結果；

對抽取出結果進行數據離散化、相同字段單位歸一化、實體的標準化，得到標準化后結果；

將標準化后結果與肝癌復發相關影響因素進行映射，將映射后的結果也作為實體，得到最終的三元組，所述最終的三元組作為包含肝癌復發相關影響因素、肝癌指標和患者數據的知識圖譜。

5.如權利要求4所述的基于知識圖譜的肝癌術后復發風險的預測方法，其特征在于，所述采用已經訓練完成的SpERT模型對肝癌及對應肝癌指標進行實體、關系和屬性抽取，得到抽取結果，包括如下步驟：

針對實體進行分類；

對分類后的實體進行過濾；

對過濾后的實體與實體之間的關系進行分類。

6.一種基于知識圖譜的肝癌術后復發風險的預測裝置，包括：數據預處理模塊、知識圖譜構建模塊、知識表征訓練模塊以及手術后復發風險預測模塊；

所述數據預處理模塊、知識圖譜構建模塊、知識表征訓練模塊以及手術后復發風險預測模塊依次順序相連接；

所述數據預處理模塊用于針對患者數據進行預處理，得到預處理后數據；

所述知識圖譜構建模塊用于針對所述預處理后數據，構建包含肝癌復發相關影響因素、肝癌指標和患者數據的知識圖譜；

所述知識表征訓練模塊用于采用XLNet訓練模型對所述知識圖譜中實體、關系進行訓練，得到患者實體和關系的表征向量；

所述手術后復發風險預測模塊用于根據所述患者實體和關系的表征向量，采用XGB算法進行預測，并用MSE作為損失函數，將損失函數最小的對應預測值，作為肝癌術后復發風險的預測值。

7.如權利要求6所述的基于知識圖譜的肝癌術后復發風險的預測裝置，其特征在于，所述知識圖譜構建模塊包括：抽取單元、標準化單元、映射單元；

所述抽取單元、標準化單元、映射單元依次順序相連接；

所述抽取單元用于對預處理后的數據進行SpERT模型訓練，獲得肝癌及對應肝癌指標之間關系的表征向量，并采用已經訓練完成的SpERT模型對肝癌及對應肝癌指標進行實體、關系和屬性抽取，得到抽取結果；

所述標準化單元用于對抽取出結果進行數據離散化、相同字段單位歸一化、實體的標準化，得到標準化后結果；

所述映射單元用于將標準化后結果與肝癌復發相關影響因素進行映射，將映射后的結果也作為實體，得到最終的三元組，所述最終的三元組作為包含肝癌復發相關影響因素、肝癌指標和患者數據的知識圖譜。