[發明專利]基于超聲檢查報告的乳腺癌診斷知識圖譜構建方法及系統

在審

• 申請號: 202210852471.X
• 申請日: 2022-07-20
• 公開（公告）號: CN115101158A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 李小龍;吳義熔;孫水發;唐庭龍;劉世焯
• 申請（專利權）人: 三峽大學
• 主分類號: G16H15/00
• 分類號: G16H15/00;G06N3/08;G06N3/04;G06F40/295;G06F16/36
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 杜娟

1.一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建方法，其特征在于，包括以下步驟：

構建知識圖譜本體及概念層；

基于乳腺超聲檢查報告數據，提取乳腺癌超聲BI-RADS變量特征，獲取乳腺癌診斷知識圖譜數據層；

對提取的BI-RADS變量特征進行知識融合、知識加工，得到處理后BI-RADS變量特征；

將處理后BI-RADS變量特征導入乳腺癌超聲知識圖譜概念層框架，實現乳腺癌超聲知識圖譜“實體-屬性-關系”三元組的對應，完成知識圖譜圖數據庫構建。

2.根據權利要求1所述的一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建方法，其特征在于，還包括對乳腺超聲檢查報告數據進行預處理，具體步驟如下：

去除內容重復的報告和含有記錄不完整或錯誤數據的報告；

BI-RADS變量特征標注，并將標注的文本轉換成BIO格式；

構建基于深度學習的命名實體識別模型。

3.根據權利要求2所述的一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建方法，其特征在于，構建基于深度學習的命名實體識別模型，包括：在BiLSTM-CRF模型基礎上，通過增加注意力機制對編碼器所有時間步的隱藏狀態做加權平均來得到下一層的輸入變量，增加注意力機制用來建立網絡層之間的關聯，搭建BiLSTM-Attention-CRF模型。

4.根據權利要求3所述的一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建方法，其特征在于，所述命名實體識別模型包括：嵌入層、雙向-長短時記憶網絡層、注意力機制層、條件隨機場層。

5.根據權利要求1所述的一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建方法，其特征在于，還包括知識圖譜圖數據庫的可視化分析，具體為：將提取的BI-RADS特征數據導入Neo4j圖數據庫，實現知識圖譜可視化展示。

6.一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建系統，其特征在于，包括：

知識圖譜概念層構建模塊：用于構建知識圖譜本體及概念層；

知識圖譜數據層構建模塊：用于基于乳腺超聲檢查報告數據，提取乳腺癌超聲BI-RADS變量特征，獲取乳腺癌診斷知識圖譜數據層；

變量特征處理模塊：用于對提取的BI-RADS變量特征進行知識融合、知識加工，得到處理后的BI-RADS變量特征；

知識圖譜圖數據庫構建模塊：用于將BI-RADS變量特征導入乳腺癌超聲知識圖譜概念層框架，實現乳腺癌超聲知識圖譜“實體-屬性-關系”三元組的對應，完成知識圖譜圖數據庫構建。

7.根據權利要求6所述的一種基于超聲檢查報告的乳腺癌診斷知識圖譜構建系統，其特征在于，還包括知識圖譜圖數據庫的可視化分析模塊：用于將提取的BI-RADS特征數據導入Neo4j圖數據庫，實現知識圖譜可視化展示。