摘要：医疗知识图谱中知识重叠和互补的现象普遍存在,利用实体对齐进行医疗知识图谱融合成为迫切需要。然而据作者调研,目前医疗领域中的实体对齐尚没有一个完整的处理方案。因此该文提出了一个规范的基于中文电子病历的医疗知识图谱实体对齐流程,为医疗领域的实体对齐提供了一种可行的方案。同时针对基于中文电子病历医疗知识图谱之间结构异构性的特点,该文设计了一个双视角并行图神经网络(DuPNet)模型用于解决医疗领域实体对齐,并取得较好的效果。

摘要：临床大数据提供了患者完整的健康状况和其他有价值的信息。目前临床大数据以自然语言形式记录,以结构化或非结构化格式进行存储,研究人员很难对它们进行统计分析和处理。从医疗大数据中提取高质量的医学实体和关系并构建医学知识图谱在知识问答、语义搜索等领域起着至关重要的作用。基于此,设计与实现了基于临床分布式大数据的知识图谱构建架构和流程。通过描述临床分布式大数据知识图谱的构建方法,包括知识获取、知识表示、知识存储和知识可视化,从而对医院内的所有疾病建立了知识图谱,并将相关诊断和医疗数据关联起来,为医疗领域面向文本信息构建知识图谱提供了技术支持,具有较大的实用性。

摘要：近年来,随着互联网的普及和大数据分析等技术的发展,人们对移动医疗服务的需求越来越迫切,具体表现为根据症状确定自己患有的疾病以及根据疾病选择服务质量较好的医院及医生。为了解决上述问题,基于知识图谱和深度学习技术设计并实现了一种问诊推荐系统。基于互联网开放的医疗数据,构建了“疾病-症状”知识图谱,帮助用户根据症状自查,并以知识图谱嵌入模型训练知识图谱中实体的嵌入向量表示,根据向量的欧式距离相似度选取最相近的疾病实体丰富推荐选项,两者结合实现疾病诊断服务。同时,基于社交媒体的评论数据,结合现有的医疗服务质量评价指标,使用了深度学习的分析方法,自动给出医生的服务质量多维度的评分,为用户提供医生医院推荐服务。最后,通过构建测试集以及设计调查问卷等方式,验证了疾病诊断服务和医生医院推荐服务的准确率分别达到了74.00%和90.91%。