融合知识图谱与深度学习的疾病诊断方法研究

被引：43

作者：

董丽丽

程炯

张翔

叶娜

机构：

[1] 西安建筑科技大学信息与控制工程学院

来源：

计算机科学与探索 | 2020年 / 14卷 / 05期

关键词：

知识图谱嵌入; 专家经验知识; 卷积神经网络(CNN); 多通道; 疾病诊断;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.1 [文字信息处理]; R44 [诊断学];

学科分类号：

100218 [急诊医学]; 120506 [数字人文]; 140502 [人工智能];

摘要：

针对现有深度学习疾病诊断方法在辅助诊断过程中大规模依赖标注数据,且缺乏医生或专家经验知识的问题,提出一种融合医学知识图谱与深度学习的疾病诊断方法。该方法的核心是一个知识驱动的卷积神经网络(CNN)模型,通过实体链接消歧与知识图谱嵌入抽取得到医学知识图谱中的结构化疾病知识,并将病情描述文本中的疾病特征词向量与相应知识实体向量作为CNN的多通道输入。在卷积过程中从语义和知识两个层面表示不同类型疾病。通过在多类病情描述文本数据集上进行训练和测试,实验结果表明该方法的诊断性能要优于单一CNN模型与其他疾病诊断方法,并验证了这种知识与数据联合训练的方法更适用于初步诊断病情描述的疾病类型。

引用

页码：815 / 824

页数：10

共 6 条

[1]

基于动态采样和迁移学习的疾病预测模型 [J].

胡满满 ;

陈旭 ;

孙毓忠 ;

沈曦 ;

王晓青 ;

余天洋 ;

梅御东 ;

肖立 ;

程伟 ;

杨杰 ;

杨焱 .

计算机学报, 2019, 42 (10) :2339-2354

[2]

知识图谱研究综述及其在医疗领域的应用 [J].

侯梦薇 ;

卫荣 ;

陆亮 ;

兰欣 ;

蔡宏伟 .

计算机研究与发展 , 2018, (12) :2587-2599

[3]

应用深度学习实现儿科临床疾病智能辅助诊断 [J].

吴谨准 ;

罗震 ;

徐盛 ;

苏潘琛 ;

袁文 ;

李友星 ;

陈坚 ;

赵敏 ;

许中 .

中国数字医学, 2018, 13 (10) :14-16

[4]

基于病情自述和知识图谱的疾病辅助诊断 [J].

张利萍 ;

邢凯 ;

周慧 ;

芮伟康 ;

丁玲 .

计算机应用与软件, 2018, 35 (02) :161-166

[5]

Deep learning for freezing of gait detection in Parkinson’s disease patients in their homes using a waist-worn inertial measurement unit.[J].Julià Camps;Albert Samà;Mario Martín;Daniel Rodríguez-Martín;Carlos Pérez-López;Joan M. Moreno Arostegui;Joan Cabestany;Andreu Català;Sheila Alcaine;Berta Mestre;Anna Prats;Maria C. Crespo-Maraver;Timothy J. Counihan;Patrick Browne;Leo R. Quinlan;Gearóid Ó Laighin;Dean Sweeney;Hadas Lewy;Gabriel Vainstein;Alberto Costa;Roberta Annicchiarico;Àngels Bayés;Ale

[6]

Data Visualization with IBM Watson Analytics for Global Cancer Trends Comparison from World Health Organization [J].

Tsoi, Kelvin K. F. ;

Chan, Felix C. H. ;

Hirai, Hoyee W. ;

Keung, Gary K. S. ;

Kuo, Yong-Hong ;

Tai, Samson ;

Meng, Helen M. L. .

INTERNATIONAL JOURNAL OF HEALTHCARE INFORMATION SYSTEMS AND INFORMATICS, 2018, 13 (01) :45-54

← 1 →