面向自动诊断的医学知识图谱的构建与应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 知识图谱发展历程 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 相关理论介绍 | 第18-29页 |
| 2.1 知识图谱 | 第18-23页 |
| 2.1.1 知识图谱的类型 | 第19-20页 |
| 2.1.2 知识图谱的构建方法 | 第20-21页 |
| 2.1.3 知识图谱的可视化 | 第21-23页 |
| 2.2 图相似性查询技术 | 第23-26页 |
| 2.2.1 图论 | 第23-24页 |
| 2.2.2 图编辑距离 | 第24-26页 |
| 2.3 智能医疗 | 第26-28页 |
| 2.3.1 EMR电子病历 | 第26-27页 |
| 2.3.2 自动诊断 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 知识图谱构建 | 第29-54页 |
| 3.1 数据来源 | 第29-32页 |
| 3.1.1 DBpedia数据集 | 第29-30页 |
| 3.1.2 MIMIC-Ⅲ病危护理数据集 | 第30页 |
| 3.1.3 中文病例数据集 | 第30-31页 |
| 3.1.4 临床诊疗知识库数据集 | 第31页 |
| 3.1.5 Orphanet网站数据集 | 第31-32页 |
| 3.2 数据模式构建 | 第32-35页 |
| 3.3 英文知识获取 | 第35-41页 |
| 3.3.1 病人信息的获取 | 第35-37页 |
| 3.3.2 药物信息的获取 | 第37-38页 |
| 3.3.3 疾病信息的获取 | 第38页 |
| 3.3.4 入院情况信息的获取 | 第38-40页 |
| 3.3.5 类别信息的获取 | 第40-41页 |
| 3.4 中文知识获取 | 第41-44页 |
| 3.4.1 结构化信息的获取 | 第41-42页 |
| 3.4.2 非结构化信息的获取 | 第42-44页 |
| 3.5 语义关系的获取 | 第44-49页 |
| 3.5.1 数据规范化 | 第45页 |
| 3.5.2 拥有病例语义关系获取 | 第45页 |
| 3.5.3 诊断结果语义关系获取 | 第45-46页 |
| 3.5.4 用药情况语义关系获取 | 第46-49页 |
| 3.5.5 同类别语义关系获取 | 第49页 |
| 3.6 知识融合 | 第49-50页 |
| 3.7 知识图谱展示 | 第50-53页 |
| 3.8 本章小结 | 第53-54页 |
| 第四章 相似病例搜索 | 第54-63页 |
| 4.1 基于图模型的病例表示方法 | 第54-55页 |
| 4.2 基于图模型的病例近似搜索算法 | 第55-58页 |
| 4.3 实验准备 | 第58-59页 |
| 4.3.1 实验数据处理 | 第58-59页 |
| 4.3.2 实验设计 | 第59页 |
| 4.4 对比实验 | 第59-62页 |
| 4.4.1 评价指标 | 第59-60页 |
| 4.4.2 实验结果分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 自动诊断 | 第63-68页 |
| 5.0 基于图模型的动态病例表示 | 第63页 |
| 5.1 SEGOS算法的扩展 | 第63-64页 |
| 5.2 实验准备 | 第64-66页 |
| 5.2.1 实验数据处理 | 第64-65页 |
| 5.2.2 实验设计 | 第65-66页 |
| 5.3 验证性实验 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
