基于知识图谱的慢性病医疗问答系统研究
这是一篇关于慢性病,知识图谱,问答系统,RoBERTa-BiGRU-CRF的论文, 主要内容为近年来,虽然社会飞速发展和生活水平也不断提高,但是快节奏的生活也导致了慢性病在人们的日常生活中开始频繁出现,严重影响了人们的正常生活。如何方便快捷的找到对我们日常预防治疗慢性病有用的医疗知识便变得尤为重要。通过传统的方法从搜索引擎中查询到的相关知识数量非常庞大并且分散,从中获取所需要的知识的效率很低。基于知识图谱的问答系统就能很好的解决这一问题。本文主要研究为慢性病知识图谱的构建和问答系统的实现。通过从网络中获取的慢性病医疗知识数据构建慢性病知识图谱,通过命名实体识别和意图识别进行语义解析,从知识图谱中得到用户提问的答案,以便用户查询疾病相关知识。本文主要工作如下:(1)通过爬虫技术对相关网站中数据的分析,利用爬虫脚本获取到了原始数据。将这些数据通过数据清洗后得到构建知识图谱所需的干净数据。然后将数据进行分类并通过对数据的分析定义了实体、关系和属性的类别。最后将分类好的数据以三元组的形式保存到Neo4j数据库中存储,构建出慢性病知识图谱。(2)在问答系统中使用语义解析的方法对问句进行分析,主要包括命名实体识别任务和意图识别任务。在命名实体识别任务中基于传统的Bi LSTM-CRF改进为Ro BERTa-Bi GRU-CRF模型,通过引入预训练模型BERT的改进模型Ro BERTa将问句转化为语义向量。区别于Bi LSTM使用了Bi GRU减少了模型训练参数,收敛性更好训练速度更快。将Ro BERTa训练好的向量通过Bi GRU获取上下文语义信息最后通过CRF对问句进行实体识别。在意图识别任务中,使用Ro BERTa模型对问句进行分类。最后通过将意图识别分类对应的数据库查询语句与命名实体识别得到的实体结合,从Neo4j数据库存储的慢性病知识图谱中通过该查询语句得到答案。(3)在上述的工作的基础上,实现了基于知识图谱的慢性病医疗问答系统。主要为用户提供慢性病医疗问答服务和知识图谱可视化。
基于数据挖掘的慢性病人群个性化饮食智能推荐系统的研究与实现
这是一篇关于慢性病,数据挖掘,营养治疗,饮食推荐,饮食结构优化的论文, 主要内容为合理的营养摄入不仅能够降低健康人群罹患重大慢性病的风险,还能延缓慢性病患者的病情发展进程,减少并发症的发生,改善患者的生命质量。由于不同种类慢性病的营养治疗指导原则不尽相同,尤其是当患者合并多种慢性病时,饮食调整原尤为复杂。此外我国医疗资源供需严重失衡,营养师与慢性病患者之间数量对比悬殊,大多数患者缺乏专业的营养指导。因此,如何高效利用慢性病患者的特征信息进行科学、便捷的营养治疗,是慢性病管理中的关键性问题。本文基于数据挖掘技术,结合营养学相关知识,设计一个基于领域知识约束的面向慢性病人群的饮食推荐系统,模拟营养师为患者制定私人饮食的过程,提供针对性、精准化的营养治疗方案。由于科学、明确的营养治疗原则是后续研究的基石,本文提出了一种基于患者画像的营养素需求评估模型。首先,对患者各项生理指标数据进行抽象化处理,获得对应的标签化画像。然后,借助画像信息计算患者每日所需的核心营养素摄入范围,并挖掘出个体的慢性病特征标签。此外,本文从多种渠道收集食谱与食材数据,基于营养学知识挖掘出每个食谱、食材的特征信息,建立慢性病患者的专属食谱、食材数据库。与前人方案相比,本文考虑了慢性病患者个体的差异性,搭建了患者与食谱、食材之间的匹配桥梁,增加了营养治疗方案的可解释性。针对慢性病患者日常饮食管理中的需求,本文提出了个性化饮食推荐与饮食结构优化相结合的营养治疗综合方案。前者考虑了患者的饮食喜好、营养配餐规则,利用推荐算法挖掘出满足患者个性化需求的饮食推荐结果,提供多场景、精准化的饮食推荐方案。后者则综合考虑蛋白质、能量、钾以及优质蛋白质多种约束条件,针对于慢性病人群的病种、实时生理状况,设计了多目标饮食结构优化方案。与营养师相比,本文可提升整体慢性病患者饮食管理的效率,在慢性病人群中扩大专业营养指导的覆盖范围。
慢性病临床决策支持系统功能需求分析与知识库构建研究——以心力衰竭管理为例
这是一篇关于临床决策支持系统,慢性病,心力衰竭,功能需求,知识库的论文, 主要内容为[目的]调查心力衰竭患者健康信息素养水平、心脏康复障碍、运动恐惧和自我管理行为现状,分析影响患者自我管理行为的主要因素,厘清患者对系统的实际功能需求;以《国际功能、残疾和健康分类》(ICF)为概念框架,护理程序为核心,参考国际分类护理术语体系,构建基于证据的心力衰竭临床决策支持系统知识库;基于前期功能需求调查结果和知识库研究成果形成符合心力衰竭患者自我管理需求的系统功能需求方案并进行人机交互界面设计。[方法]1.采取问卷调查法,对261例心衰患者的一般资料、疾病相关资料、健康信息素养、心脏康复障碍、运动恐惧、自我管理行为进行现况调查,并由此分析患者对系统可能存在的功能需求。2.以《国际功能、残疾和健康分类》(ICF)为概念框架、护理程序为核心,参照“知识开发过程”模型构建心力衰竭临床决策支持系统知识库。3.基于前期调查成果,通过文献回顾、专家会议形式形成系统功能需求方案,并进行人机交互界面设计。[结果]1.心力衰竭患者自我管理行为总分(134.59±47.46)分,自我护理维持、自我护理管理、自我护理信心3个亚量表得分低于70分的患者分别占比86.6%、90.4%、85.4%。2.心力衰竭患者健康信息素养总均分为57.80分,总分低于60分患者占57.86%,5个维度均分由高到低依次为健康信息认知(63.55分)、健康信息获取(60.15分)、健康信息评价(58.08分)、健康信息应用(51.79分)、健康信息道德(50.70分);心脏康复障碍总分为61(53,65)分,5个子量表百分制处理后均分由高到低依次为外部后勤因素(65.19分)、卫生系统层面因素(59.43分)、感知CR需求(58.52分)、合并症/功能状态(48.94分)、时间冲突(48.06分);运动恐惧总分为40(37,44.5)分,总分高于37分(存在明显运动恐惧)患者占比79.31%,4个维度百分制处理后均分由高到低依次为功能紊乱维度(65.28分)、运动恐惧维度(62.57分)、危险感知维度(61.30分)、运动回避维度(53.93分)。3.相关性分析结果显示,心力衰竭患者健康信息素养总分与自我管理行为总分呈明显正相关(P＜0.001),心脏康复障碍总分、运动恐惧总分与自我管理行为呈明显负相关(P＜0.001)。4.心力衰竭患者自我护理维持、自我护理管理和自我护理信心受多种因素影响。回归分析结果显示,吸烟史、是否运动/活动、健康信息评价得分、卫生系统层面因素得分是心力衰竭患者自我护理维持行为的独立影响因素(P＜0.05);运动回避得分为心力衰竭患者自我护理管理行为的独立影响因素(P=0.039);是否运动/活动、NTPro-BNP含量为心力衰竭患者自我护理信心的独立影响因素(P＜0.05)。5.心力衰竭临床决策支持系统知识库包含心脏功能、活动与参与功能、水和电解质平衡功能、呼吸系统功能、能量与驱动功能、皮肤保护功能、情感功能、睡眠功能8个重点领域。以心力衰竭患者活动与参与功能为例,针对患者“活动不耐受”这一护理问题,形成Ⅰ级护理评估项8个,Ⅱ级护理评估项55个,护理目标1个,目标衡量指标4个,护理措施3个,Ⅰ级护理活动25个,Ⅱ级护理活动101个。6.设计包含个人中心、健康行为管理、精彩资讯、在线服务、风险预警5个主要功能模块的移动APP端用户界面。[结论]1.心力衰竭患者自我管理行为整体处于较低水平,应在充分考虑自我管理行为薄弱项、患者健康信息素养水平、心脏康复主要障碍因素、导致运动恐惧的主要因素以及自我管理行为独立影响因素的前提下对心力衰竭临床决策支持系统进行健康信息内容与功能设计,以满足患者自我管理实际需求。2.心力衰竭临床决策支持系统知识库参照“知识过程开发模型”流程形成设计思路,以循证结果为基础提取与护理问题相关的评估、目标、评价、措施与活动,并根据匹配规则将提取出的证据进行逻辑链接,由此构成的知识图谱有助于为患者提供个体化、精准化的护理服务。3.在功能需求调查、知识库研究成果基础上,结合小组会议和专家会议形成系统功能需求方案和包含5大功能模块的人机交互界面,可为心力衰竭患者提供系统、全面的自我管理指导,并为后续系统开发奠定基础。
基于知识图谱的慢性病医疗问答系统研究
这是一篇关于慢性病,知识图谱,问答系统,RoBERTa-BiGRU-CRF的论文, 主要内容为近年来,虽然社会飞速发展和生活水平也不断提高,但是快节奏的生活也导致了慢性病在人们的日常生活中开始频繁出现,严重影响了人们的正常生活。如何方便快捷的找到对我们日常预防治疗慢性病有用的医疗知识便变得尤为重要。通过传统的方法从搜索引擎中查询到的相关知识数量非常庞大并且分散,从中获取所需要的知识的效率很低。基于知识图谱的问答系统就能很好的解决这一问题。本文主要研究为慢性病知识图谱的构建和问答系统的实现。通过从网络中获取的慢性病医疗知识数据构建慢性病知识图谱,通过命名实体识别和意图识别进行语义解析,从知识图谱中得到用户提问的答案,以便用户查询疾病相关知识。本文主要工作如下:(1)通过爬虫技术对相关网站中数据的分析,利用爬虫脚本获取到了原始数据。将这些数据通过数据清洗后得到构建知识图谱所需的干净数据。然后将数据进行分类并通过对数据的分析定义了实体、关系和属性的类别。最后将分类好的数据以三元组的形式保存到Neo4j数据库中存储,构建出慢性病知识图谱。(2)在问答系统中使用语义解析的方法对问句进行分析,主要包括命名实体识别任务和意图识别任务。在命名实体识别任务中基于传统的Bi LSTM-CRF改进为Ro BERTa-Bi GRU-CRF模型,通过引入预训练模型BERT的改进模型Ro BERTa将问句转化为语义向量。区别于Bi LSTM使用了Bi GRU减少了模型训练参数,收敛性更好训练速度更快。将Ro BERTa训练好的向量通过Bi GRU获取上下文语义信息最后通过CRF对问句进行实体识别。在意图识别任务中,使用Ro BERTa模型对问句进行分类。最后通过将意图识别分类对应的数据库查询语句与命名实体识别得到的实体结合,从Neo4j数据库存储的慢性病知识图谱中通过该查询语句得到答案。(3)在上述的工作的基础上,实现了基于知识图谱的慢性病医疗问答系统。主要为用户提供慢性病医疗问答服务和知识图谱可视化。
居民健康和慢性病管理信息系统设计与实现
这是一篇关于信息系统,慢性病,B/S架构,ASP.net的论文, 主要内容为本文是根据卫生部疾病预防控制局“慢病管理业务信息技术规范”和“慢病管理信息系统规范化测试工作方案”等文件的有关要求,所开发的一套专为社区卫生服务中心和乡镇卫生院等基层卫生服务机构提供,并可与社区其它管理系统有机整合的常见慢病信息管理工具软件。主要适用于开展慢性非传染性疾病管理全部或部分业务的省市医院、区域门诊部、社区卫生服务机构和慢性病防治站等。 系统由个人健康档案、慢性病管理系统、人群信息服务、高血压诊断治疗系统等若干模块有机结合而成。通过采集人群相关信息,即可自动筛查出该个体属于一般人群、慢病患者,还是高危人群；之后,通过人群分类管理进一步采集人群个体身体活动、膳食、烟酒、家族病史、实验室检查等各类信息,系统将自动生成各类个人健康评估报告,对其健康状况进行全面评估,分析各种危险因素的现实状况和暴露水平,以慢病管理业务信息技术规范为依据,对慢病患者和高危人群的健康状况做出评估,并制定个性化的行为干预和疾病改善指导方案,并定期随访,动态掌握和管理人群健康状况,在管理效果评估的基础上,与管理对象共同调整行为干预和治疗方案,形成一个动态循环的跟踪评估、指导和管理过程,从而实现诊疗服务与健康教育,与追踪管理三结合,达到降低病残率、减少并发症、降低死亡率以及提高慢病病患生活质量的慢病防治和管理目标。 本文以管理信息系统开发的理论为基础,结合居民健康和慢性病管理实际需求,在先进的Microsoft.NET平台下进行开发。前端采用ASP.NET设计网页界面,后台数据库采用SQL SERVER 2005技术,设计出一套适合慢性病管理的体系架构,并经过系统分析、平台架构、数据库设计、系统整体设计、功能模块化详细设计等工作,从而使本系统的开发得以实现。 系统在数据库的设计中对用户的使用权限可以根据其职责进行灵活的分配,保证了系统运行的安全性和可靠性。系统经初步试运行表明,该研究成果不仅可以大大节约人力、物力和时间,而且还能最大限度地避免人为统计所造成的错误。简化了工作流程,提高了工作效率。所取得的成果可为今后类似系统的研究提供有益的参考或借鉴。
高性能与高可用慢病管理系统的研究与设计
这是一篇关于高性能,J2EE,慢性病,Nginx,Galera集群的论文, 主要内容为慢性病管理系统,是西安交通大学第一附属医院响应陕西省“科技惠民计划”申办的医疗信息平台。其中的高血压部分已于2013年上线,心力衰竭部分与2014年上线。今年年底将会上线冠心病部分。该平台对医生、患者、研究人员等9大角色的用户提供各种服务,包括建立高血压和心力衰竭档案、高血压、心力衰竭随访管理、查询高血压分级、分析研究医疗数据、病人信息导出等等功能。自2013年上半年高血压部分上线,现如今已经累计患者用户5000人左右,潜在用户15000人。心血管疾病管理系统的用户正在逐渐增长,将来推广之后会对系统造成更大的压力。所以给系统维护带来了性能,可用性方面的难题。本文主要研究了高性能和高可用慢病服务的设计方案,保证医生和患者等各类用户在生产环境中能够及时获得系统响应。慢性心血管疾病管理平台采用的是B/S结构,采用Struts2、Spring、Hibernate作为项目开发框架。项目部署在Cent OS7服务器上,采用的Servlet容器为Apache Tomcat,本文在探究高性能与高可用慢病服务的过程中,主要做了以下工作:1、分析了心血管疾病管理系统的原有业务流程,包括高血压、心力衰竭两个系统中的各项功能。2、研究系统的技术架构,包括Nginx、Tomcat、My SQL数据库的各项配置和物理部署位置。研究Java Web系统在应对高并发情况下的机制与调整策略。3、调整系统架构,从原本单一的Tomcat容器处理所有的请求的结构变成多级负载均衡的架构,研究了Nginx、My SQL的Galera集群的配置方式,在表现层、业务层、持久层三个方面对系统进行扩充设计。4、对于一些特别耗时的应用层代码对其进行优化,调整原来系统中设计不合理的地方。例如慢病系统主面板的目录树用轻量级的Easy UI替换掉去掉庞大的Ext JS并通过延迟加载js文件。5、对现有系统进行测试并进行对比分析,验证和改进了效果以及不足的地方。尽可能地找出没有发现的潜在的性能瓶颈、系统中可能会导致宕机的关键点,并修改对应模块的程序代码与配置文件,使系统变得更加快速、健壮、可用。6、本文最后对慢病系统做进一步展望,在业务层和持久层引入了分布式的概念。主要加入了消息队列使得业务可以划分为粒度更细的模块,每个模块作为一个独立运行的节点,保证业务模块的代码不成为瓶颈。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头 ，原文地址：https://bishedaima.com/lunwen/46067.html
