| 融合知识图谱与深度学习的疾病诊断方法研究 |
| |
| 引用本文： | 董丽丽,程炯,张翔,叶娜. 融合知识图谱与深度学习的疾病诊断方法研究[J]. 计算机科学与探索, 2020, 14(5): 815-824 |
| |
| 作者姓名： | 董丽丽 程炯 张翔 叶娜 |
| |
| 作者单位： | 西安建筑科技大学 信息与控制工程学院,西安 710055;西安建筑科技大学 信息与控制工程学院,西安 710055;西安建筑科技大学 信息与控制工程学院,西安 710055;西安建筑科技大学 信息与控制工程学院,西安 710055 |
| |
| 基金项目： | the Natural Science Basic Research Program of Shaanxi Province under Grant No. 2018JM6080 (陕西省自然科学基础研究计划);the Innovation Leading Project of Xi'an Science and Technology Bureau under Grant Nos. 201805033YD11CG17(1), 201805033YD11CG17(2) (西安市科技局科技创新引导项目);The National Natural Science Foundation of China under Grant No. 61701388 (国家自然科学基金) |
| |
| 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。
|
| 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 |
Research on Disease Diagnosis Method Combining Knowledge Graph and Deep Learning |
| |
| DONG Lili,CHENG Jiong,ZHANG Xiang,YE Na. Research on Disease Diagnosis Method Combining Knowledge Graph and Deep Learning[J]. Journal of Frontier of Computer Science and Technology, 2020, 14(5): 815-824 |
| |
| Authors: | DONG Lili CHENG Jiong ZHANG Xiang YE Na |
| |
| Affiliation: | (School of Information and Control Engineering,Xi'an University of Architecture and Technology,Xi'an 710055,China) |
| |
| Abstract: | |
| |
| Keywords: | knowledge graph embedding expert experience convolutional neural network(CNN) multi-channel disease diagnosis |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
