Inicio>Relacionado con la programación>Otro código fuente
Descargar

Medical_Knowledge_Graph_App

Descripción del proyecto

  • 1. Construya un gráfico de conocimiento médico
  • 2. Construya un backend automático de preguntas y respuestas
  • 3. Aumentar la interacción frontal

Al construir un gráfico de conocimiento médico y una pregunta y respuesta automática, consulte el elemento 1 . Se han realizado las siguientes optimizaciones en la construcción de un gráfico de conocimiento médico y un sistema de preguntas y respuestas:

  1. El proyecto original tiene el problema de no poder responder a los síntomas y la enfermedad. Por lo tanto, el rastreador arrastró directamente los síntomas de cada enfermedad y describió el texto. Al mismo tiempo, todos los síntomas en la base de datos de síntomas del sitio web original se arrastran al diccionario de nombre de los síntomas.
  2. El algoritmo de CA se usó para recuperar los 4377 síntomas (síntoma. Reconstruyó el nombre de la enfermedad-síntoma-síntoma del síntoma triplete 99,492.
  3. Con respecto a la pregunta sobre la enfermedad del razonamiento de Symtom, el resultado de la síntesis original se cambió al encontrar cada síntoma solo y luego fusionarlo en una intersección de la enfermedad que respalde múltiples síntomas.
  4. Cuando los síntomas descritos son coloquiales y no pueden igualar con precisión el nombre de la biblioteca de síntomas, primero use Bert+CRF Model 2 para el reconocimiento de entidades de nombres. El método de anotación utiliza Bio+C (c representa el tipo de entidad, fármaco/síntoma/enfermedad, etc.). El conjunto de datos se construye en función de la plantilla de problema para extraer aleatoriamente las ranuras de palabras mencionadas en la pregunta de reemplazo de palabras del dominio del diccionario de dominio, y cada palabra solo aparece una vez. Los parámetros del modelo de entrenamiento Dirección de descarga (enlace: https://pan.baidu.com/s/1zgczyis-vo1bsl40xrptfw contraseña: 96ln), descompresión y colóquela en el directorio med_kg/ner_model/salidas.
  5. Use el Modelo Sbert 3 para calcular la similitud de las palabras de mención identificadas y el diccionario correspondiente (incrustación guardada) y obtenga los 20 mejores, y combine la longitud de las palabras superpuestas para usar las palabras superpuestas más largas como resultado del enlace de la entidad.
  6. La identificación de la intención de este proyecto todavía se implementa utilizando el método de plantilla de tipo de palabra de palabras basado en reglas del proyecto original + mencionar.
  7. TODO: Reconstruya el atributo de prevalencia de la enfermedad, pero actualmente no está construido. Luego, cuando se obtienen múltiples enfermedades candidatas describiendo los síntomas, la probabilidad de enfermedad se demuestra de alta a baja.
  8. TODO: Actualmente no hay un modelo de reconocimiento de intención de aprendizaje profundo. Se construye construyendo un conjunto de palabras de preguntas y reglas para que coincida con la intención de la pregunta. Puede considerar el uso de algunos conjuntos de datos de similitud que vuelven a contar la similitud de los problemas en el campo médico para realizar un módulo de reconocimiento de intención con una fuerte capacidad de generalización.

Después de construir el gráfico de conocimiento y el sistema de preguntas y respuestas, se agregan la interacción front-end y la pantalla KG, utilizando el mapa guiado por la fuerza de Echarts. Proyecto de referencia de implementación 4 .

Comience el proyecto

  • Iniciar la base de datos NEO4J 
 neo4j-community-4.1.4 % bin/neo4j start
  • Ejecutar el programa principal 
 medical_knowledge_graph_app-master % python med_kg/manage.py runserver

Catálogo de proyectos

  • Diagrama de interfaz de función IMG

  • Archivo KG/Prepare_Data Crawler

  • KG/Data/Medical_Rebuild.json Los datos procesados ​​finales

  • kg/build_medicalgraph.py crea una base de datos de gráficos Neo4J

  • Modelo de enlace de entidad MED_KG/EL_MODEL

    • med_kg/el_model/incrustación de la palabra incrustación de la representación de la enfermedad/fármaco/diccionario de síntomas

    • MED_KG/EL_MODEL/ENTITY_LING.PY Entity Link Script

  • MED_KG/MED_KG DJANGO Vistas y archivos de configuración

  • MED_KG/Plantillas Plantillas del marco Django

  • Med_kg/archivo de arranque frontal estático

  • MED_KG/NER_MODEL Nombrado Modelo de reconocimiento de entidad

    • MED_KG/NER_MODEL/MODELOS Código modelo de modelo de reconocimiento de entidad

    • MED_KG/NER_MODEL/DATOS DE DATOS PARA Modelo de entrenamiento

    • Med_kg/ner_model/pérdidas función de pérdida para el modelo de entrenamiento

    • MED_KG/NER_MODEL/OUTPUS/1101MEDSELFNER-FINETUNE FINELY TUNADO (entrenado)

    • MED_KG/NER_MODEL/PREV_TRAINTIN_MODEL Modelo previo a Pytorch

  • herramienta med_kg/util, arranque en frío

  • Script MED_KG/Model para interactuar con la base de datos de gráficos NEO4J

  • MED_KG/MEDMODEL Pregunta automática y respuesta

    • MED_KG/MEDMODEL/CUESTA_CLASSIFIER.PY Script de reconocimiento de intención

    • MED_KG/MEDMODEL/CUESTION_PARSER.PY Script que convierte las palabras e intenciones de mención identificadas en declaraciones de consulta

    • MED_KG/MEDMODEL/RESPUESTA_SEARCH.PY BASE DE DATOS DE GRÁFICO DE CONSIL

    • Diccionario de dominio MED_KG/MEDMODEL/DICT

1. Construcción del mapa de conocimiento y medicina

1. Tipo de entidad de gráfico de conocimiento

El número '*' indica el elemento que cambia en función del proyecto original

Tipo de entidad Significado chino Número de entidades Dar un ejemplo
Controlar Artículos de examen de diagnóstico 3,353 Broncografía; artroscopia
Departamento Sujetos médicos 54 Departamento de Cirugía Plástica; Departamento de quemaduras
Enfermedad enfermedad 8.807 Vasculitis tromboocítica; Aneurisma aórtico descendente del cofre
Droga droga 3.828 Crema de hemorroides Jingwanhong; Gotas de brintzoamina gotas
Alimento alimento 4.870 Sopa de pelota de carne de tomate y verduras; brotes de bambú guisados ​​con cordero
Productor Grandes categorías de medicamentos 17,201 Tongyao Penicilina farmacéutica V tabletas de potasio; Tabletas de acetato de dexametasona Qingyang
Síntoma* Síntomas de la enfermedad 4,377 Hipertrofia del tejido mamario; sangrado profundo en el parénquima cerebral
Total total 44,111 Alrededor de 44,000 entidades

2. Tipo de relación de entidad del gráfico de conocimiento de conocimiento

El número '*' indica el elemento que cambia en función del proyecto original

Tipo de relación de entidad Significado chino Número de relaciones Dar un ejemplo
pertenencias_to pertenecer 8,844 <Ginecología, perteneciente a obstetricia y ginecología>
Common_drug Medicamentos comunes para enfermedades 14,649 <Yangqiang, comúnmente utilizado, tabletas dispersas de metanosulfonato de fentolamina>
hacer Come comida cuando estés enfermo 22,238 <Fractura de flexibilidad, adecuada para comer, pescado negro>
drogas_Of Drogas a la venta 17,315 <Penicilina V tabletas de potasio, a la venta, Tongyao Pharmaceutical Penicilina V Potasio de Potasio>
Need_check Pruebas de enfermedades 39,422 <Enfisema unilateral, examen requerido, broncografía>
No_EET Evite comer alimentos en enfermedades 22,247 <Enfermedad de los labios, evite comer, almendras>
recomendado_drug Medicamentos recomendados para enfermedades 59,467 <Hemorroides mixtas, medicamentos recomendados, crema de hemorroides Jingwanhong>
recomendado_eat Recetas recomendadas para enfermedades 40,221 <Halvesting, receta recomendada, tomate y sopa de bola de carne>
has_sintom* Síntomas de la enfermedad 99,492 <Cáncer de mama temprano, síntomas de la enfermedad, hipertrofia del tejido mamario>
cáfano_con Enfermedades y enfermedades 12,029 <Insuficiencia del cierre de la válvula de las extremidades inferiores de la vena de tráfico, complicaciones de las enfermedades, vasculitis tromboocítica>
Total total 294,149 Alrededor de 300,000 magnitud de la relación

3. Tipos de atributos de gráficos de conocimiento

Tipo de atributo Significado chino Dar un ejemplo
nombre Nombre de la enfermedad Bronquitis sibilante
descomunal Introducción a la enfermedad También conocido como bronquitis de asma ...
Causa Causas de la enfermedad Los comunes incluyen virus sincitiales ...
prevenir Medidas preventivas Presta atención a la historia de las alergias familiares y niños ...
cure_lasttime Ciclo de tratamiento 6-12 meses
cura_way Método de tratamiento "Tratamiento de medicina", "Tratamiento de apoyo"
cured_prob Probabilidad de cura 95%
Easy_get Personas con susceptibilidad a las enfermedades No hay multitud específica

2. Cree un sistema automático de preguntas y respuestas

1. Tipos de preguntas y respuestas de soporte

Tipo de pregunta Significado chino Pregunta un ejemplo ilustrar
enfermedad_sintom Síntomas de la enfermedad ¿Cuáles son los síntomas del cáncer de mama? Relaciones entre diferentes entidades
síntoma_disasa Encontrar posibles enfermedades con síntomas conocidos ¿Cuál es el problema de una secreción nasal? Relaciones entre diferentes entidades
enfermedad_prause Causas de la enfermedad ¿Por qué algunas personas sufren de insomnio? Propiedades de la entidad
Enfermedad_acomposición Complicaciones de la enfermedad ¿Cuáles son las complicaciones del insomnio? Relaciones entre entidades similares
enfermedad_not_food Alimentos que requieren alimentos para evitar alimentos ¿Qué deben comer las personas con insomnio? Relaciones entre diferentes entidades
enfermedad_do_food ¿Qué alimentos se recomiendan para enfermedades? ¿Qué debo comer si tengo tinnitus? Relaciones entre diferentes entidades
Food_not_disease ¿Qué enfermedad es mejor no comer algo? ¿Quién es la mejor persona para comer miel? Relaciones entre diferentes entidades
Food_do_disease ¿Qué enfermedad es buena para la comida? ¿Cuáles son los beneficios de la carne de ganso? Relaciones entre diferentes entidades
enfermedad_drug ¿Qué medicina debo tomar para cualquier enfermedad? ¿Qué medicamento debo tomar para la enfermedad hepática? Relaciones entre diferentes entidades
Drug_disease ¿Qué enfermedades pueden curar los medicamentos? ¿Qué enfermedades pueden curar los gránulos de raíz isatis? Relaciones entre diferentes entidades
Enfermedad_escho Qué pruebas se necesitan para la enfermedad ¿Cómo se puede detectar la meningitis? Relaciones entre diferentes entidades
check_disease ¿Qué enfermedad se puede detectar en el examen? ¿Qué se puede detectar mediante un recuento completo de glóbulos de sangre? Relaciones entre diferentes entidades
enfermedad_prevent Medidas preventivas ¿Cómo prevenir la deficiencia renal? Propiedades de la entidad
enfermedad_lasttime Ciclo de tratamiento ¿Cuánto tiempo se tarda en hacer un resfriado? Propiedades de la entidad
enfermedad_creway Método de tratamiento ¿Cómo tratar la hipertensión? Propiedades de la entidad
enfermedad_cureprob Probabilidad de cura ¿Se puede curar la leucemia? Propiedades de la entidad
enfermedad_asyget Personas con susceptibilidad a las enfermedades ¿Quién es propenso a la hipertensión? Propiedades de la entidad
enfermedad_desc Descripción de la enfermedad ¿Qué es la diabetes? Propiedades de la entidad
enfermedad_getprob (todo) Probabilidad de enfermedad ¿Qué tan alta es la prevalencia de la diabetes? Propiedades de la entidad

2.kbqa de tuberías

(1) Reconocimiento de referencia: coincidencia basada en diccionario + NER basado en Bert_CRF, tome más tiempo como las palabras de mención.

(2) Enlace de entidad: basado en la coincidencia semántica de Sbert, se almacena la incrustación del diccionario, la coincidencia del diccionario entre las palabras de mención y el diccionario de dominio. La entidad candidata con la similitud TOP20 combina palabras superpuestas, y la entidad candidata con la similitud top20 y las palabras superpuestas con los tiempos de mención es mayor o igual a la mitad de la longitud de la palabra mención, que se considera la entidad objetivo.

  • Eg1: Mencione la palabra "estornudamiento", la entidad objetivo "estornudamiento", palabras superpuestas: 2> = mitad de la longitud de la palabra: 1
  • EG2: Mencione la palabra "ojos secos", la entidad objetivo "ojos secos", palabras superpuestas: 2> = mitad de la longitud de la palabra: 2

(3) Reconocimiento de intención: basado en palabras de preguntas + diccionario de dominio. Por ejemplo, en la pregunta "¿Qué son los ojos secos?", La palabra menciona "síntoma: ojos secos" y la pregunta de la enfermedad "enfermedad". Se cree que la intención de hacer la pregunta es síntoma_disasa: encontrar posibles enfermedades con síntomas conocidos.

3. Interfaz front-end

1. kg

mención detección

1. Mencionar identificación

La combinación de métodos de correspondencia de Bert y Diccionario de dominio para obtener los síntomas en la consulta mencionan "hinchazón de la mucosa de la nariz".

mención detección

2. Enlace de entidad

La coincidencia de la entidad objetivo "hinchazón de la mucosa de la nariz" con la oración de Sbert se usa para que coincida con la entidad objetivo "hinchazón de la mucosa de la nariz".

envoltorio de entidad

3. Consulta el nodo de la entidad

Search_ner

4. Consulta la relación entre entidades

Search_relation

Search_relation_2

5. Preguntas y respuestas (admite preguntas y respuestas que reconocen múltiples entidades y enlaces de entidades)

Identifique una o más palabras de referencia en la pregunta, vincule a la correspondiente una o más entidades de KG y devuelva la respuesta de consulta en combinación con los resultados del reconocimiento de la intención.

QA

4. Otros

Este error ocurre: 

 RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

Consulte 5 , use la función de carga de def de ./site-package/torch/serialization.py para usar def load(f, map_location='cpu', pickle_module=pickle, **pickle_load_args): en lugar de def load(f, map_location=None, pickle_module=pickle, **pickle_load_args):

Notas al pie

  1. https://github.com/liuhuanyong/qasystemonmedicalkg ↩

  2. https://github.com/lonepatient/bert-ner-pytorch ↩

  3. https://github.com/ukplab/sentence-transformers ↩

  4. https://github.com/jiangnanboy/movie_knowledge_graph_app ↩

  5. https://stackoverflow.com/questions/56369030/runtimeerror-attempting-te-enterialize-object-on-a-cuda-device ↩

Expandir
Información adicional
Aplicaciones relacionadas
Recomendado para ti
Información relacionada Todo