홈페이지>프로그래밍 관련>기타 소스코드
다운로드

Medical_knowledge_graph_app

프로젝트 설명

  • 1. 의료 지식 그래프를 구축하십시오
  • 2. 자동 Q & A 백엔드를 구축하십시오
  • 3. 프론트 엔드 상호 작용을 증가시킵니다

의료 지식 그래프 및 자동 질문 및 답변을 구축 할 때는 항목 1을 참조하십시오. 의료 지식 그래프와 질문 및 답변 시스템을 구축하는 데 다음과 같은 최적화가 이루어졌습니다.

  1. 원래 프로젝트는 증상과 질병에 반응 할 수 없다는 문제가 있습니다. 따라서 크롤러는 각 질병의 증상을 직접 크롤링하고 본문을 설명했습니다. 동시에 원래 웹 사이트의 증상 데이터베이스의 모든 증상은 증상 이름 사전으로 기어 들어갑니다.
  2. AC 알고리즘은 증상 라이브러리 이름과 일치 한 증상 설명 텍스트에서 모든 4377 증상 (증상)을 검색하는 데 사용되었습니다. 질병 이름 -Symptom-Symptom 이름 Triplets 99,492를 재구성했습니다.
  3. Symtom 추론 질환에 대한 질문과 관련하여, 원래 합성 결과는 각 증상 만 발견 한 다음 여러 증상을 지원하는 질병 교차로로 병합되었습니다.
  4. 설명 된 증상이 구어체이고 증상 라이브러리의 이름과 정확하게 일치 할 수없는 경우, 먼저 이름 지정 엔터티 인식에 Bert+CRF Model 2를 사용하십시오. 주석 방법은 Bio+C를 사용합니다 (C는 엔티티 유형, 약물/증상/질병 등을 나타냅니다). 데이터 세트는 도메인 사전에서 도메인 단어 교체 질문에서 언급 된 단어 슬롯을 무작위로 추출하기 위해 문제 템플릿을 기반으로 구성되며 각 단어는 한 번만 나타납니다. 교육 모델 매개 변수는 주소를 다운로드합니다 (링크 : https://pan.baidu.com/s/1zgczyis-vo1bsl40xrptfw password : 96ln), Directory med_kg/ner_model/outputs에 넣습니다.
  5. 모델 SBERT 3을 사용하여 식별 된 언급 단어와 해당 사전 (저장된 임베딩)의 유사성을 계산하고 상위 20을 얻고 중첩 단어의 길이를 결합하여 가장 긴 중첩 단어를 엔티티 링크의 결과로 사용하십시오.
  6. 이 프로젝트의 의도 식별은 원래 프로젝트의 규칙 기반 질문 Word + Word 유형 템플릿 메소드를 사용하여 여전히 구현됩니다.
  7. TODO : 질병의 유병률 속성을 재구성하지만 현재는 구성되어 있지 않습니다. 그런 다음 증상을 설명하여 다수의 후보 질환이 얻어지면 질병 확률은 높음에서 낮은 곳에서 입증됩니다.
  8. TODO : 현재 딥 러닝 의도 인식 모델은 없습니다. 질문 의도와 일치하는 질문 단어 세트와 규칙을 구성하여 구축되었습니다. 의료 분야에서 문제의 유사성을 다시 말하는 일부 유사성 데이터 세트를 사용하여 일반화 능력이 강한 의도 인식 모듈을 실현하는 것을 고려할 수 있습니다.

지식 그래프 및 질문 및 답변 시스템을 구축 한 후 Echarts의 힘 유도 맵을 사용하여 프론트 엔드 상호 작용 및 KG 디스플레이가 추가됩니다. 구현 참조 프로젝트 4 .

프로젝트를 시작하십시오

  • NEO4J 데이터베이스를 시작하십시오 
 neo4j-community-4.1.4 % bin/neo4j start
  • 메인 프로그램을 실행하십시오 
 medical_knowledge_graph_app-master % python med_kg/manage.py runserver

프로젝트 카탈로그

  • IMG 기능 인터페이스 다이어그램

  • kg/ready_data crawler 파일

  • kg/data/medical_rebuild.json 최종 처리 된 데이터입니다

  • kg/build_medicalgraph.py는 neo4j 그래프 데이터베이스를 만듭니다

  • MED_KG/EL_MODEL 엔티티 링크 모델

    • MED_KG/EL_MODEL/질병/약물/증상 사전의 표현 단어 임베딩

    • med_kg/el_model/entity_linking.py entity 링크 스크립트

  • med_kg/med_kg django 프레임 워크보기 및 구성 파일

  • Django 프레임 워크의 MED_KG/TEMPLATES 템플릿

  • MED_KG/정적 프론트 엔드 부트 스트랩 파일

  • MED_KG/NER_MODEL 명명 엔터티 인식 모델

    • MED_KG/NER_MODEL/모델이라는 엔티티 인식 모델 모델 코드

    • MED_KG/NER_MODEL/교육 모델에 대한 데이터 데이터

    • 교육 모델의 MED_KG/NER_MODEL/손실 손실 기능

    • med_kg/ner_model/outpus/1101medselfner-finetune 모델 미세 조정 (훈련)

    • med_kg/ner_model/prev_traind_model pytorch의 사전 치료 모델

  • med_kg/util 도구, 콜드 스타트

  • MED_KG/모델 스크립트 NEO4J 그래프 데이터베이스와 상호 작용합니다

  • MED_KG/MEDMODEL 자동 질문 및 답변

    • med_kg/medmodel/question_classifier.py 의도 인식 스크립트

    • med_kg/medmodel/question_parser.py 스크립트 식별 된 단어와 의도를 쿼리 문으로 변환합니다.

    • med_kg/medmodel/answer_search.py ​​query 그래프 데이터베이스를 반환합니다

    • MED_KG/MEDMODEL/DICT 도메인 사전

1. 지식 및 의학지도 구성

1. 지식 그래프 엔티티 유형

'*'번호는 원래 프로젝트를 기반으로 변경되는 항목을 나타냅니다.

엔티티 유형 중국의 의미 엔티티 수 예를 들어보세요
확인하다 진단 검사 항목 3,353 기관지학; 관절 경찰
부서 의료 과목 54 성형 수술 부서; 번 부서
질병 질병 8,807 Thromboocytic vasculitis; 가슴의 내림차순 대동맥 동맥류
의약품 의약품 3,828 Jingwanhong 치질 크림; 브린조 아민 눈 드롭
음식 음식 4,870 토마토와 야채 쇠고기 볼 수프; 대나무 싹이 양고기로 끓었다
생산자 의약품의 주요 범주 17,201 Tongyao Pharmaceutical Penicillin v 칼륨 정제; Qingyang Dexamethasone 아세테이트 정제
징후* 질병의 증상 4,377 유방 조직의 비대; 뇌 실질에서 깊은 출혈
총 총 44,111 약 44,000 개 단체

2. 지식 그래프 엔티티 관계 유형

'*'번호는 원래 프로젝트를 기반으로 변경되는 항목을 나타냅니다.

엔티티 관계 유형 중국의 의미 관계 수 예를 들어보세요
속성 _to 제자리에 있다 8,844 <부인과, 소속, 산부인과>
common_drug 질병을위한 일반적인 의약품 14,649 <Yangqiang, 일반적으로 사용되는 펜톨 아민 메탄 설포 네이트 분산 정제>
do_eat 아플 때 음식을 먹으십시오 22,238 <유소한 골절, 식사에 적합한, 검은 물고기>
마약 _of 판매중인 약 17,315 <페니실린 v 칼륨 정제, 판매중인 Tongyao Pharmaceutical Penicillin v 칼륨 정제>
Need_Check 질병 검사 39,422 <일방적 인 폐기종, 필수 검사, 기관지 촬영>
no_eat 질병에서 음식을 먹지 마십시오 22,247 <립 병, 먹지 않아, 아몬드>
권장 _drug 질병에 대한 권장 의약품 59,467 <혼합 치질, 권장 약물, Jingwanhong 치질 크림>
권장 _eat 질병에 대한 권장 레시피 40,221 <halvesting, 권장 레시피, 토마토 및 쇠고기 볼 수프>
has_symptom* 질병의 증상 99,492 <초기 유방암, 질병 증상, 유방 조직 비대>
acompany_with 질병과 질병 12,029 <교통 정맥의하지의 밸브 폐쇄 부족, 질병의 합병증, 혈전 성 혈관염>
총 총 294,149 약 300,000 관계 크기

3. 지식 그래프 속성 유형

속성 유형 중국의 의미 예를 들어보세요
이름 질병 이름 천명 기관지염
DESC 질병 소개 천식 기관지염이라고도합니다 ...
원인 질병의 원인 일반적인 것들에는 세포 융합 바이러스가 포함됩니다 ...
예방하다 예방 조치 가족과 어린이 알레르기 역사에주의하십시오 ...
cure_lasttime 치료주기 6-12 개월
cure_way 치료 방법 "의학 치료", "지지 치료"
cured_prob 치료 가능성 95%
easy_get 질병에 대한 감수성이있는 사람들 구체적인 군중이 없습니다

2. 자동 질문 및 답변 시스템을 구축하십시오

1. 지원 Q & A 유형

질문 유형 중국의 의미 예를 들어 질문하십시오 설명
질병 _symptom 질병의 증상 유방암의 증상은 무엇입니까? 다른 엔티티 간의 관계
증상 _disease 알려진 증상으로 가능한 질병을 찾으십시오 콧물의 문제는 무엇입니까? 다른 엔티티 간의 관계
질병 _cause 질병의 원인 어떤 사람들은 왜 불면증으로 고통 받습니까? 엔티티 속성
질병 _acompany 질병의 합병증 불면증의 합병증은 무엇입니까? 유사한 개체 간의 관계
질병 _not_food 음식을 피하기 위해 음식이 필요한 음식 불면증이있는 사람들은 무엇을 먹지 않아야합니까? 다른 엔티티 간의 관계
질병 _do_food 질병에 권장되는 음식 이명이 있으면 무엇을 먹어야합니까? 다른 엔티티 간의 관계
food_not_disease 무언가를 먹지 않는 것이 가장 좋은 질병 꿀을 먹는 가장 좋은 사람은 누구입니까? 다른 엔티티 간의 관계
food_do_disease 음식에 좋은 질병 거위 고기의 이점은 무엇입니까? 다른 엔티티 간의 관계
질병 _drug 질병에 대해 어떤 약을 복용 해야하는지 간 질환을 위해 어떤 약을 복용해야합니까? 다른 엔티티 간의 관계
Drug_disease 의약품을 치료할 수있는 질병 이사티스 뿌리 과립을 치료할 수있는 질병은 무엇입니까? 다른 엔티티 간의 관계
질병 _check 질병에 어떤 검사가 필요한지 수막염은 어떻게 발견 될 수 있습니까? 다른 엔티티 간의 관계
check_disease 검사에서 어떤 질병을 발견 할 수 있는지 완전한 혈액 세포 수로 무엇을 감지 할 수 있습니까? 다른 엔티티 간의 관계
질병 _prevent 예방 조치 신장 결핍을 예방하는 방법? 엔티티 속성
질병 _lasttime 치료주기 감기에 걸리는 데 얼마나 걸립니까? 엔티티 속성
질병 _cureway 치료 방법 고혈압을 치료하는 방법? 엔티티 속성
질병 _cureProb 치료 가능성 백혈병을 치료할 수 있습니까? 엔티티 속성
질병 _easyget 질병에 대한 감수성이있는 사람들 고혈압이 발생하기 쉬운 사람은 누구입니까? 엔티티 속성
질병 _desc 질병 설명 당뇨병이란 무엇입니까? 엔티티 속성
질병 _getProb (todo) 질병 확률 당뇨병의 유병률은 얼마나 높습니까? 엔티티 속성

2. 파이프 라인의 KBQA

(1) 참조 인식 : 사전 기반 일치 + NER BERT_CRF를 기반으로 한 언급 단어로 더 오래 걸립니다.

(2) 엔티티 링크 : SBERT의 의미 론적 일치에 기초하여 사전의 임베딩이 저장되며, 언급 단어와 도메인 사전 사이의 사전 일치. 유사성 TOP20을 갖는 후보 엔티티는 겹치는 단어를 결합하고 후보 엔티티는 유사성 TOP20과 언급 시간과 겹치는 단어를 결합합니다.

  • eg1 : "재채기"라는 단어, 대상 엔티티 "재채기", 겹치는 단어 : 2> = 단어의 길이의 절반 : 1
  • EG2 : "건조한 눈", 대상 엔티티 "건조한 눈", 겹치는 단어 : 2> = 단어의 길이의 절반 : 2를 언급합니다.

(3) 의도 인식 : 질문 단어 + 도메인 사전에 근거합니다. 예를 들어, "건조한 눈은 무엇입니까?"라는 질문에서, "증상 : 건조한 눈"과 질병 질문 "질병"이라는 언급. 질문을하려는 의도는 증상입니다 : 알려진 증상으로 가능한 질병을 찾으십시오.

3. 프론트 엔드 인터페이스

1.kg

언급 검출

1. 식별을 언급하십시오

Bert와 Domain 사전 일치 방법을 결합하여 쿼리에서 증상을 얻습니다. "코 점막 부기".

언급 검출

2. 엔티티 링크

SBERT 문장과 대상 개체 "코 점막 부기"의 일치는 대상 엔티티 "코 점막 부종"과 일치하는 데 사용됩니다.

엔티티-연결

3. 엔티티 노드를 쿼리하십시오

search_ner

4. 엔티티 간의 관계를 쿼리하십시오

search_relation

search_relation_2

5. Q & A (여러 엔티티 및 엔티티 링크를 인식하는 Q & A 지원)

질문에서 하나 이상의 참조 단어를 식별하고 해당 하나 이상의 kg 엔티티에 링크하고 의도 인식 결과와 함께 쿼리 답변을 반환합니다.

QA

4. 다른

이 버그가 발생합니다. 

 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.

5 를 참조하고, ./site-package/torch/serialization.py의 def load 함수를 사용하여 def load(f, map_location='cpu', pickle_module=pickle, **pickle_load_args): def load(f, map_location=None, pickle_module=pickle, **pickle_load_args):

각주

  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-teserialize-object-on-a-cuda-device ↩

확장하다
추가 정보
관련 애플리케이션
추천
관련 정보 전체