宋元绘画艺术对医学图谱的影响

宋元时期,中国绘画艺术更加繁荣与普及,许多医学家、画家、文人利用花鸟画对动物形象、解剖结构的注重,人物画"白描法"的线条表现力,山水画精确表达地域、季节、气候特征等绘画手法,描绘本草形态、脏腑结构、经络腧穴、舌诊图示、脉象图示、疮疡外观、正骨手法等,从而形成了医学图谱、挂图、插图等多种系列,促进了中医学的发展。

基于不同标注方式医学图谱的眼动实验研究

目的探讨两种不同标注方式医学图谱(文字标注和数字引注)对阅读效率、方式的影响,及其影响因素。方法通过眼动技术和满意度测量来考察阅读和眼动指标。结果 (1)标注方式对图谱阅读指标有影响,反应时间和满意度均存在统计学差异(P<0.05)。(2)标注方式对图谱眼动指标有影响,注视持续时间、注视次数、眼跳幅度、眼跳次数均存在统计学差异(P<0.05)。(3)标注方式对眼动轨迹有影响,文字标注类图谱眼动轨迹较散,数字引注类较集中。结论文字标注类图谱阅读效率较高,满意度较差,阅读目的性不明显;数字引注类图谱阅读效率较低,满意度较高,阅读目的性明显。

在线医学图谱的检索与利用

本文列举了因特网上几个著名的医学图谱 ,介绍了在线医学图谱的几种检索方法和几个有医学图谱的网站 。

医学知识图谱构建技术及发展现状研究

知识图谱作为人工智能的重要分支,因其强大的语义处理能力和数据组织能力,可以全面整合医学概念、挖掘潜在医学知识,已成为医学智能化发展的重要手段。鉴于此,论述了医学知识图谱搭建中知识抽取、知识表示、知识融合、知识推理四个过程的最新方法及特点,深入研究并对比不同方法的优缺点,归纳各阶段常用数据集,梳理知识图谱在医学知识问答、临床辅助诊疗、中医知识挖掘及药物研究等方面的研究现状及各场景下的应用难点。最后总结现有医学知识图谱技术的局限性及面临的挑战,并对其未来发展进行展望。

医学知识图谱研究综述

知识图谱是一个古老又崭新的课题,是知识工程在新时代的新形态,也是当前人工智能的重要研究方向之一。知识图谱应用于医疗领域在一定程度上对医疗数据以及医患之间的治疗过程起到了很大的助推作用。针对医学知识图谱的构建,从医学数据源、医学知识抽取、医学知识融合、医学知识表示、医学知识存储、医学知识推理、医学质量评估7个方面结合相关文献展开叙述;然后总结医学知识图谱在临床决策支持诊断、医学知识普及、医学问答系统以及智能语义搜索方面的应用;最后就目前医学知识图谱面临的挑战进行讨论,以期为其进一步发展构建提供参考。

医学知识图谱构建与应用的研究

医学知识图谱(MKG)是医学知识的结构化表示,可以帮助智能医学应用。文章回顾了MKG研究的最新进展和挑战,重点关注三个方面:MKG构建、MKG推理和MKG应用。我们根据MKG的领域和场景对现有的MKG进行了分类,并总结了它们的来源、基准、技术、系统和工具。我们还分析了基于知识图谱和深度学习、大数据、机器学习、图论算法、逻辑和规则推理等的推理方法。我们进一步讨论了MKG在各个领域的智能应用,如疾病诊断、药物分析、临床决策支持系统、健康管理等。我们强调了将MKG嵌入到医学语言大模型中的好处,可以提高它们的性能,并为医疗决策、疾病预测、药物开发等提供更准确的信息支持。最后,我们指出了未来MKG研究的一些挑战和机遇。

基于多来源文本的中文医学知识图谱的构建

中文医学知识图谱(Chinese medical knowledge graph,CMeKG)是对专业医学知识的结构化描述,构建中文医学知识图谱是各类智慧医疗应用的迫切需要。通过收集多来源医疗文本,详细分析语料的结构特征,结合医学知识的语义特点,制定了医学命名实体和实体关系的标注体系和规范;并开发了标注工具,在医学专家的指导下,选取106种高发疾病进行人工标注,命名实体一致率达到了87.3%,实体关系一致率达到了82.9%。在人工标注的基础上,进行实体及关系自动抽取,构建出的中文医学知识图谱CMeKG1.0版共包括6310种疾病、19853种药物(西药、中成药、中草药)、1237种诊疗技术及设备,关联到的医学实体达20余万,概念关系实例及属性三元组达100余万。所构建的中文医学知识图谱为医疗问答系统和智能辅助诊疗等领域奠定了专业知识基础。

中文医学知识图谱研究进展

目的:探讨中文医学知识图谱发展状况及制约因素。方法:检索1990—2020年中国知网(CNKI)和PubMed中文医学知识图谱文献并分析。结果:共获取395篇文献,其中期刊论文213篇(有基金支持123篇)。结论:2009年医学知识图谱研究起步,2018年快速发展,在中医药、影像智能、疾病风险预测等方面取得较大进步。中文医学知识图谱建设要更注重知识的正确性和更新的及时性。由于医学知识复杂,目前通用的知识推理和融合技术是制约医学知识图谱发展的瓶颈。

科学映射工具在医学知识图谱构建中的比较

选择HistCite,NWB,ROST CM,Sci^2,SATI,SciMAT,Bibexcel,BICOMB,UCINET,gCLUTO,VOSviewer 11款科学映射工具进行对比分析研究,并对各自特点简要介绍及总结评述,以期有助于医学领域知识图谱的构建。

信息抽取在构建医学知识图谱中的应用及进展

阐述医学信息抽取中实体识别、实体消岐和关系抽取3个重要步骤,介绍传统方法、基于机器学习以及基于深度学习的应用,对前沿内容和未来发展进行展望。

医学知识图谱构建关键技术及研究进展

随着互联网技术的不断迭代更新,对海量数据的语义理解变得越来越重要。知识图谱是一种揭示实体之间关系的语义网络,医学是知识图谱应用较广的垂直领域之一,医学知识图谱的构建也是目前国内外人工智能领域研究的热点。从医学知识图谱本体构建出发,依次对命名实体识别、实体关系抽取、实体对齐、实体链接、知识图谱存储、知识图谱应用进行综述,详细介绍了近年来医学知识图谱构建过程中涉及的难点、现有技术、挑战及未来研究方向,并介绍了医学知识图谱应用,最后对未来发展方向进行了展望。

基于大数据技术的医学知识图谱构建方法

为了解决医学知识图谱中知识重复、知识质量良莠不齐、知识间关联不够明确等问题,本文提出了一种大数据驱动下的医学知识图谱构建方法,同时针对医学知识图谱集成、演进、增强方面进行图谱知识融合和补全操作。然后,简单介绍医学知识图谱在医学领域的几个重要应用以及相关的人工智能技术的支持。最后,结合当前我国医学知识图谱构建技术面临的重大挑战和关键问题,对其发展前景进行了展望。

医学知识图谱构建研究进展

针对医学数据专业性强、结构复杂等特点,解析了构建医学知识图谱的关键技术,介绍了利用机器学习和深度学习的方法识别医学命名实体、实体链接和抽取语义关系,以及医学知识图谱在医院智能导诊、疾病筛查和预测、辅助临床诊断、医疗保险风险预测和医学知识科普方面的应用。结合当前我国医学知识图谱构建在数据和技术层面临的问题和挑战,提出了相应的对策和建议。

基于乳腺癌专病库的知识图谱构建研究

目的/意义创建乳腺癌知识图谱的本体模型,实现乳腺癌知识的结构化表达和可视化展示。方法/过程对乳腺癌知识进行抽取和表示,利用Protégé软件创建乳腺癌知识图谱本体模型。模型包含患者、患者基本信息、检查、诊断、检查实体属性值5类实体,以及具有、检查、诊断、属于等10余种关系。结果/结论乳腺癌知识的图形化展示有助于提高公众对乳腺癌的关注和了解,对乳腺癌的预防与健康管理具有积极作用。

中文医学知识图谱研究及应用进展

知识图谱是赋予机器背景知识的大规模语义网络。利用知识图谱对多源异构的医学信息进行有序化组织,能有效提升海量医学资源的利用价值,推动医学智能化发展。从知识图谱的关键技术、医学知识图谱构建以及医学知识图谱的应用三个维度刻画医学领域知识图谱研究、构建与应用现状,探索未来值得研究的课题。首先,系统梳理知识表示、知识抽取、知识融合以及知识推理四种知识图谱构建关键技术的发展脉络并探讨其研究进展,分析中文医学知识图谱构建的技术难点;其次,从医学本体、全科医学知识图谱和单病种医学知识图谱三个角度阐述中文医学知识图谱已有研究并分析了中文医学知识图谱的研究特点;最后,对中文医学知识图谱在语义搜索、决策支持以及智能问答等方面的应用研究进行分析并探讨新的应用场景。针对中文医学知识图谱研究面临的术语标准化程度不高、标注语料缺乏、技术研究不够深入以及应用场景有局限性等挑战,对其未来的研究方向做出了展望。

面向医学知识图谱的可视化方法设计与实现

随着人工智能技术的迅速发展和医学数据资源的大规模增长,面向医学领域的知识图谱受到越来越多的关注,知识图谱可视化旨在借助点和边等图形特征形象化地展示知识图谱中的实体、关系及相互之间的结构,便于非专业用户阅读和使用知识图谱。该文提出并实现了一种面向医学知识图谱的多视图、交互式可视化方法及系统,该系统包括医学实体分类的层级结构可视化,实体和关系之间的语义结构可视化以及从非结构化数据到结构化数据的交互式可视化。通过多视图、多维度、交互式的医学知识图谱可视化方法,让用户更加有效地对复杂知识图谱的结构进行分析和理解,进而发现更多蕴含的有价值信息。

医学知识图谱应用研究进展

介绍医学知识图谱相关概念,详细阐述医学知识图谱应用情况,包括临床决策支持、文献可视化、智慧搜索、智能问答等方面,提出问题与展望,为相关研究提供参考。

基于医学知识图谱的交互式可视化医学知识服务系统

系统研究医学知识表示模型及医学知识图谱构建、语义检索和可视化分析方法,基于医学知识图谱构建交互式可视化知识服务系统,即虚拟患者,阐述技术实现方式、应用及预期成效,指出该系统有助于快速提高基层医生临床能力,减少医患矛盾。