知识图谱和深度学习在医疗中的应用

知识图谱和深度学习在诊疗流程中的应用深度学习与医疗01医学知识图谱深度学习生成自然语言文本深度学习在临床医疗中的应用CONTENT020304第一章深度学习与医疗人工智能-医疗的概述智能导诊智能问诊问答系统智能健康管理语音电子推荐用药智能影像科研系统医疗应用自然语言处理机器学习深度学习人工智能抽取转换存储加载ETL工具核心技术患者主索引HIS数据PACS数据LIS数据EMR数据取之于医生用之于医生用之于患者取之于患者大数据+AI服务患者大数据+AI辅助医生人工智能在医疗领域的两大挑战自然语言处理与机器视觉医疗自由文本识别人工智能辅助阅片传统文本处理方式与深度学习的对比传统的文本处理方法文本预处理特征提取文本表示分类器训练集特征工程基于卷积神经网络的深度学习的文本处理方法第二章医学智能分析的基础：医学知识图谱知识图谱KGKg表示形式特点动态、清晰、直观有效展示数据内部结构有效展示数据之间关系功能知识推理基于逻辑（Logic）的推理基于分布式表达方法（DistributedRepresentation）知识图谱应用•商业搜索引擎•问答系统•电商平台•社交平台•医疗、教育、生物研究等领域知识图谱KG方案-知识图谱•通过SPO三元组的形式表示知识主，谓，宾•知识图谱中包含点与边的信息（包含不同的含义）医疗知识图谱点含义包含：疾病、药物、症状、辅助检查、科室、手术、部位等边含义包含：类别、临床表现、病因、发病机制、科室、预防、药动学、药理作用、鉴别、诊断等疾病多尿症状类型糖尿病知识图谱KG-医疗知识图谱构建框架医学智能分析的基础—医学知识图谱疾病部位科室手术症状关系相关症状相关药物相关检查可能疾病诊断标准治疗方案鉴别诊断一级科室…其他关系数150万AI推断基础实体第三章深度学习生成自然语言文本Encoder-DecoderFrameworkEncoder-DecoderFrameworkAttrainingtime,themodelistrainedtomaximizethelikelihoodofthenextground-truthwordgiventhepreviousground-truthword.Atinferencetime,themodelisexpectedtogeneratetheentiresequencefromscratch.Thisdiscrepancymakesgenerationbrittle,aserrorsmayaccumulatealongtheway.HierarchicalRNNFrameworkImageCNNs011EofTopicTopicLSTMLSTMLSTMLSTMLSTMLSTMLSTMLSTMw0w1w2w3w1w2w3EofSentenceLSTMWordLSTM11TopicEofTopicEofh第四章深度学习在临床医疗中的应用应用一：智能导诊机器人发展环境：智能导诊是AI各大应用中的热门，技术相对成熟。医疗领域的导诊机器人主要基于人脸识别、语音识别、远场识别等技术，通过人机交互，执行包括挂号、科室分布及就医流程引导、身份识别、数据分析、知识普及等功能。应用二：文本病例的后结构化MedicationsDiseasesModifiersSymptomsNEJMMedicalConceptAnnotations–Attributeextractions应用三：描述性诊断的后编码ICD诊断MS999急性肠胃炎999发热脑梗死ICD诊断I10高血压病R50发热I63脑梗死人工智能后结构化引擎应用四：机器人随访应用五：患者自我诊断发展环境：医患沟通效率低与医生供给不足是医疗领域的两大难题，深度基于学习技术的智能问诊在解决这两大难题方面有巨大的潜力；智能问诊系统包含“预问诊”和“自诊”两大功能。“预问诊”就是在患者完成挂号后的等待时间内，通过交互输入患者基本信息、症状、既往病史、过敏史等信息，系统将初步形成诊断报告，大大缩短问诊时间；“自诊”就是患者在手机或PC端通过人机交互完成智能问诊，生成诊断报告；感谢您的聆听