买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：首都医科大学宣武医院

摘要：本发明公开了一种糖尿病风险预估优化系统，其包括多模型构建模块和风险预估优化模块，多模型构建模块包括深度学习模型构建单元、图谱模型构建单元和神经网络模型构建单元，风险预估优化模块包括图谱模型填充单元、特征向量提取单元、数量判断单元、风险预估单元、优化判断单元和特征向量优化单元。

主权项：1.一种基于知识图谱的糖尿病风险预估优化系统，其特征在于，其包括多模型构建模块和风险预估优化模块，所述风险预估优化模块包括图谱模型填充单元、特征向量提取单元、数量判断单元、风险预估单元、优化判断单元和特征向量优化单元；所述多模型构建模块用于构建糖尿病深度学习模型、不同糖尿病类型下的糖尿病类型图谱模型、及糖尿病类型神经网络模型；所述图谱模型填充单元用于在接收到一待预估患者的信息后，获取每个糖尿病类型图谱模型，针对每个糖尿病类型图谱模型，糖尿病深度学习模型利用该糖尿病类型图谱模型对应的节点信息识别抽取规则识别抽取待预估患者的信息，从待预估患者的信息中先抽取出该糖尿病类型图谱模型下优先属性节点的具体内容填充至对应的优先属性节点处、再抽取出非优先属性节点的具体内容填充至对应的非优先属性节点处并标注出不确定节点，从而获得待预估患者的每个糖尿病类型下的糖尿病类型图谱；所述特征向量提取单元用于从每个糖尿病类型图谱中每提取出第一信息属性节点和第二信息属性节点均已填充且均未标注为不确定节点的作为一个确定有向性特征向量，每提取出第一信息属性节点和第二信息属性节点均已填充且含有标注为不确定节点的作为一个待确定有向性特征向量；所述数量判断单元用于判断每一个糖尿病类型图谱下提取出的确定有向性特征向量的数量与设定目标数量的关系，在至少有一个糖尿病类型图谱下提取出的确定有向性特征向量的数量达到设定目标数量时，针对满足设定目标数量要求的糖尿病类型图谱下提取出的确定有向性特征向量直接调用风险预估单元，在没有一个糖尿病类型图谱下提取出的确定有向性特征向量的数量达到设定目标数量时，调用特征向量优化单元；所述风险预估单元用于将满足设定目标数量要求的糖尿病类型图谱下提取出的确定有向性特征向量作为一个单独的输入样本集合输入至糖尿病类型神经网络模型中以输出待预估患者是否有该糖尿病类型图谱对应的糖尿病类型的风险，在为是时则发出待预估患者患有该糖尿病类型的风险、糖尿病风险预估结束的信息；在为否时则发出待预估患者不患有该糖尿病类型的风险，并调用优化判断单元；所述优化判断单元用于判断是否还具有未达到设定目标数量的糖尿病类型图谱对应的待确定有向性特征向量需要特征向量优化，在为是时调用特征向量优化单元，在为否时发出待预估患者不患有任一糖尿病类型的风险、糖尿病风险预估结束的信息；所述特征向量优化单元用于针对未满足设定目标数量要求的糖尿病类型图谱下提取出的确定有向性特征向量，利用该糖尿病类型图谱下确定有向性特征向量和待确定有向性特征向量进行有向性特征向量扩展优化，以获得扩展优化后的确定有向性特征向量，并统计扩展优化前的确定有向性特征向量的数量和扩展优化后的确定有向性特征向量的数量的累加数量，在累加数量达到设定目标数量时停止扩展优化，调用风险预估单元；所述特征向量优化单元用于将未满足设定目标数量要求的糖尿病类型图谱下提取出的所有确定有向性特征向量构成有向性特征向量确定集合、所有待确定有向性特征向量构成有向性特征向量待确定集合，按照以下进行有向性特征向量扩展优化：一、单独利用有向性特征向量待确定集合进行有向性特征向量扩展优化：第一扩展优化路径：遍历有向性特征向量待确定集合，针对每一搜寻出的第一待确定有向性特征向量A→B和第二待确定有向性特征向量B→C，节点A和C未被标注为不确定节点，节点B被标注为不确定节点，则扩展优化出一个确定有向性特征向量A→C；第二扩展优化路径：遍历有向性特征向量待确定集合，针对每一搜寻出的第三待确定有向性特征向量D→E和第四待确定有向性特征向量F→G，节点E和F未被标注为不确定节点，节点D和G被标注为不确定节点，且E和G构成上下位相关性，则扩展优化出一个确定有向性特征向量F→E；二、联合利用有向性特征向量确定集合和有向性特征向量待确定集合进行有向性特征向量扩展优化：第三扩展优化路径：遍历有向性特征向量待确定集合，针对每一搜寻出的第五待确定有向性特征向量H→I和第六待确定有向性特征向量J→K，节点H、I和J未被标注为不确定节点，节点K被标注为不确定节点，且I和K构成上下位相关性，则扩展优化出一个确定有向性特征向量J→I；三、单独利用有向性特征向量确定集合进行有向性特征向量扩展优化：第四扩展优化路径：遍历有向性特征向量待确定集合，针对每一搜寻出的第七待确定有向性特征向量L→M和第八待确定有向性特征向量M→N，节点L、M和N未被标注为不确定节点，则扩展优化出一个确定有向性特征向量L→N；第五扩展优化路径：遍历有向性特征向量待确定集合，针对每一搜寻出的第九待确定有向性特征向量O→P和第十待确定有向性特征向量Q→R，节点O、P、Q和R未被标注为不确定节点，且P和R构成上下位相关性，则扩展优化出一个确定有向性特征向量Q→P。

全文数据：

权利要求：

百度查询： 首都医科大学宣武医院 一种基于知识图谱的糖尿病风险预估优化系统