脑卒中康复评定知识图谱与评定推理的构建研究

发布时间：2024-03-27 04:33

　　目的:利用结构化的康复医学知识,构建一套脑卒中康复的知识图谱,进而通过算法给出康复评定与治疗的建议。方法:提出了一种针对脑卒中康复评定的知识图谱构建方法,其特点是全面纳入了《脑卒中康复评定指南》1.0版中涉及的康复评定量表,并给出了如何与临床指南、WHO标准、医学文献等数据源进行语义关联。基于该方法构建了卒中康复评定知识图谱(Rehabilitation Knowledge Graph,RKG)。结果:RKG现已具备146个卒中评定量表,每个量表具备42个属性,并与ICF和ICD-11相关的术语条目建立了近3 000条语义连接。测试表明,RKG图谱可以实现对卒中康复评定知识的多线索查询,如某卒中患者心理评定总时间超出承受范围。结论:RKG具备了整合结构化脑卒中康复评定知识的能力,对康复临床决策支持的智能化以及康复医学技术推广至基层具有重要意义。

【文章页数】：5 页

【部分图文】：

图4推导患者王某是否具备进行某量表评定的指征

由于评定时长超过2h，所以对于重度疲劳的患者王某来说十分困难。因此必须对这些量表进行交叉分析，将存在共线性的量表或者评定项目进行合并，缩短评定时间。5结论

图1脑卒中康复评定知识图谱RKG的本体结构及语义连接

该条规则的返回值是所有推荐的康复评定项目的列表。基于规则一和规则二的布尔型返回值，可以非常直观地得出某一患者是否既符合某个评定项目的纳排标准，又具备该评定项目的指征。该条规则为复合规则。图2阿里云DataG运行实测

图2阿里云DataG运行实测

图1脑卒中康复评定知识图谱RKG的本体结构及语义连接图3规则推理结果实例

图3规则推理结果实例

图2阿里云DataG运行实测以上3条规则生效后，RKG图谱能够给出推断出的关系（图3虚线），体现出对于推荐量表的可解释性。

本文编号：3940195