楊美潔 張 興 熊相超

(重慶醫(yī)科大學(xué)醫(yī)學(xué)信息學(xué)院 重慶 400016)

1 引言

高血壓是最常見的慢性病，也是心腦血管病最主要的危險(xiǎn)因素[1]。隨著我國經(jīng)濟(jì)的發(fā)展和人口的老齡化，高血壓患病率持續(xù)增加，高血壓引起的冠心病、腦卒中等疾病的致殘率、致命率高[2]，在我國心腦血管疾病死亡的第1位危險(xiǎn)因素是高血壓[3]。目前我國醫(yī)療資源緊張導(dǎo)致看病難等問題，在人工智能、大數(shù)據(jù)時(shí)代背景下，將新興信息技術(shù)應(yīng)用到醫(yī)療服務(wù)中，使患者在家中通過網(wǎng)絡(luò)就能得到醫(yī)療建議，緩解就醫(yī)壓力。

目前關(guān)于高血壓本體構(gòu)建和知識(shí)庫平臺(tái)的研究主要包括：張宇[4]等構(gòu)建高血壓非藥物治療知識(shí)庫Web端界面，從Web獲取的大量文檔，利用文本分類技術(shù)以及詞頻(Term Frequency，TF)和文件頻率(Document Frequency，DF)方法提取文檔和類別特征，通過支持向量機(jī)(Support Vector Machine，SVM)方法對(duì)文檔分類，最后建立本地高血壓非藥物治療知識(shí)庫。吳昊[5]等提出基于本體和案例推理的高血壓診療系統(tǒng)的框架結(jié)構(gòu)。鞏沐歌[6]等將高血壓疾病、知識(shí)庫和本體結(jié)合起來，構(gòu)建具有推理功能的高血壓知識(shí)庫。張巍[7]等提出基于本體和案例推理的高血壓診療系統(tǒng)模型。構(gòu)建高血壓領(lǐng)域本體及推理規(guī)則，使用Jess推理機(jī)進(jìn)行推理操作，使用Jena實(shí)現(xiàn)對(duì)本體庫和案例庫并行的查詢。李博[8]等結(jié)合本體方法將文本臨床指南轉(zhuǎn)變成臨床指南知識(shí)庫。本文利用Python爬蟲技術(shù)爬取網(wǎng)絡(luò)高血壓數(shù)據(jù)，通過本體技術(shù)和Protege工具構(gòu)建高血壓本體庫，描述領(lǐng)域概念及其之間的約束和聯(lián)系，將其存儲(chǔ)在Mysql數(shù)據(jù)庫中，本體構(gòu)建完成后以RDF/XML形式存儲(chǔ)，用于網(wǎng)絡(luò)本體語言(Web Ontology Language，OWL)或規(guī)則推理。使用Jieba分詞與正則化技術(shù)對(duì)用戶輸入的自然語言進(jìn)行分詞處理，Jena推理引擎返回結(jié)果，采用Python Web的Django框架進(jìn)行構(gòu)建前臺(tái)可視化界面。

2 高血壓本體庫構(gòu)建

2.1 構(gòu)建流程

高血壓知識(shí)庫平臺(tái)構(gòu)建流程，見圖1。Studer等在1998年對(duì)本體定義為本體是共享概念明確的形式化規(guī)范說明[9]。本文參照《中國高血壓防治指南2017》版，結(jié)合Python爬取的高血壓網(wǎng)絡(luò)數(shù)據(jù)、相關(guān)文獻(xiàn)圖書等資料，借鑒7步法和骨架法，采用美國斯坦福大學(xué)開發(fā)的本體編輯軟件Protege 5.0軟件進(jìn)行本體的構(gòu)建[10]。主要構(gòu)建高血壓的癥狀體征、檢查檢驗(yàn)、藥物等。

圖1 高血壓知識(shí)庫平臺(tái)構(gòu)建流程

2.2 本體模型

高血壓本體模型，見圖2。本文構(gòu)建高血壓的領(lǐng)域本體包括癥狀體征、檢查檢驗(yàn)和藥物。其中癥狀體征主要表現(xiàn)為：頭暈、惡心、嘔吐、咳嗽、心悸、尿頻、四肢麻木、下肢水腫等。檢驗(yàn)檢驗(yàn)主要包括血壓、血尿素氮、肌酐、低高密度脂蛋白、膽固醇、三酰甘油等?？垢哐獕核幬镏饕ˋCE和ARB、α受體阻滯劑、β受體阻滯劑、抗高血壓藥物、拮抗劑、利尿劑等。利用Protege 5.0為高血壓本體構(gòu)建3大類，分別是檢查檢驗(yàn)、藥物、癥狀。Protege中有兩個(gè)屬性定義，分別是類屬性和關(guān)系屬性。檢查檢驗(yàn)類屬性項(xiàng)目、結(jié)果、單位、參考值；藥物類屬性：藥物名、副作用；癥狀類屬性：癥狀名、癥狀概述。構(gòu)建3個(gè)類之間的關(guān)系屬性完成本體的構(gòu)建。本體構(gòu)建完成后以RDF/XML形式存儲(chǔ)，用于OWL或規(guī)則推理。Jena是一個(gè)開源的Java語義網(wǎng)框架，可構(gòu)建語義網(wǎng)和鏈接數(shù)據(jù)應(yīng)用。Jena利用TDB組件將上述構(gòu)建的RDF形式的高血壓知識(shí)本體存儲(chǔ)起來，再通過資源描述框架定義集(Resource Description Framework Schema，RDFS)、OWL以及Jena的Rule Reasoner進(jìn)行本體推理，進(jìn)一步自動(dòng)識(shí)別補(bǔ)全數(shù)據(jù)，避免數(shù)據(jù)缺失、失真等情況。最后使用Fuseki組件，通過SPARQL語言對(duì)RDF數(shù)據(jù)進(jìn)行查詢，實(shí)現(xiàn)高效的知識(shí)提取。

圖2 高血壓本體模型

3 高血壓知識(shí)庫Web端

3.1 概述

利用Python Web框架構(gòu)建高血壓知識(shí)庫。通過Python的Django框架開發(fā)高血壓知識(shí)庫的Web端界面[11]。用戶在使用Web端進(jìn)行查詢時(shí)需要將輸入的自然語言轉(zhuǎn)換成計(jì)算機(jī)識(shí)別的SPARQL語句，因此要用Python正則Refo模塊、中文分詞Jieba模塊，實(shí)現(xiàn)對(duì)高血壓知識(shí)中字符串及詞句段切、關(guān)鍵字提取等，將自然語言轉(zhuǎn)化為SPARQL語句，解析返回查詢結(jié)果。

3.2 Jieba分詞

在Python的Jieba模塊中加載自定義字典可實(shí)現(xiàn)對(duì)自然語言較準(zhǔn)確的分詞。以輸入“高血壓癥狀體征有哪些？”為例，利用Python的Jieba模塊分詞的部分代碼和結(jié)果如下:

# jieba自動(dòng)分詞

words=jieba.cut(hyper_str)

print(′---------------默認(rèn)分詞效果jieba---------------′)

print(′/′join(words))

# 加載自定義字典

jieba.set_dictionary(′sym.txt′)

words=jieba.cut(hyper_str)

print(″------------加載自定義字典后，分詞效果----------------″)

print(′/′join(words))

------------------jieba默認(rèn)分詞效果----------------------

高血壓/疾病癥狀/有/哪些/？

---------------加載自定義字典后，分詞效果---------------

高血壓/疾病/癥狀/有/哪些/？

3.3 詞性標(biāo)注及關(guān)鍵字提取

為提高檢索查詢結(jié)果的效果和效率，需要對(duì)自然語言進(jìn)行詞性標(biāo)注[12]。詞性標(biāo)注(Part-of-Speech Tagging)是指為分詞結(jié)果中每個(gè)字符串標(biāo)注一個(gè)詞性，避免出現(xiàn)漢語歧義問題，進(jìn)一步提高分詞效率、精確度。對(duì)上述例句進(jìn)行詞性標(biāo)注和關(guān)鍵詞提取的部分代碼和結(jié)果如下:

##詞性標(biāo)注及關(guān)鍵字提取

print(′--------------詞性標(biāo)注及關(guān)鍵字提取--------------′)

import jieba.posseg as pseg

words=pseg.cut(hyper_str)

for word,flag in words:

print(′%s %s′%(word,flag))

--------詞性標(biāo)注及關(guān)鍵字提取結(jié)果--------

高 a

血壓 n

疾病 n

癥狀 n

有 v

哪些

？ x

3.4 正則Re及REfO

用戶在Web端進(jìn)行檢索時(shí)會(huì)輸入某些問題，本文采用正則為每個(gè)問題設(shè)定語義模板，主要使用Re和REfO兩種正則模塊，兩者的區(qū)別是REfO適于任意序列的對(duì)象，而Re則是匹配字符串。用戶在Web端進(jìn)行檢索時(shí)，平臺(tái)首先利用Re模塊將用戶的問題分詞處理后與Jena后端數(shù)據(jù)進(jìn)行匹配，如果匹配成功則返回相應(yīng)結(jié)果，否則失敗。Re和REfO模塊代碼如下:

class W(Predicate):

def_init_(self,token=″.*″pos=″*)

# 正則表達(dá)式

self.token = re.compile(token + ″$″

self.pos = re.compile(pos+″$″

super(W,self)._init_(self.match)

def match(self,word):

m1 = self.token.match(word.token.decode(′utf-8′))

m2 = self.pos.match(word.pos)

return m1 and m2

def apply(self,sentence):

match =[]

for m in finditer(self.condition,sentece):

# m.span() 從頭部匹配

i,j = m.span()

matches.extend(sentence[i:j])

return self.action(matches),self.condition_num

#規(guī)則集合

rules=[

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+zhengzhuang_keyword + Star(Any(),greedy=False),action=QuestionSet.has_zhengzhuang_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+bingfazheng_keyword + Star(Any(),greedy=False),action=QuestionSet.has_bingfazheng_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+yufang_keyword+Star(Any(),greedy=False),action=QuestionSet.has_yufang_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(),greedy=False)+gaishu_keyword+Star(Any(),greedy=False),action=QuestionSet.has_gaishu_question),

Rule(condition_num=2,condition=disease_entity+Star(Any(), greedy=False)+zhiliao_keyword,action=QuestionSet.has_zhiiao_question),

Rule(condition_num=2,condition=Star(Any(),greedy=False)+yufang_keyword+disease_entity,action=QuestionSet.has_yufang_question),

.....

]

for rule in self.rules:

# print(rule)#

word_objects是一個(gè)列表，元素是包含詞語和詞語對(duì)應(yīng)詞性的對(duì)象query,num = rule.apply(word_objects)

最后利用Pycharm平臺(tái)的Django項(xiàng)目來進(jìn)行高血壓知識(shí)庫平臺(tái)Web端界面的開發(fā)。利用騰訊云服務(wù)器部署LNMP環(huán)境。將所有項(xiàng)目數(shù)據(jù)上傳，成功后啟動(dòng)Apache Jena Fuseki服務(wù)，在Python項(xiàng)目中啟動(dòng)manage.py，界面成功運(yùn)行。

4 結(jié)語

本文利用本體技術(shù)構(gòu)建高血壓知識(shí)圖譜，人工智能大數(shù)據(jù)技術(shù)處理自然語言，Python語言實(shí)現(xiàn)基于本體的高血壓知識(shí)庫平臺(tái)開發(fā)。此平臺(tái)可以輔助醫(yī)生進(jìn)行醫(yī)療活動(dòng)，對(duì)公眾進(jìn)行高血壓知識(shí)的普及，減緩就醫(yī)難和醫(yī)療資源緊張等問題?；诒倔w的高血壓知庫平臺(tái)構(gòu)建為其他慢病(糖尿病等)知識(shí)庫平臺(tái)構(gòu)建提供借鑒。后續(xù)的研究將對(duì)重慶市某醫(yī)院的電子病歷數(shù)據(jù)進(jìn)行采集，進(jìn)一步獲取高血壓的相關(guān)資料以對(duì)高血壓本體進(jìn)行完善。