基于知识图谱的医疗病历数据存储研究

doi:10.19678/j.issn.1000-3428.0049485

计算机工程 ›› 2019, Vol. 45 ›› Issue (1): 9-16,22. doi: 10.19678/j.issn.1000-3428.0049485

基于知识图谱的医疗病历数据存储研究

夏宇航¹,高大启¹,阮彤¹,王昊奋²,殷亦超³

1.华东理工大学信息科学与工程学院,上海 200237; 2.深圳狗尾草智能科技有限公司,深圳 518057; 3.上海中医药大学附属曙光医院,上海 200021

收稿日期:2017-11-29 出版日期:2019-01-15 发布日期:2019-01-15
作者简介:夏宇航(1993—),男,硕士研究生,主研方向为知识图谱、图数据库;高大启、阮彤,教授、博士;王昊奋,博士;殷亦超,硕士。
基金资助:
国家高技术研究发展计划(2015AA020107)

Research on Data Storage of Medical Record Based on Knowledge Graph

XIA Yuhang¹,GAO Daqi¹,RUAN Tong ¹,WANG Haofen²,YIN Yichao ³

1.School of Information Science and Engineering,East China University of Science and Technology,Shanghai 200237,China; 2.Gowild,Shenzhen 518057,China; 3.Shuguang Hospital Affiliated to Shanghai University of Traditional Chinese Medicine,Shanghai 200021,China

Received:2017-11-29 Online:2019-01-15 Published:2019-01-15

摘要/Abstract

摘要：

基于关系数据库的资源描述框架(RDF)存储方案多数未考虑领域特性而造成查询性能不足。为此,提出一种改进的病历图谱存储方案。根据原始病历数据具有多元关系的特征,设计多元关系到RDF三元组的转化方案。基于原始病历数据具有空值多、谓词数量多且谓词不固定等特性,采用基于改进三元组表的存储方案,将病历RDF三元组的实体和属性进行ID化。在此基础上,设计实体类型表,面向病历图谱使用SPARQL-to-SQL查询转换算法。实验结果表明,与基于类型的存储方案相比,该方案具有较高的查询效率。

关键词: 医疗病例, 知识图谱, 数据存储, 查询效率, 统计分析

Abstract:

Resource Description Framework(RDF) storage scheme based on relational database mostly does not consider the domain characteristics,resulting in insufficient query performance.Therefore,an improved medical record storage scheme is proposed.According to the characteristics of the multi-relationship of the original medical record data,the transformation plan of the RDF triple is designed.The original medical record data has many characteristics such as large null value,large number of predicates and unpredicted predicates.The entity and attributes of the medical record RDF triple are ID-based based on the improved triple storage table storage scheme.On this basis,the entity type table is designed,and the SPARQL-to-SQL query conversion algorithm is used for the medical record.Experimental results show that compared with the type-based storage scheme,the scheme has higher query efficiency.

Key words: medical record, knowledge graph, data storage, query efficiency, statistical analysis

中图分类号:

TP392

夏宇航,高大启,阮彤,王昊奋,殷亦超. 基于知识图谱的医疗病历数据存储研究[J]. 计算机工程, 2019, 45(1): 9-16,22.

XIA Yuhang,GAO Daqi,RUAN Tong,WANG Haofen,YIN Yichao. Research on Data Storage of Medical Record Based on Knowledge Graph[J]. Computer Engineering, 2019, 45(1): 9-16,22.

https://www.ecice06.com/CN/Y2019/V45/I1/9

参考文献

［1］BERNERSLEE T,HENDLER J,LASSILA O.The semantic Web［J］.Scientific American,2001,284(5):34-43.
［2］KLYNE G,CARROLL J J,MCBRIDE B,et al.Resource Description Framework (RDF):concepts and abstract syntax［EB/OL］.［2017-10-21］.https://www.w3.org/TR/rdf-concepts/.
［3］王巍巍,王志刚,潘亮铭,等.双语影视知识图谱的构建研究［J］.北京大学学报(自然科学版),2016,52(1):25-34.
［4］ZENG Y,ZHANG T,HAO H.Active recommendation of tourist attractions based on visitors interests and semantic relatedness［C］//Proceedings of International Conference on Active Media Technology.Berlin,Germany:Springer,2014:263-273.
［5］RUAN T,WANG M,SUN J,et al.An automatic approach for constructing a knowledge base of symptoms in Chinese［C］//Proceedings of IEEE International Conference on Bioinformatics and Biomedicine.Washington D.C.,USA:IEEE Press,2017:71-79.
［6］徐芳芳,顾进广,邓海龙,等.基于列数据库和图缓存的海量RDF管理［J］.武汉大学学报(理学版),2015,61(2):145-150.
［7］AASMAN J.Allegro graph:RDF triple database［EB/OL］.［2017-10-21］.https://www.researchgate.net/publication/265662488_Allegro_Graph_RDF_Triple_Database.
［8］康杰华,罗章璇.基于图形数据库Neo4j的RDF数据存储研究［J］.信息技术,2015(6):115-117.
(下转第22页)
(上接第16页)
［9］LIU X,THOMSEN C,PEDERSEN T B.3XL:an efficient DBMS-based triple-store［C］//Proceedings of International Workshop on Database and Expert Systems Applications.Washington D.C.,USA:IEEE Computer Society,2012:284-288.
［10］ATRE M,CHAOJI V,ZAKI M J,et al.Matrix “Bit” loaded:a scalable lightweight join query processor for RDF data［C］//Proceedings of the 19th International Conference on World Wide Web.New York,USA:ACM Press,2010:41-50.
［11］MELNIK S.Storing RDF in a relational database［EB/OL］.［2017-10-21］.http://infolab.stanford.edu/~melnik/rdf/db.html.
［12］PAN Z,HEFLIN J.DLDB:extending relational databases to support semantic Web queries ［EB/OL］.［2017-10-21］.http://swat.cse.lehigh.edu/pubs/pan04a.pdf.
［13］陶承恺.基于属性表的RDF数据存储系统研究［D］.南京:南京大学,2013.
［14］LIAROU E,IDREOS S,MANEGOLD S,et al.MonetDB/datacell:online analytics in a streaming column-store ［J］.Proceedings of the VLDB Endowment,2012,5(12):1910-1913.
［15］阮彤,王梦婕,王昊奋,等.垂直知识图谱的构建与应用研究［J］.知识管理论坛,2016,1(3):226-234.
［16］SALEEM M,PADMANABHUNI S S,NGOMO A C N,et al.TopFed:TCGA tailored federated query processing and linking to LOD［J］.Journal of Biomedical Semantics,2014,5(1):47.
［17］STRATTON M R,CAMPBELL P J,FUTREAL P A.The cancer genome［J］.Nature,2009,458(7239):719-724.
［18］俞思伟,范昊,王菲,等.基于知识图谱的智能医疗研究［J］.医疗卫生装备,2017,38(3):109-111.
［19］TELLO A,CRUZ A L,SAQUICELA V,et al.RDF-ization of DICOM medical images towards linked health data cloud［C］//Proceedings of American Congress on Biomedical Engineering CLAIB.Berlin,Germany:Springer,2015:757-760.
［20］HARRIS S,SEABORNE A,PRUD’HOMMEAUX E.SPARQL 1.1 query language ［EB/OL］.［2017-10-21］.https://www.w3.org/TR/sparql11-query/.
［21］佟强,程经纬,张富,等.基于查询转换的RDF高效查询方法［J］.吉林大学学报(工学版),2015,45(5):1550-1558.

[1]	李惠乾, 钟柏昌. 教育知识图谱: 研究进展与未来发展——基于2013—2023年中文核心期刊载文的分析[J]. 计算机工程, 2024, 50(7): 1-12.
[2]	王炼红, 林飞鹏, 李潇瑶, 谌桂枝, 周莉. 融入课程知识图谱的KMAKT预测[J]. 计算机工程, 2024, 50(7): 23-31.
[3]	刘娟, 段友祥, 陆誉翕, 张鲁. 引入知识增强和对比学习的知识图谱补全[J]. 计算机工程, 2024, 50(7): 112-122.
[4]	陈佳玉, 王元龙, 张虎. 基于文本知识增强的问题生成模型[J]. 计算机工程, 2024, 50(6): 86-93.
[5]	江惠珍, 孙艳春, 黄罡. 基于知识图谱的GitHub层次化学习和检索服务[J]. 计算机工程, 2024, 50(5): 16-25.
[6]	张洪程, 李林育, 杨莉, 伞晨峻, 尹春林, 颜冰, 于虹, 张璇. 基于对比学习与语言模型增强嵌入的知识图谱补全[J]. 计算机工程, 2024, 50(4): 168-176.
[7]	刘昀抒, 申彦明, 齐恒, 尹宝才. 基于层次结构图的多跳知识图谱问答模型[J]. 计算机工程, 2024, 50(1): 101-109.
[8]	周莎, 申国伟, 郭春. 基于安全知识图谱与逆向特征的弱点信息补全[J]. 计算机工程, 2024, 50(1): 145-155.
[9]	王志宝, 江树涛, 李菲, 高俊涛, 马强, 杨彬. 基于多邻域感知的石油数据资产图谱实体对齐[J]. 计算机工程, 2024, 50(1): 339-347.
[10]	冉丈杰, 孙林夫, 邹益胜, 马玉麟. 基于关系学习网络的小样本知识图谱补全模型[J]. 计算机工程, 2023, 49(9): 52-59.
[11]	隋国华, 李陶然, 刘昊, 陈林, 汪卫. 基于图表示学习的领域知识图谱推理技术研究[J]. 计算机工程, 2023, 49(9): 89-98.
[12]	马坤, 安敬民, 李冠宇. 动态聚合实体和关系上下文的知识图谱补全[J]. 计算机工程, 2023, 49(8): 77-84, 95.
[13]	代祖华, 刘园园, 狄世龙. 语义增强的图神经网络方面级文本情感分析[J]. 计算机工程, 2023, 49(6): 71-80.
[14]	叶琪, 张一乾, 阮彤, 杜渂. 基于语义和结构置信度的知识图谱质量校验方法[J]. 计算机工程, 2023, 49(5): 48-55.
[15]	唐彦, 卢镘旭. 基于知识图谱与深度涟漪网络的推荐系统[J]. 计算机工程, 2023, 49(5): 63-72,80.

选择文件类型/文献管理软件名称

选择包含的内容

基于知识图谱的医疗病历数据存储研究

Research on Data Storage of Medical Record Based on Knowledge Graph

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于知识图谱的医疗病历数据存储研究

Research on Data Storage of Medical Record Based on Knowledge Graph

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价