知識圖譜和深度學(xué)習(xí)在醫(yī)療中的應(yīng)用課件

1、知識圖譜和深度學(xué)習(xí)在醫(yī)療中的應(yīng)用課件知識圖譜和深度學(xué)習(xí)在醫(yī)療中的應(yīng)用課件深度學(xué)習(xí)與醫(yī)療01醫(yī)學(xué)知識圖譜深度學(xué)習(xí)生成自然語言文本深度學(xué)習(xí)在臨床醫(yī)療中的應(yīng)用CONTENT020304深度學(xué)習(xí)與醫(yī)療01醫(yī)學(xué)知識圖譜深度學(xué)習(xí)生成自然語言文本深度學(xué)第一章 深度學(xué)習(xí)與醫(yī)療第一章 深度學(xué)習(xí)與醫(yī)療人工智能 - 醫(yī)療的概述智能導(dǎo)診智能問診問答系統(tǒng)智能健康管理語音電子推薦用藥智能影像科研系統(tǒng)醫(yī)療應(yīng)用自然語言處理機器學(xué)習(xí)深度學(xué)習(xí)人工智能抽取轉(zhuǎn)換存儲加載ETL工具核心技術(shù)患者主索引HIS數(shù)據(jù)PACS數(shù)據(jù)LIS數(shù)據(jù)EMR數(shù)據(jù)取之于醫(yī)生用之于醫(yī)生用之于患者取之于患者大數(shù)據(jù)+AI 服務(wù)患者 大數(shù)據(jù)+AI 輔助醫(yī)生人工智能

2、- 醫(yī)療的概述智能導(dǎo)診問答系統(tǒng)語音電子智能影像醫(yī)療人工智能在醫(yī)療領(lǐng)域的兩大挑戰(zhàn)自然語言處理與機器視覺醫(yī)療自由文本識別人工智能輔助閱片人工智能在醫(yī)療領(lǐng)域的兩大挑戰(zhàn)自然語言處理與機器視覺醫(yī)療自由文傳統(tǒng)文本處理方式與深度學(xué)習(xí)的對比傳統(tǒng)的文本處理方法文本預(yù)處理特征提取文本表示分類器訓(xùn)練集特征工程基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的文本處理方法傳統(tǒng)文本處理方式與深度學(xué)習(xí)的對比傳統(tǒng)的文本處理方法文本預(yù)處理第二章 醫(yī)學(xué)智能分析的基礎(chǔ)： 醫(yī)學(xué)知識圖譜第二章 醫(yī)學(xué)智能分析的基礎(chǔ)： 醫(yī)學(xué)知識圖譜知識圖譜 KGKg表示形式特點動態(tài)、清晰、直觀有效展示數(shù)據(jù)內(nèi)部結(jié)構(gòu) 有效展示數(shù)據(jù)之間關(guān)系功能知識推理基于邏輯（Logic）的推理

3、 基于分布式表達(dá)方法（Distributed Representation）知識圖譜應(yīng)用商業(yè)搜索引擎問答系統(tǒng)電商平臺社交平臺醫(yī)療、教育、生物研究等領(lǐng)域知識圖譜 KGKg表示形式特點知識圖譜應(yīng)用商業(yè)搜索引擎問答系知識圖譜 KG方案-知識圖譜通過 SPO三元組 的形式表示知識 知識圖譜中包含 點與邊 的信息（包含不同的含義）醫(yī)療知識圖譜點 含義包含：疾病、藥物、癥狀、輔 助檢查、科室、手術(shù)、部位等邊 含義包含：類別、臨床表現(xiàn)、病因、 發(fā)病機制、科室、預(yù)防、藥動學(xué)、 藥理作用、鑒別、診斷 等疾病多尿癥狀類型糖尿病知識圖譜 KG方案-知識圖譜通過 SPO三元組 的形式表示知知識圖譜 KG-醫(yī)療知識圖譜

4、構(gòu)建框架知識圖譜 KG-醫(yī)療知識圖譜構(gòu)建框架醫(yī)學(xué)智能分析的基礎(chǔ)醫(yī)學(xué)知識圖譜疾病部位科室手術(shù)癥狀關(guān)系相關(guān)癥狀 相關(guān)藥物 相關(guān)檢查 可能疾病 診斷標(biāo)準(zhǔn) 治療方案 鑒別診斷 一級科室其他關(guān)系數(shù)150萬AI推斷基礎(chǔ)實體醫(yī)學(xué)智能分析的基礎(chǔ)醫(yī)學(xué)知識圖譜疾病部位科室手術(shù)癥狀關(guān)系關(guān)系第三章 深度學(xué)習(xí)生成 自然語言文本第三章 深度學(xué)習(xí)生成 自然語言文本Encoder-Decoder FrameworkEncoder-Decoder FrameworkEncoder-Decoder FrameworkAt training time, the model is trained to maximize the li

5、kelihood of the next ground-truth word given the previous ground-truth word.At inference time, the model is expected to generate the entire sequence from scratch. This discrepancy makes generation brittle, as errors may accumulate along the way.Encoder-Decoder FrameworkAt trHierarchical RNN Framewor

6、kImageCNNs011EofTopicTopicLSTMLSTMLSTMLSTMLSTMLSTMLSTMLSTMw0w1w2w3w1w2w3Eof Sentence LSTMWord LSTM11TopicEofTopicEofhHierarchical RNN FrameworkCNNs第四章 深度學(xué)習(xí)在臨床 醫(yī)療中的應(yīng)用第四章 深度學(xué)習(xí)在臨床 醫(yī)療中的應(yīng)用應(yīng)用一：智能導(dǎo)診機器人發(fā)展環(huán)境：智能導(dǎo)診是AI各大應(yīng)用中的熱門，技術(shù)相對成熟。醫(yī)療領(lǐng)域的導(dǎo)診機器人主要基于人臉識別、語音識別、遠(yuǎn) 場識別等技術(shù)，通過人機交互，執(zhí)行包括掛號、科室分布及就醫(yī)流程引導(dǎo)、身份識別、數(shù)據(jù)分析、知識普及等功能。應(yīng)

7、用一：智能導(dǎo)診機器人發(fā)展環(huán)境：智能導(dǎo)診是AI各大應(yīng)用中的熱應(yīng)用二：文本病例的后結(jié)構(gòu)化MedicationsDiseasesModifiersSymptomsNEJM Medical Concept Annotations Attribute extractions應(yīng)用二：文本病例的后結(jié)構(gòu)化MedicationsDiseas應(yīng)用三：描述性診斷的后編碼ICD診斷MS999急性腸胃炎999發(fā)熱腦梗死ICD診斷I10高血壓病R50發(fā)熱I63腦梗死人工智能后結(jié)構(gòu)化引擎應(yīng)用三：描述性診斷的后編碼ICD診斷MS999急性腸胃炎99應(yīng)用四：機器人隨訪應(yīng)用四：機器人隨訪應(yīng)用五：患者自我診斷發(fā)展環(huán)境：醫(yī)患溝通效率低與醫(yī)生供給不足是醫(yī)療領(lǐng)域的兩大難題， 深度基于學(xué)習(xí)技術(shù)的智能問診在解決這兩大難題方面有巨大的潛力；智能問診系統(tǒng)包含“預(yù)問診”和“自診”兩大功能?！邦A(yù)問診”就是 在患者完成掛號后的等待時間內(nèi)，通過交互輸入患者基本信息、癥 狀、既往病史、過敏史等信息，系