(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221083240 6.0 (22)申请日 2022.07.15 (71)申请人 首都医科 大学附属北京地坛医院 地址 100015 北京市朝阳区京顺 东街8号北 京地铁医院 (72)发明人 陈航　蒋荣猛　韩冰　 (74)专利代理 机构 北京力量专利代理事务所 (特殊普通 合伙) 11504 专利代理师 毛雨田 (51)Int.Cl. G16H 50/80(2018.01) G16H 10/60(2018.01) G06F 16/31(2019.01) G06F 16/34(2019.01) G06F 16/36(2019.01)G06F 21/60(2013.01) G06F 21/62(2013.01) G06F 40/194(2020.01) G06N 5/00(2006.01) (54)发明名称 一种呼吸道传染病的监测预警系统及方法 (57)摘要 本发明提供一种呼吸道传染病的监测预警 系统及方法， 包括社区监测移动端子系统、 医院 端个体监测子系统和群体监测预警子系统； 社区 监测移动端子系统、 医院端个体监测子系统和群 体监测预警子系统均包括如下层架构： 源数据 层， 获取源数据； 基础资源层， 用于提供数据加密 服务， 根据数据加密需求调用MySQL、 Docker和 Hyperledger  Fabric； 数据服务层， 用于提供查 询服务和告警服务， 通过知识图谱和规则引擎对 源数据进行统计分析； 数据服务层内存储规则 库； 数据可视化层， 用于可视化数据， 调用告警规 则根据可视化数据进行告警， 同时根据需求对告 警规则进行管理。 本发明实现信息来源多渠道、 监测预警智慧化、 多点触发的目标， 以提高应对 突发公共卫生事件的应急处置能力。 权利要求书2页 说明书10页 附图1页 CN 115274132 A 2022.11.01 CN 115274132 A 1.一种呼吸道传染病的监测预警系统， 其特征在于， 包括社区监测 移动端子系统、 医院 端个体监测子系统和群 体监测预警子系统； 所述社区监测 移动端子系统、 医院端个体监测子系统和群体监测预警子系统均包括如 下层架构： 源数据层， 获取源数据； 基础资源层， 用于提供数据加密服务， 根据数据加密需求调用MySQL、 Docker和 Hyperledger  Fabric； 数据服务层， 用于提供查询服务和告警服务， 通过知识图谱和规则引擎对源数据进行 统计分析； 所述数据服 务层内存 储规则库； 数据可视化层， 用于可视化数据， 调用告警规则根据可视化数据进行告警， 同时根据需 求对告警规则进行 管理。 2.根据权利要求1所述的呼吸道传染病的监测预警系统， 其特征在于， 所述社区监测端 子系统实现对社区居民、 社区健康监测人群和重点监测行业工作人员基本信息的自行填 报， 包括人员的基础信息、 基础疾病 、 流行病学史、 症状等信息； 信息填报完成提交后， 系统依据知识图谱及规则引擎诊断， 自动反馈诊疗建议及防护 建议； 数据脱敏后加密发送至群 体监测预警子系统。 3.根据权利要求2所述的呼吸道传染病的监测预警系统， 其特征在于， 医院端个体监测 系统与院内HIS系统、 PACS系统集成， 采集患者诊疗信息， 根据知识图谱及规则引擎反馈患 者可能患有哪类疾病并给出就诊及防护 建议， 系统采用多模态模型， 向医生提供多阶段预 测预警信息， 实现早期分诊及早期防护的目标； 系统将患者相关信息脱敏后通过加密方式反馈 至群体监测预警子系统。 4.根据权利要求3所述的呼吸道传染病的监测预警系统， 其特征在于， 群体监测预警子 系统包含可视化、 统计分析、 告警管理等功能； 数据来源于个体监测预警子系统和医院端个体监测系统， 基于时空分析技术， 从群体 角度监测具有特定症候群特征人群的时空聚集性， 对疾病的潜在传播实现早期预警， 并实 现重点数据展示、 多维度数据趋势分析、 多 级别告警管理。 5.根据权利要求4中所述的呼吸道传染病的监测预警系统， 其特征在于， 所述知识图谱 知识表示学习的代表模型包括距离模型、 单层神经网络模型、 双线性模型、 神经张量模型、 矩阵分解模型和翻译模型； 其中， 距离模型， 首先将 实体用向量进行表示， 然后通过关系矩阵将 实体投影到与实体 关系对的向量空间中， 最后通过计算投影向量之间的距离来判断实体间已存在的关系的置 信度； 双线性模型 是通过基于实体间关系的双线性变换来刻画实体在关系下的语义相关性； 神经张量模型 是在不同的维度下， 将实体联系起 来， 表示实体间 复杂的语义联系； TransE模型是将知识库中实体之间的关系看成是从实体间的某种平移， 并用向量表 示。 6.根据权利要求5 中所述的呼吸道传染病的监测预警系统， 其特征在于， 所述知识图谱 进行知识融合时包括权　利　要　求　书 1/2 页 2 CN 115274132 A 2初步筛选， 用于初步筛 选融合标识符相同的实体数据； 判断属性相似度， 用于配置相似属性和相似度函数， 并判断数据之间的属性相似度； 融合知识： 对属性相似度均达 到阈值条件的数据进行融合； 判断实体相似度， 根据属性相似度向量得到实体的相似度。 7.根据权利要求6所述的呼吸道传染病的监测预警系统， 其特征在于， 所述知识图谱的 存储包括基于表结构的存 储和基于图结构的存 储； 其中， 基于表结构的存储， 利用二维的数据表对知识图谱中的数据进行存储， 包括三元 组表、 类型表、 关系数据库； 基于图结构的存 储， 利用图的方式对知识图谱中的数据进行存 储， 包括图数据库。 8.根据权利要求7所述的呼吸道传染病的监测预警系统， 其特征在于， 所述数据服务层 设有规则引擎， 所述 规则引擎包括 正向链接， 基于插入的Fact对象和Fact对象的更新， 利用可用的Fact推理规则来提取 出更多的Fact对象， 直到计算出最终目标， 最终会有一个或多个规则被匹配， 并计划执 行； 反向链接， 从规则引擎假设的结论开始， 如果不能够直接满足这些假设， 则搜索可满足 假设的子目标。 9.一种呼吸道传染病的监测预警方法， 其特 征在于， 包括如下步骤： 步骤1、 社区端采集社区居民、 社区健康监测人群和重点监测行业工作人员的基本信 息 和诊疗信息； 医疗端个 体监测子系统采集患者基本信息和诊疗信息； 所述诊疗信息包括 步骤2、 根据知识图谱和规则引擎对基本信 息和诊疗信 息进行诊断， 得到基本信 息和诊 疗信息各自对应的诊疗建议及防护建议； 步骤3、 对基本信息和诊疗信息进行脱敏和 加密处理后上传至群 体监测子系统； 步骤4、 群 体监测子系统集中展示经处 理后的基本信息和诊疗信息 。 10.根据权利要求9所述的呼吸道传染病的监测预警方法， 其特征在于， 步骤4中， 展示 过程具体为 以时间维度、 折线图堆叠和柱状图、 堆叠区域图进行趋势分析和展示趋势分析、 展现。 11.根据权利要求9所述的呼吸道传染病的监测预警方法， 其特征在于， 步骤2中， 进行 诊断具体包括如下步骤： 将基本信 息和诊疗信 息抽象为症状描述文本， 同时和血液检查的数据字段输入至决策 树算法内； 将症状描述文本进行 特征提取后生成对应的512维特 征向量； 将血液检查的数据字段进行 数据归一 化处理为血液特征向量； 决策树以所述512维特 征向量和所述血 液特征向量为训练数据进行迭代训练； 诊断出对应的疾病分类概 率。权　利　要　求　书 2/2 页 3 CN 115274132 A 3