关键词:
医学知识张量
交叉推理
局部子张量
医学张量分解
摘要:
随着互联网技术的不断迭代更新,医学领域的医疗数据也越来越庞大。但是这些数据来自不同医疗领域,具有多源异质、组织结构松散的特点而难以被有效利用。为了从中获取所需的有效信息,需要引入一种高效的融合模型对多源异构数据进行统一表示。知识张量是一种能够表示多模态异源数据的数据形式,其在保持数据之间潜在结构的同时,可以较好地表达高维度、多样化的数据。近十年来,知识张量技术获得进一步发展,并在多个领域有所应用,而医学是知识张量应用较广的垂直领域之一。作者首先分析了现代医疗数据多源异质的特点,然后总结了近十年来知识张量的理论方法,并提出构建通用知识张量的理论模型,同时基于通用知识张量进一步细化出立体交叉推理通路和局部子张量学习两种路线方法。作者进一步汇总了其团队为验证理论模型进行的一系列研究和应用,以确认理论模型在实际医学数据分析和辅助诊断中有良好的应用价值。最后对未来知识张量在知识张量立体化构建、规范化医学知识提取框架、医学知识张量信息挖掘等方面应用,进行了进一步的讨论和展望。