领域应用 | 中医临床术语系统V2.0在线发布啦!

本文转载自公众号:中医药知识组织与标准。


中医临床术语系统V2.0在线发布

中医临床术语系统(Traditional Chinese Medicine Clinical Terminological Systems, TCMCTS)是由中国中医科学院中医药信息研究所研制的,用来描述健康状况和中医医疗活动的大型术语系统。

该系统是参照SNOMED-CT的构建理念,依据中医临床特色,建立了中医临床术语分类结构,采集了中医临床术语的概念、构建了术语间的语义关系。目前该系统共收录概念38486个,术语112914个,一级类目17类,概念间正反向语义关系共34种,共建立语义关系16万余条。中医临床术语系统v2.0以临床实际应用为驱动,更加贴近用户需求。


一级类目

目前在线发布的中医临床术语系统v2.0共有一级类目17类,分别为:

类目

定义

症状体征

描述中医临床中通过四诊观察收录的各种症状和体征,以及通过诊疗仪器得到的症状和体征。

诊察对象

描述中医临床过程中需要诊察的部位和系统。

病证

描述中医临床各科常见的疾病、证候及中医体质类型。

中医操作/方法

描述中医在提供医疗保健服务过程中执行的多种行为,包括养生调护方法、诊断及治疗方法、药物炮制和煎煮方法。

病因病机

描述引起病证发生、发展及变化的原因和机理。

原理和经验

描述指导中医临床实践的理论,与历代医家的经验。

治则治法

描述中医在治疗病证时所遵循的原则,以及针对病证制定的具体治疗方法。   

中药和方剂

描述中药材、中药饮片、配方颗粒、药用食品、方剂、中成药等的临床治疗用药。

机体形态

描述中医形体和形态,包括组织器官、身体部位、脏腑、经络、穴位等。

分期与传变

描述中医体系中疾病的变化过程。

中医体内物质

描述中医理论体系中人体内的有形、无形物质,包括气、血、精、津液等正常体内物质及痰、瘀血等病理性体内物质。

中医环境和地理定位

描述中医环境的类型及已经命名的地理定位。

中医器械和设备

描述中医临床诊断和治疗过程中使用的器械、设备。

限定值

包含了一些能够被用来作为属性关系值的概念,包括功效、药味、药性、剂型、毒性、严重程度等。

连接概念

描述不同概念间关系的类型,用来构建两个概念间的关联关系。

医案结构

描述中医临床病历、医案的结构。

情景短语

描述一些特定的条件和操作,如既往病史,或引发病证的物理、化学因素等。



概念结构

每个概念包括“概要”“详细”和“示意图”三部分内容。

“概要”主要展示概念名称、概念定义及父节点(上位类)。

“详细”主要展示概念基本信息,包括概念主键、全局编码、概念名称、发布时间,概念父节点(上位类),概念正式名、异名、英文名、拼音名,以及相关概念及定义。

相关概念即与本概念有关系的概念。概念关系又分为上位关系、正向关系和反向关系,其中正向关系是对一个概念的基本属性描述,即对于概念的逻辑定义解释。


概念关系

概念关系类型包括上位关系、正向关系和反向关系,以中药饮片为例,关系类型如下:


关系类型

关系

目标概念

关系描述

上位关系

父节点

功效分类

用于归纳中药饮片的总功效,便于集中检索。

正向关系

归…经

经络

描述中药饮片的归经。

正向关系

有…功效

功效

描述中药饮片的功效。

正向关系

有…药性

中药药性

描述中药饮片的药性。

正向关系

有…药味


中药药味

描述中药饮片的药味。

正向关系

有…毒性

中药毒性

描述中药饮片的毒性。

正向关系

是…的炮制品

药材

描述中药饮片的原药材。

正向关系

饮片加工

中药配方颗粒

描述中药饮片加工成的配方颗粒。

反向关系

组成

方剂、中成药

描述由中药饮片组成的方剂和中成药。



如以“大黄”为例,按功效分类属于“攻下药”,药味“苦”,药性“寒”,具有“泻下攻积,清热泻火,凉血解毒,逐瘀通经,利湿退黄”的功效。为“大黄(药材)”的炮制品,归脾、胃、大肠、肝、心包经。

        其反向关系并不显示在图形中,但是可以在相关概念中查询到。

语义查询

相关关系可以从多方面对概念进行定义,便于对概念进行归类检索和查询。



系统登录

域名:tcmcts.org

中医临床术语系统的登录界面

系统提供六个账户,用于浏览。使用期限截止到2018.2.16。需要继续使用或合作的可以联系我们。

账户1:ceshi1  密码:ceshi1

账户2:ceshi2  密码:ceshi2

账户3:ceshi3  密码:ceshi3

账户4:ceshi4  密码:ceshi4

账户5:ceshi5  密码:ceshi5

账户6:ceshi6  密码:ceshi6

系统功能

系统提供两种查询方法,一是树形结构查询,在页面左侧按概念分类进行检索。二是使用搜索功能,可以根据关键字词进行检索,还可选择词族进行定位检索。

每个概念包括“概要”“详细”和“示意图”三部分内容。“概要”主要展示概念名称、概念定义及父节点(上位类);详细主要展示概念的定义、正异名、相关概念、父节点、子节点(下位类)等内容;示意图则以图形展示相关概念。


示意图按相关关系为统领,展示所查询概念的相关概念,以不同颜色标注不同关系的相关概念,并能够对直接相关概念进行展示。

以“天王补心丹”为例,可以通过对相关关系进行点击,层层展开。详见视频。





中医临床术语系统目前还在不断完善中,概念与术语离行业要求还有距离,将结合临床实践应用继续补充和完善,概念间关系还有待研究和补充。今后将会定期更新与发布,请大家持续关注并提出宝贵意见。




网址二维码:     

                                     

联系我们:中国中医科学院中医药信息研究所

            中医药知识组织与标准研究室

联系人:朱彦

email: zhuyan166@126.com

        电话:010-64089623





OpenKG.CN


中文开放知识图谱(简称OpenKG.CN)旨在促进中文知识图谱数据的开放与互联,促进知识图谱和语义技术的普及和广泛应用。

点击阅读原文,进入 OpenKG 博客。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/480847.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

NLP Subword三大算法原理:BPE、WordPiece、ULM

Subword算法如今已经成为了一个重要的NLP模型性能提升方法。自从2018年BERT横空出世横扫NLP界各大排行榜之后,各路预训练语言模型如同雨后春笋般涌现,其中Subword算法在其中已经成为标配。且与传统空格分隔tokenization技术的对比有很大的优势~~ E.g. 模…

【小程序】微信小程序开发实践

版权声明&#xff1a;本文为博主原创文章&#xff0c;未经博主允许不得转载。 https://blog.csdn.net/diandianxiyu/article/details/53068012 </div><link rel"stylesheet" href"https://csdnimg.cn/release/phoenix/template/css/ck…

技术人如何提升自己的核心竞争力

互联网行业是一个发展非常快&#xff0c;变化也快的行业&#xff0c;在这个行业&#xff0c;总是让人感觉既兴奋又不安。 兴奋的是你总能看到无数新奇的事物&#xff0c;甚至亲身参与到一场变革中去&#xff0c;而不安的则是&#xff0c;任凭你如何NB&#xff0c;你也无法保证哪…

AAAI 2018经典论文获奖者演讲:本体论的昨天和今天

本文转自公众号&#xff1a;AI科技评论。AI 科技评论按&#xff1a;正在美国新奥尔良召开的 AAAI 2018 的经典论文奖颁给了《Algorithm and Tool for Automated Ontology Merging and Alignment》。这篇论文发表在 2000 年的第 17 届 AAAI 大会上。这次颁奖是为了表彰这篇论文在…

ICLR2020 | 如何判断两个神经网络学到的知识是否一致

人工智能顶会 ICLR 2020 将于 4 月 26 日于埃塞俄比亚首都亚的斯亚贝巴举行。在最终提交的 2594 篇论文中&#xff0c;有 687 篇被接收&#xff0c;接收率为 26.5%。本文介绍了上海交通大学张拳石团队的一篇接收论文——《Knowledge Consistency between Neural Networks and B…

7张图学会SQL

第1周&#xff1a;SQL入门 学习SQL语句的书写语法和规则从零学会SQL&#xff1a;入门​www.zhihu.com 第2周&#xff1a;查询基础 Select查询语句是SQL中最基础也是最重要的语句&#xff0c;这周我们就来利用Select来对表中的数据进行查询。从零学会SQL&#xff1a;简单查询​w…

大公司稳定工作和创业之间如何选择?

“ 是留在大公司&#xff0c;还是加入小型创业公司&#xff0c;还是自己创业&#xff0c;面对房价每年高涨的趋势&#xff0c;面对未来的不确定&#xff0c;应该怎样选择。 作为一个亲历者&#xff0c;希望你看完后能有所启发。 本文作者&#xff0c;陈睿 优知学院创始人 优知…

论文浅尝 |「知识表示学习」专题论文推荐

本文转载自公众号&#xff1a;PaperWeekly。本期论文清单来自清华大学博士生韩旭和北师大本科生曹书林&#xff0c;涵盖了近年知识表示学习方向的重要论文。[ 综述类 ]■ 论文 | Representation Learning: A Review and New Perspectives■ 链接 | https://www.paperweekly.sit…

如何选择一家公司

不管是刚毕业的大学生还是工作几年的职场朋友&#xff0c;每个人都会面临选择公司和行业的困扰&#xff0c;我也相信每个人都还记忆犹新你的第一份工作以及让你无比难忘的一家公司。有时候我们也盲目的所求&#xff0c;其实&#xff0c;偶尔停下来思考下你真想去的地方&#xf…

LightGBM最强解析,从算法原理到代码实现~

1 LightGBM简介 GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型&#xff0c;其主要思想是利用弱分类器&#xff08;决策树&#xff09;迭代训练以得到最优模型&#xff0c;该模型具有训练效果好、不易过拟合等优点。GBDT不仅在工业界应用广泛&#xf…

数据分析师基本技能——SQL

我们做数据分析工作时&#xff0c;多数数据来源于数据库&#xff0c;SQL非常方便我们访问和查询数据库。 SQL 作为数据分析师的基本技能&#xff0c;那么需要掌握哪些SQL核心技能 理解数据库SQL基础重点知识&#xff1a;查询&#xff0c;更新&#xff0c;提取&#xff0c;插入&…

论文浅尝 | 基于置信度的知识图谱表示学习框架

本文转载自公众号&#xff1a;PaperWeekly。作者丨谢若冰单位丨腾讯微信搜索应用部研究方向丨知识表示学习知识图谱被广泛地用来描述世界上的实体和实体之间的关系&#xff0c;一般使用三元组&#xff08;h,r,t&#xff09;&#xff08;head entity, relation, trail entity&am…

史上最强Java架构师的13大技术能力讲解! | 附架构师能力图谱

从程序员进阶成为架构师&#xff0c;并非一蹴而就&#xff0c;需要系统化、阶段性地学习&#xff0c;在实战项目中融会贯通&#xff0c;这如同打怪通关&#xff0c;我们得一关一关突破&#xff0c;每攻破一个关口&#xff0c;就能得到更精良的装备&#xff0c;技能值也随之不断…

写给运营同学和初学者的SQL入门教程

作者简介 多肉&#xff0c;饿了么资深python工程师。曾在17年担任饿了么即时配送众包系统的研发经理&#xff0c;这篇文章最早的版本就诞生于那段时间&#xff0c;目前负责配送相关业务系统的整体稳定性建设。个人比较喜欢c和python&#xff0c;最近有点迷rust&#xff0c;同时…

强化学习,路在何方?

▌一、深度强化学习的泡沫 2015年&#xff0c;DeepMind的Volodymyr Mnih等研究员在《自然》杂志上发表论文Human-level control through deep reinforcement learning[1]&#xff0c;该论文提出了一个结合深度学习&#xff08;DL&#xff09;技术和强化学习&#xff08;RL&…

论文浅尝 | 基于神经网络的实体识别和关系抽取联合学习

本文转载自公众号&#xff1a;PaperWeekly。作者丨罗凌学校丨大连理工大学博士生研究方向丨深度学习&#xff0c;文本分类&#xff0c;实体识别联合学习&#xff08;Joint learning&#xff09;一词并不是一个最近才出现的术语&#xff0c;在自然语言处理领域&#xff0c;很早就…

一篇文章搞懂架构师的核心技能

“ 这是架构师系列的第一篇&#xff1a;核心技能&#xff0c;希望这个系列能完全揭示架构师这个职位&#xff1a;我先从核心技能开始&#xff0c;后续还有架构师之路&#xff0c;架构实战等架构师系列文章。 本文作者 陈睿 优知学院创始人&#xff0c;前携程定制旅游CTO,在互联…

史上最全的分词算法与工具介绍

分词&#xff08;word tokenization&#xff09;&#xff0c;也叫切词&#xff0c;即通过某种方式将句子中的各个词语识别并分离开来&#xff0c;使得文本从“字序列”的表示升级为“词序列”表示。分词技术不仅仅适用于中文&#xff0c;对于英文、日文、韩文等语言也同样适用。…

论文解读:Attention is All you need

论文解读:Attention is All you need习翔宇​北京大学 软件工程博士在读​关注他192 人赞同了该文章Attention机制最早在视觉领域提出&#xff0c;2014年Google Mind发表了《Recurrent Models of Visual Attention》&#xff0c;使Attention机制流行起来&#xff0c;这篇论文采…

论文浅尝 | 基于神经网络的知识推理

本文转载自公众号&#xff1a;PaperWeekly。论文笔记来自 PaperWeekly 社区用户 britin。本文对基于 RNN 的从大规模知识库中进行推理进行了精度和可操作性的改善&#xff0c;提出的模型使用单个 RNN 就可以在多种 relation types 之间进行推理。如果你对本文工作感兴趣&#x…