📝 项目简介：
随着精神心理健康问题日益凸显，如今面临着相关医疗资源严重分布不均和诊疗效率低下的挑战。本项目结合有限状态机🤖、检索算法🔍、语义匹配模型📊以及医疗知识图谱📚等信息技术，设计了一种创新的智能辅助评估工具和个性化医疗建议生成应用，用于提升精神心理健康评估的效率并生成个性化医疗建议。
本项目包含以下三个核心模块：
- 精神心理健康辅助评估工具构建与实现🤖
- 个性化医疗建议生成📝
- 医疗知识图谱的应用📚
首先，通过辅助评估工具来收集患者信息，并对结果进行评估。基于这些信息，系统会生成个性化医疗建议。如果数据质量不佳或模型匹配精度低于设定阈值，则系统会利用知识图谱来生成普适性的医疗建议。
🔗 更多详情可参考我们的论文📄：https://www.mdpi.com/2076-3417/14/20/9447
🔑 关键词： 精神心理健康🧠，人工智能🤖，自然语言处理🗣️，医疗知识图谱📚，自动生成📝
我们基于 M.I.N.I 6.0.0 版本，结合有限状态机和 WEB 交互技术，构建了一种智能化的精神心理疾病辅助评估工具，为诊断提供信息自动化支持，效果图如下（各种原因暂不提供工具源码）：
M.I.N.I 是一种综合性的诊断评估工具，包含 A 到 P 共 16 个独立模块，每个模块运用复杂的逻辑判断机制。 为了实现智能化，我们对每个模块进行了专门建模，采用有限状态机对用户回答进行逻辑计算和跳转，从而实现灵活的信息收集与全面的结果评估。
状态机是一种计算模型，用于描述对象或系统在不同状态间的转换行为。工作原理图如下：
利用状态机模型的原理，对M.I.N.I 6.0.0的各个模块进行建模。每当用户回答一个问题时，都会触发某个事件，从而决定下一个要问的问题，直到达到评估条件或者完成该模块的所有问题，最后进行结果评估。其流程设计图如下所示：
该算法的处理流程如下：
通过为关键词列表中的关键词分配权重⚖️，系统可以更精确地匹配医疗建议。例如：
关键词列表：['抑郁症', '失眠', '低落', '食欲', '运动抑制', '女', '24']
权重⚖️分配：['抑郁症': 0.4, '失眠': 0.2, '低落': 0.1, '食欲': 0.1, '运动抑制': 0.1, '女': 0.05, '24': 0.05]
利用关键词-权重⚖️模糊匹配算法在 MySQL 数据库🗄️中直接检索🔍，选取综合评分最高的前 50 条数据。
检索结果：
取15组数据，使用各个模型（BERT、ALBERT、RoBERTa、XLNet，FT_RoBERTa）分别计算模板问题与问答对的语义相关度📊。
各个模型不同指标下的计算结果：
各个模型不同指标可视化结果：
其中一组数据的模板问题如下（案例）：
"[性别女，24]，患有[抑郁症]，伴有[失眠，低落，食欲不振，运动抑制]等症状，应如何治疗？用什么药？有什么建议？"
候选数据“问答对”来自“关键词-权重”模糊匹配算法在MySQL数据库检索出的结果。使用表现较好的ROBERTa模型计算的结果如下：
模型会从得出的候选数据中选取排名前 5 的最相关数据，组成最终的数据。
我们采用了两种方式来生成个性化医疗建议，流程如下：
方法一： 数据清洗🧹与提取，识别并筛选不同治疗方案、药物💊和建议。通过新模板生成包含核心治疗方案的个性化医疗建议。代码文件：NLP_generate.py
方法二： 调用大语言模型（LLM）API，如百度的千帆大模型“ERNIE-speed-128k”，生成个性化医疗建议。代码文件：LLM_generate.py
效果图如下：
以下是我们构建的医疗知识图谱：
当数据质量不佳或模型匹配精度低于阈值时，系统会利用构建的知识📚图谱来生成普适性的医疗建议。
知识图谱📚的知识检索🔍及医疗建议生成过程如下：
具体的构建代码不提供，但可以参考部分数据集 heart.json，更多内容请参阅：🔗https://github.com/liuhuanyong/QASystemOnMedicalKG
普适性医疗建议效果图：
问答数据集 (部分)：点击下载
知识图谱构建数据集 (部分)：点击下载
完成安装后，修改 Preprocessing/data_import.py 文件中的数据库连接配置（如数据库名称、连接密码🔑等），运行 data_import.py 即可导入数据📂。
运行 model 文件夹下的 query_BERT.py、query_ALBERT.py、query_RoBERTa.py、query_XLNet.py，即可得到相应的最终数据及模板问题和问答对的相关性分数（如余弦值、欧几里得距离、曼哈顿距离）。
注意：需要到 Hugging Face 下载中文语料模型。
根据模型筛选的数据进行进一步处理，采用两种方法：NLP 流程处理和 LLM 处理。运行 test 目录下的文件即可查看生成结果。