通过医患互动，将医学知识与病症识别相结合，建立一种诊断助手，显著提高疾病识别的能力，并整合视觉感知信息以增强诊断助手的功能。

May, 2024

通过结合医学知识图谱和新颖的图模型 Dr.Knows，我们提出一种创新的方法来提高大型语言模型在自动诊断生成领域的能力，从而消除预训练的需要，提高自动诊断生成的准确性。

Aug, 2023

利用知识图谱在医学报告生成中的作用，基于胸部 X 光成像建立了一种包含 137 种疾病和异常的全面知识图谱，提出了一种新的增强策略和两阶段生成框架，以减少疾病分布的长尾问题。

Jul, 2023

提出了一种用于动物疾病的高效诊断的知识图嵌入模型，该模型可以学习各种类型的文字信息和图结构，并将它们融合成统一的表示，通过门网络将不同类型的实体和节点特征信息融合为统一的向量表示，然后提出了一种自监督学习任务来预训练图结构，并在链接预测任务上击败了最先进模型组成的基线模型。

Aug, 2023

本文提出从患者诊断记录中构建知识图谱的框架，并在英国 COVID-19 临床评估服务（CCAS）患者数据集中对 COVID-19 患者的诊断笔记应用该框架，与传统的 NLP 方法相比，证明该方法在回答患者问题时具有更好的准确性。

Jun, 2023

我们提出了一个新颖的系统，从生物医学语料库中自动提取和生成信息丰富、描述性的句子，促进相关知识的高效检索。与以往的搜索引擎或探索系统不同，我们的系统将描述性句子组织为关系图，使研究人员能够探索密切相关的生物医学实体（例如，化学品治疗的疾病）或间接相连的实体（例如，治疗疾病的潜在药物）。我们的系统还使用 ChatGPT 和经过微调的关系综合模型从检索到的信息中生成简明可靠的描述性句子，减少了对大量人工阅读的需求。通过我们的系统，研究人员可以轻松获得高层次知识和详细参考资料，并交互式地定位所需的信息。我们重点介绍了我们的系统在 COVID-19 研究中的应用，说明了它在药物再利用和文献整理等领域的实用性。

Oct, 2023

基于知识图谱的论文搜索引擎 DiscoverPath 可以提供生物医学研究的高效文章检索和跨学科知识探索，通过提取术语和关系创建知识图谱，并提供查询建议和可视化界面，以增强用户体验。

Sep, 2023

KG-based search engine architecture for finding doctors and locations in healthcare domain, with significantly higher coverage for complex queries without degrading quality.

Oct, 2023

本篇论文研究了利用因果关系来改进医疗领域中的疾病诊断预测模型，通过因果关系的推断提高医生的决策能力和模型的预测准确性。

Nov, 2017

医疗知识图谱自动化 (M-KGA) 是一种创新方法，通过利用用户提供的医学概念并利用 BioPortal 本体进行语义增强，以整合预训练嵌入向量，从而提高知识图谱的完整性。该方法引入了基于聚类和基于节点的两种方法，以发现知识图谱中隐藏的连接，通过对电子健康记录中 100 个频繁出现的医学概念进行严格测试，展示了有望解决现有知识图谱自动化技术限制的潜力。

Apr, 2024