(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010334403.5
(22)申请日 2020.04.24
(71)申请人 周敬洋
地址 250000 山东省济南市槐荫区阳光新
路21号
(72)发明人 周敬洋
(74)专利代理机构 成都顶峰专利事务所(普通
合伙) 51224
代理人 左正超
(51)Int.Cl.
G06F 16/33(2019.01)
G06F 16/335(2019.01)
G06F 40/247(2020.01)
G06N 20/00(2019.01)
(54)发明名称一种基于人工智能的Meta分析生成方法(57)摘要本发明属于现代医学技术领域，公开了一种基于人工智能的Meta分析生成方法，包括如下步骤：S1.获取题目，提取关键词，并对关键词进行补充；S2.进行Meta分析，获取初始文献集，进行选题评价和自行查重，得到最终文献集；S3.获取 入排标准，进行筛选，得到参考文献集；S4.进行质量评价；S5.对参考文献集中的所有文献进行数据提取，得到实验数据集；S6.根据预设实验信息，从实验数据集中获取对应的实验数据，并根据其得到参考结论；S7.根据预设文献格式要求和参考结论，得到参考文献，完成Meta分析。本发明解决现有技术存在的Meta分析中数据存在局限性、 效率低下以及工作量大的问题。权利要求书2页 说明书6页 附图1页CN 111552776 A 2020.08.18
C N 111552776
A
1.一种基于人工智能的Meta分析生成方法，其特征在于：包括如下步骤：
S1.获取题目，基于人工智能提取题目的关键词，并对关键词进行补充；
S2.根据补充后的关键词，进行Meta分析，获取初始文献集，并根据其中的所有文献进行选题评价和自行查重，得到最终文献集；
S3.获取入排标准，根据其对最终文献集中的所有文献进行筛选，得到参考文献集；
S4.对参考文献集中的所有文献进行质量评价，生成质量评价报告；
S5.对参考文献集中的所有文献进行数据提取，得到实验数据集；
S6.根据预设实验信息，从实验数据集中获取对应的实验数据，并根据其得到参考结论；
S7.根据预设文献格式要求和参考结论，得到参考文献，完成Meta分析。
2.根据权利要求1所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S1的具体步骤为：
S1-1.根据现有Meta分析资料，基于人工智能的机器学习，建立关键词检索模型；
S1-2.获取题目，使用关键词检索模型进行特征提取，得到题目的关键词；
S1-3.基于医学数据库，对关键词的同义词进行检索，得到对应的词组集合，并根据词组集合中结果词的出现频率进行降序排序；
S1-4.将排序前50％的结果词对关键词进行补充，得到补充后的关键词。
3.根据权利要求1所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S2的具体步骤为：
S2-1.根据补充后的关键词，进行Meta分析，即基于所有线上医学数据库进行检索，得到初始文献集；
S2-2.进行选题评价，即根据初始文献集中的所有文献按照10％比例进行随机抽样，基于人工智能和文献样本判断选题的研究方向是否有研究价值，若是则选题合格，进入步骤S2-3，否则发出选题不合格提示信号，进行人工选题评价，并结束方法；
S2-3.进行自行查重，即将选题合格的初始文献集中题目重复的文献进行删除。
4.根据权利要求2所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S3中入排标准包括文献的题目、摘要、出版时间、实验类型以及是否为动物实验。
5.根据权利要求4所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S3的具体步骤为：
S3-1.获取入排标准；
S3-2.进行筛选，即基于步骤S1-1建立的关键词检索模型，遍历最终文献集的所有文献，进行特征提取，并将当前文献提取的关键词特征与入排标准进行比照，判断是否比照合格，若是则进入步骤S3-3，否则进行人工筛选，并结束方法；
S3-3.将所有比照合格的文献合并为参考文献集。
6.根据权利要求1所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S4的具体步骤为：
S4-1.根据现有Meta分析资料，基于人工智能的机器学习，建立文献质量评价模型；
S4-2.遍历参考文献集中的所有文献，根据当前文献的研究类型，选择质量评价标准，使用文献质量评价模型对当前文献的证据质量进行评价，得到自动评分，并进行人工评价，
得到人工评分；
S4-3.判断自动评分和人工评分差距是否小于两分，若是则将两者的平均值作为最终评分，即质量评价结果，否则根据当前文献的通讯作者进行第三人评价，并将得到的第三人评分和人工评分的平均值作为最终评分，即质量评价结果；
S4-4.根据质量评价结果更新文献质量评价模型的参数，并生成质量评价报告。
7.根据权利要求6所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S4-2中的质量评价标准包括质量量表、质量清单以及风险程度。
8.根据权利要求1所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S5的具体步骤为：
S5-1.根据现有Meta分析资料，基于人工智能的机器学习，建立文献数据提取模型；
S5-2.遍历参考文献集中的所有文献，使用文献数据提取模型对当前文献进行数据提取，得到当前文献的实验数据，实验数据包括数字数据和图像数据；
S5-3.将所有文献的实验数据合并为实验数据集。
9.根据权利要求1所述的一种基于人工智能的Meta分析生成方法，其特征在于：所述的步骤S6的具体步骤为：
S6-1.根据现有Meta分析资料，基于人工智能的机器学习，建立参考结论获取模型；
S6-2.根据预设实验信息，从实验数据集中获取对应的实验数据，获取对应的各研究间的异质性结果，并判断各研究间的异质性结果是否大于预设阈值，若是则进行敏感性分析和亚组分析，并进入步骤S6-3，否则直接进入步骤S6-3；
S6-3.根据实验数据，使用参考结论获取模型，得到参考结论。
10.根据权利要求1所述的一种基于人工智能的Meta分析生成方法，其特征在于：使用者具有最高优先级，具体步骤如下：
当接收到人工控制开始信号时，停止当前步骤的基于人工智能的Meta分析生成方法，然后继续接收人工控制指令，根据人工控制指令跳转至当前Meta分析生成方法的对应步骤进行运行；
当接收到人工控制结束信号时，根据当前运行的步骤继续自动运行当前Meta分析生成方法的对应步骤。
一种基于人工智能的Meta分析生成方法
技术领域
[0001]本发明属于现代医学技术领域，具体涉及一种基于人工智能的Meta分析生成方法。
背景技术
[0002]目前循证医学最新的发展便是Meta分析的应用，Meta分析将现有的文献尽可能多的综合起来，基于统计学的方法，对收集到的临床试验或者是案例报告中的数据进行分析，以大样本得出的数据，来解决目前医学现存的争议点。
[0003]荟萃分析，又称“Meta分析”，Meta意指较晚出现的更为综合的事物，而且通常用于命名一个新的相关的并对原始学科进行评论的学问，不但包括数据结合，而且包括结果的流行病学探索和评价，以原始研究的发现取代个体作为分析实体。
[0004]人工智能的机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
[0005]在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：
[0006]但是目前线上医学的数据库有进上百个，依靠人的能力，无法对所有数据库完全检索，最多也只能是3-5个，这导致了一篇Meta分析中数据的局限性，甚至会导致结论的局限性乃至错误；对从数据库收集到的证据，需要人为的按照一定要求进行筛选，这种筛选过程往往涉及几千甚至上万篇文章，工作十分机械而且由于是人在做，非常的慢，大大限制了Meta分析的速度；对证据的评级一直是Meta分析的参与者来把控，特别是对证据的评分，由于人的原因，导致差异，往往需要多个参与者一同评定，大大增加了机械的工作量；Meta分析在写作时，需要用到大量的软件，这些软件未经过专业培训，根本不会使用，这在一定程度上限制了Meta分析的写作；检索得到的文章目前需要人为的阅读并从中得到数据，这对研究者而言是很大的负担，使得Meta分析完成所需时间大大延长；Meta分析本质上是高度机械化的工作，很多研究者将他们宝贵的时间用在了这些机械的工作上，往往很多时候，很多人用大量的时间也难以得出一个所有人都信服的结论，甚至需要再做一遍，非常的浪费时间。
发明内容
[0007]本发明旨在于至少在一定程度上解决上述技术问题之一。
[0008]为此，本发明目的在于提供一种基于人工智能的Meta分析生成方法，用于解决现有技术存在的Meta分析中数据存在局限性、效率低下以及工作量大的问题。
[0009]本发明所采用的技术方案为：
[0010]一种基于人工智能的Meta分析生成方法，包括如下步骤：
[0011]S1.获取题目，基于人工智能提取题目的关键词，并对关键词进行补充；
[0012]S2.根据补充后的关键词，进行Meta分析，获取初始文献集，并根据其中的所有文
献进行选题评价和自行查重，得到最终文献集；
[0013]S3.获取入排标准，根据其对最终文献集中的所有文献进行筛选，得到参考文献集；
[0014]S4.对参考文献集中的所有文献进行质量评价，生成质量评价报告；
[0015]S5.对参考文献集中的所有文献进行数据提取，得到实验数据集；
[0016]S6.根据预设实验信息，从实验数据集中获取对应的实验数据，并根据其得到参考结论；
[0017]S7.根据预设文献格式要求和参考结论，得到参考文献，完成Meta分析。[0018]进一步地，步骤S1的具体步骤为：
[0019]S1-1.根据现有Meta分析资料，基于人工智能的机器学习，建立关键词检索模型；[0020]S1-2.获取题目，使用关键词检索模型进行特征提取，得到题目的关键词；[0021]S1-3.基于医学数据库，对关键词的同义词进行检索，得到对应的词组集合，并根据词组集合中结果词的出现频率进行降序排序；
[0022]S1-4.将排序前50％的结果词对关键词进行补充，得到补充后的关键词。[0023]进一步地，步骤S2的具体步骤为：
[0024]S2-1.根据补充后的关键词，进行Meta分析，即基于所有线上医学数据库进行检索，得到初始文献集；
[0025]S2-2.进行选题评价，即根据初始文献集中的所有文献按照10％比例进行随机抽样，基于人工智能和文献样本判断选题的研究方向是否有研究价值，若是则选题合格，进入步骤S2-3，否则发出选题不合格提示信号，进行人工选题评价，并结束方法；
[0026]S2-3.进行自行查重，即将选题合格的初始文献集中题目重复的文献进行删除。[0027]进一步地，步骤S3中入排标准包括文献的题目、摘要、出版时间、实验类型以及是否为动物实验。
[0028]进一步地，步骤S3的具体步骤为：
[0029]S3-1.获取入排标准；
[0030]S3-2.进行筛选，即基于步骤S1-1建立的关键词检索模型，遍历最终文献集的所有文献，进行特征提取，并将当前文献提取的关键词特征与入排标准进行比照，判断是否比照合格，若是则进入步骤S3-3，否则进行人工筛选，并结束方法；
[0031]S3-3.将所有比照合格的文献合并为参考文献集。
[0032]进一步地，步骤S4的具体步骤为：
[0033]S4-1.根据现有Meta分析资料，基于人工智能的机器学习，建立文献质量评价模型；
[0034]S4-2.遍历参考文献集中的所有文献，根据当前文献的研究类型，选择质量评价标准，使用文献质量评价模型对当前文献的证据质量进行评价，得到自动评分，并进行人工评价，得到人工评分；
[0035]S4-3.判断自动评分和人工评分差距是否小于两分，若是则将两者的平均值作为最终评分，即质量评价结果，否则根据当前文献的通讯作者进行第三人评价，并将得到的第三人评分和人工评分的平均值作为最终评分，即质量评价结果；
[0036]S4-4.根据质量评价结果更新文献质量评价模型的参数，并生成质量评价报告。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议