-
Notifications
You must be signed in to change notification settings - Fork 0
/
muba_KG_new_new.py
169 lines (154 loc) · 9.04 KB
/
muba_KG_new_new.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
import py2neo
from py2neo import Graph, Node, Relationship
import pandas as pd
import csv
import numpy as np
import datetime
start = datetime.datetime.now()
with open('data_align3-lee.csv', 'r') as f:
reader = csv.reader(f)
data = list(reader)
data = np.array(data)
columns , index =data.shape
# print(data)
#
# 连接neo4j数据库，输入地址、用户名、密码
graph = Graph("http://localhost:7474", auth=('neo4j','123456'))
graph.delete_all()
node_list = ['姓名', '性别', '年龄', '地址', '电话', '病人号', '检查号', '病人类型', '检查日期', '申请科室', '申请医生', '主诉情况', '其他',
'检查部位', '分型', '类型', '位置', '否定', '数量', '形状', '边缘', '密度', '大小',
'类型', '位置', '否定', '数量', '形状', '大小', '描述', '分布', '乳腺结构', '导管',
'位置', '否定', '数量', '形状', '描述', '不对称', '位置', '否定', '数量', '征象', '位置', '否定', '数量', '形状', '描述',
'位置', '否定', '描述', 'Bi_rads']
node_list_sort = ['姓名类', '性别类', '年龄类', '地址类', '电话类', '病人号类', '检查号类', '病人类型类', '检查日期类',
'申请科室类', '申请医生类', '主诉情况类', '其他类',
'检查部位类', '分型类', '肿块类型类', '肿块位置类', '肿块否定类', '肿块数量类', '肿块形状类', '肿块边缘类', '肿块密度类', '肿块大小类',
'钙化类型类', '钙化位置类', '钙化否定类', '钙化数量类', '钙化形状类', '钙化大小类', '钙化描述类', '钙化分布类', '乳腺结构类', '导管类',
'房内淋巴位置类', '房内淋巴否定类', '房内淋巴数量类', '房内淋巴形状类', '房内淋巴描述类', '不对称类', '关联异常位置类', '关联异常否定类',
'关联异常数量类', '关联异常征象类', '腋下淋巴位置类', '腋下淋巴否定类', '腋下淋巴数量类', '腋下淋巴形状类', '腋下淋巴描述类',
'血管位置类', '血管否定类', '血管描述类', 'Bi_rads类']
node_num = len(node_list) #code_num :52
if index-node_num != 0:
print("概念层节点数与数据节点数不一致！！！")
'''以下部分是为了设置统计节点，即将每一类别节点进行统计，方便推理（含信息为空节点）'''
data_list=[] #统计每列数据
for i in range(index):
data_list.append([])
for j in range(1,columns):
if data[j][i]:
data_list[i].append(data[j][i])
data_list_sort = [] #去重每列数据
for i in range(index):
data_list_sort.append(list(set(data_list[i])))
node_sort = [] #归类节点
for i in range(index):
node_sort.append(Node(node_list_sort[i], lable=node_list_sort[i]))
graph.create(node_sort[i])
nodes_list = [] #创建统计节点
rela_list = [] #创建统计节点间关系
rela_connect = [] #创建数据节点和统计节点间关系
for i in range(index):
nodes_list.append([])
rela_list.append([])
rela_connect.append([])
for j in range(len(data_list_sort[i])):
nodes_list[i].append(Node(node_list[i], lable=data_list_sort[i][j]))
graph.create(nodes_list[i][j])
rela_list[i].append(Relationship(node_sort[i], 'select', nodes_list[i][j]))
graph.create(rela_list[i][j])
'''以下部分是为了设置实际数据节点，用于单个病人查询'''
node_dr = [] #设置病历节点
node = []#初始化节点
rela = []#初始化关系
rela_0 = [] #报告到信息关系
rela_1 = [] #钼靶信息到征象关系
rela_2 = [] #征象到实体
rela_3 =[] #实体到具体数据
node_1= [[0 for x in range(3)] for y in range(columns-1)] #每个病人含一级节点3个：基本信息、钼靶信息、bi_rads分类
node_2= [[0 for x in range(4)] for y in range(columns-1)] #每个病人含二级节点4个：乳腺分型、常见征象、特殊征象、合并征象
node_3= [[0 for x in range(9)] for y in range(columns-1)] #每个病人含三级节点9个：肿块、钙化、结构；导管、乳房内淋巴结、不对称；关联异常、腋下淋巴结、血管
for i in range(columns-1):
'''为每个病人创建概念节点（框架节点）'''
node_dr.append(i)
node_dr[i] = Node('报告', lable=data[i+1][6]) #每个病人含零级节点1个：钼靶报告
graph.create(node_dr[i])
node_1[i][0] = Node('基本信息', lable='基本信息')
node_1[i][1] = Node('钼靶信息', lable='钼靶信息')
node_1[i][2] = Node('Bi_rads等级', lable='Bi_rads等级')
for x in range(3):
graph.create(node_1[i][x])
node_2[i][0] = Node('乳腺分型', lable='乳腺分型')
node_2[i][1] = Node('常见征象', lable='常见征象')
node_2[i][2] = Node('特殊征象', lable='特殊征象')
node_2[i][3] = Node('合并征象', lable='合并征象')
for x in range(4):
graph.create(node_2[i][x])
node_3[i][0] = Node('肿块', lable='肿块')
node_3[i][1] = Node('钙化', lable='钙化')
node_3[i][2] = Node('结构', lable='结构')
node_3[i][3] = Node('导管', lable='导管')
node_3[i][4] = Node('乳房内淋巴结', lable='乳房内淋巴结')
node_3[i][5] = Node('不对称', lable='不对称')
node_3[i][6] = Node('关联异常', lable='关联异常')
node_3[i][7] = Node('腋下淋巴结', lable='腋下淋巴结')
node_3[i][8] = Node('血管', lable='血管')
for x in range(9):
graph.create(node_3[i][x])
'''为每个病人创造概念节点间的关系:从报告到基本信息、钼靶信息、birands信息关系'''
for i_0 in range(3):
rela_0.append([])
rela_0[i_0] = Relationship(node_dr[i], 'has_a', node_1[i][i_0])
graph.create(rela_0[i_0])
'''为每个病人创造概念节点间的关系:从基本信息到乳腺分型、常见征象、特殊征象、合并征象的关系'''
for i_1 in range(4):
rela_1.append([])
rela_1[i_1] =Relationship(node_1[i][1], 'instance_of', node_2[i][i_1])
graph.create(rela_1[i_1])
'''为每个病人创造概念节点间的关系:从常见征象到肿块、钙化、结构的关系'''
'''为每个病人创造概念节点间的关系:从特殊征象到导管、乳房内淋巴结、团状不对称、局灶性不对称的关系'''
'''为每个病人创造概念节点间的关系:从合并征象到关联异常、腋下淋巴结、血管的关系'''
for i_2 in range(9):
rela_2.append([])
if i_2 <= 2:
rela_2[i_2] =Relationship(node_2[i][1], 'part_of', node_3[i][i_2])
elif i_2 > 2 and i_2 <= 5 :
rela_2[i_2] = Relationship(node_2[i][2], 'part_of', node_3[i][i_2])
else:
rela_2[i_2] = Relationship(node_2[i][3], 'part_of', node_3[i][i_2])
graph.create(rela_2[i_2])
'''为每个病人创造数据层节点，具体数据与上面汇总数据想对应'''
tt=0
rela_3.append([])
for i_3 in range(index):
pa = data[i+1][i_3]
for i_4 in range(len(data_list_sort[i_3])):
pb = data_list_sort[i_3][i_4]
if pa == pb:
if i_3 <= 12:
rela_3[i].append(Relationship(node_1[i][0], 'select', nodes_list[i_3][i_4]))
elif (i_3>12 and i_3 <= 14) :
rela_3[i].append(Relationship(node_2[i][0], 'select', nodes_list[i_3][i_4]))
elif (i_3>14 and i_3 <= 22) :
rela_3[i].append(Relationship(node_3[i][0], 'select', nodes_list[i_3][i_4]))
elif (i_3>22 and i_3 <= 30) :
rela_3[i].append(Relationship(node_3[i][1], 'select', nodes_list[i_3][i_4]))
elif (i_3>30 and i_3<= 31) :
rela_3[i].append(Relationship(node_3[i][2], 'select', nodes_list[i_3][i_4]))
elif (i_3>31 and i_3<= 32) :
rela_3[i].append(Relationship(node_3[i][3], 'select', nodes_list[i_3][i_4]))
elif (i_3>32 and i_3<= 37) :
rela_3[i].append(Relationship(node_3[i][4], 'select', nodes_list[i_3][i_4]))
elif (i_3>37 and i_3<= 38) :
rela_3[i].append(Relationship(node_3[i][5], 'select', nodes_list[i_3][i_4]))
elif (i_3>38 and i_3<= 42) :
rela_3[i].append(Relationship(node_3[i][6], 'select', nodes_list[i_3][i_4]))
elif (i_3>42 and i_3<= 47) :
rela_3[i].append(Relationship(node_3[i][7], 'select', nodes_list[i_3][i_4]))
elif (i_3>47 and i_3<= 50) :
rela_3[i].append(Relationship(node_3[i][8], 'select', nodes_list[i_3][i_4]))
else:
rela_3[i].append(Relationship(node_1[i][2], 'select', nodes_list[i_3][i_4]))
for t in range(len(rela_3[i])):
graph.create(rela_3[i][t])
end = datetime.datetime.now()
print('运行时间 : %s 秒'%(end-start))