随着互联网技术的爆发式发展,大量的数据随之产生,医疗行业的数据增长幅度尤为突出。医疗大数据具有巨大的价值,尤其是在临床辅助诊疗和健康管理方面。如今中国的医疗服务行业中,供需不平衡的问题还没有得到充分解决,而且农村的医疗资源和医疗水平相对城市更加有限。新型智能医疗模式是一种新的医疗服务模式,它将依赖于新一代用户友好、实时的大数据分析和人工智能及机器学习工具来提供医疗服务。有效利用医疗数据,挖掘数据的深层价值,是未来智能医疗发展的重点。医疗数据通常是多模式的,包括结构化数据和非结构化数据。医疗数据建模已成为医疗大数据分析中一个非常重要且具有挑战性的问题。大多数现有建模方法出现的问题主要有:忽略数据的多模式,忽略医疗记录的时间特性,或忽略各种医学特征之间的显性和隐性关系。本文研究了基于知识图谱和时间序列的方法来建立多模式数据之间的联系,并在此基础上进行病例近似搜索和疾病辅助诊断相关的算法研究,以支持智能医疗的高效分析任务。1.首先,使用医学词典和从医院收集的实际临床数据建立一个语义丰富的医疗知识图谱数据库。2.研究一种图建模方法来弥合不同类型数据之间的差距,将每个患者的多模式临床数据融合并建模为一个统一的病例图。并在此基础上,为了捕获患者临床病例的时间演化特性,将患者的临床病例表示为演化图序列。3.进行病例近似搜索、疾病辅助诊断方面的研究。研究基于图模型的病例近似搜索算法,并在此基础上,进行基于图序列模型的懒惰学习疾病辅助诊断算法研究。4.为了评估本文研究的方法和相关算法,对ICU患者和骨科患者的医疗数据进行病例近似搜索和疾病诊断的实验。实验表明,本文的研究可以有效帮助医生深入了解患者的患病情况,并为患者的疾病辅助诊断提供有用的信息。