简介：本资源是一套基于Python实现的真菌性中医皮肤病知识图谱及辅助诊断系统，面向计算机、中医药信息化等专业的毕业设计、课程设计与项目开发学习者，帮助解决从知识图谱构建到智能问诊落地的完整实践问题。压缩包共20个文件，约12.26MB，包含6个Python源码文件、6张结果图、4个Excel词典与转置数据、2个JSON疾病与病例数据，以及LICENSE和README说明，覆盖建图、信息抽取、层次聚类、关联规则、诊断模型与疗效评估等模块。目前已有210人学习下载。读者可获得可直接运行的源码与清晰目录结构，参考病因、临床表现、药方、治疗方法的层次聚类树状图，理解Neo4j知识图谱搭建、辅助诊断与治疗方案推荐流程，并在此基础上延伸开发，适合作为完整项目方案与排错参考。
1. 真菌性中医皮肤病知识图谱：从散落医案到可查询的诊断网络
手上有一批中医皮肤科的真菌感染医案，几百份，格式五花八门——有的是老大夫手写的扫描件，有的是Excel里零散记录的症候和方剂，还有一部分是论文附录里的结构化数据。想从中快速回答一个问题：“湿热下注型的足癣，常用哪些中药组合？”——靠翻文件，半天找不全；靠全文检索，搜出来的东西没有关联性。这就是我做这个知识图谱的起点。
这个系统要解决的核心问题，是把中医皮肤病领域里散落的“证型—症状—方剂—中药—真菌类型”这几类实体，用图结构串起来，再在上面挂一个辅助诊断的推理层。输入一组症状，系统沿着图谱的关系路径给出可能的证型排序和对应的方剂参考。适合谁看？做中医信息化、医学知识图谱、或者毕业设计选题落在“知识图谱+垂直领域”的同学。Python做图数据构建和推理，Neo4j做存储和可视化，前端给一个简单的查询界面。整套东西不复杂，但坑不少，下面把我走过的路拆开讲。
2. 中医皮肤病知识图谱的数据层：实体、关系怎么定，本体怎么搭
2.1 先定本体：六类实体和它们的关系骨架
知识图谱的第一步不是写代码，是画本体。中医皮肤病这个领域，我最终收敛到六类核心实体：
| 实体类型 | 说明 | 示例 |
|---|---|---|
| 疾病 | 西医病名+中医病名 | 足癣（脚湿气） |
| 证型 | 中医辨证分型 | 湿热下注、血虚风燥 |
| 症状 | 患者表现 | 水疱、糜烂、瘙痒 |
| 方剂 | 经典方或经验方 | 龙胆泻肝汤 |
| 中药 | 方剂组成 | 龙胆草、黄芩 |
| 真菌 | 病原微生物 | 红色毛癣菌、须癣毛癣菌 |
关系定义同样关键。我用的关系类型包括：疾病-有证型->证型、证型-表现为->症状、证型-推荐方剂->方剂、方剂-包含中药->中药、疾病-由真菌引起->真菌、中药-归经->经络。注意，这里不要贪多。我一开始加了“体质”“季节”“年龄”等实体，结果数据稀疏得没法用，关系边大量为空。本体建模的原则是：先保证核心链路的数据密度，再考虑扩展。
提示：本体设计阶段建议用Protégé或简单的YAML文件先画出来，别急着写代码。改本体的成本远低于改代码。
2.2 数据清洗：从医案文本到结构化三元组
原始数据里最麻烦的是症状描述。比如“足趾间浸渍发白，基底潮红，渗液明显”，这是一句话，但需要拆成多个症状实体。我的做法是维护一个症状词典，用最大正向匹配做初步切分，再人工校对。
import re import pandas as pd # 症状词典（实际项目中约300个词条） symptom_dict = [ "浸渍发白", "基底潮红", "渗液", "水疱", "糜烂", "瘙痒", "脱屑", "角化过度", "皲裂", "丘疹" ] def extract_symptoms(text): """从医案描述中抽取症状实体""" found = [] for sym in symptom_dict: if sym in text: found.append(sym) return list(set(found)) # 读取原始医案数据 df = pd.read_csv("raw_cases.csv") df["symptoms"] = df["description"].apply(extract_symptoms) # 过滤掉没有抽到症状的记录 df = df[df["symptoms"].map(len) > 0] print(f"有效记录数: {len(df)}")这段代码的逻辑很直白：遍历词典，看哪些症状词出现在描述里。参数方面，symptom_dict的质量直接决定抽取效果，我建议从领域教材和医案中人工整理，不要用通用分词工具硬切——中医术语的边界和普通文本不一样，“浸渍发白”被切成“浸渍”和“发白”就丢了语义。
2.3 证型与方剂的映射：处理一对多和多对多
一个证型可能对应多个方剂，一个方剂也可能服务于多个证型。这种多对多关系在CSV里不好表达，需要拆成独立的关系表。
# 证型-方剂关系表构建 syndrome_formula = [] for _, row in df.iterrows(): syndromes = row["syndrome"].split("；") # 证型可能多个 formulas = row["formula"].split("；") for s in syndromes: for f in formulas: syndrome_formula.append({ "syndrome": s.strip(), "formula": f.strip(), "source": row["source"] }) sf_df = pd.DataFrame(syndrome_formula).drop_duplicates() print(f"证型-方剂关系数: {len(sf_df)}")这里的关键参数是分隔符。不同来源的数据用的分隔符不一样，有的是中文分号，有的是顿号，有的是逗号。我一般先统计一下所有分隔符的出现频率，再决定用哪个做split。drop_duplicates()是必须的，因为同一对关系可能从多条医案中重复抽取。
3. 用Neo4j构建知识图谱：从CSV到图数据库的完整导入流程
3.1 Neo4j环境准备与约束建立
Neo4j的安装不展开讲，社区版足够用。重点说导入前的准备工作——建约束和索引。没有约束的图数据库，导入速度慢不说，后续查询也容易出重复节点。
// 为每类实体的唯一标识字段建约束 CREATE CONSTRAINT disease_name IF NOT EXISTS FOR (d:Disease) REQUIRE d.name IS UNIQUE; CREATE CONSTRAINT syndrome_name IF NOT EXISTS FOR (s:Syndrome) REQUIRE s.name IS UNIQUE; CREATE CONSTRAINT symptom_name IF NOT EXISTS FOR (sym:Symptom) REQUIRE sym.name IS UNIQUE; CREATE CONSTRAINT formula_name IF NOT EXISTS FOR (f:Formula) REQUIRE f.name IS UNIQUE; CREATE CONSTRAINT herb_name IF NOT EXISTS FOR (h:Herb) REQUIRE h.name IS UNIQUE; CREATE CONSTRAINT fungus_name IF NOT EXISTS FOR (fu:Fungus) REQUIRE fu.name IS UNIQUE;约束建好之后，导入时如果遇到重复节点，Neo4j会自动走MERGE逻辑而不是CREATE，避免图谱里出现两个“湿热下注”。这个坑我踩过——第一次导入没建约束，结果同一个证型出现了17次，查询结果全乱了。
3.2 用Python驱动批量导入节点和关系
导入方式有两种：LOAD CSV和 Python驱动。我选Python驱动，因为数据清洗逻辑已经在Python里了，直接衔接更顺。
from neo4j import GraphDatabase driver = GraphDatabase.driver( "bolt://localhost:7687", auth=("neo4j", "your_password") ) def create_disease_node(tx, name, tcm_name): tx.run( "MERGE (d:Disease {name: $name}) " "SET d.tcm_name = $tcm_name", name=name, tcm_name=tcm_name ) def create_relation(tx, from_label, from_name, rel_type, to_label, to_name): query = ( f"MATCH (a:{from_label} {{name: $from_name}}) " f"MATCH (b:{to_label} {{name: $to_name}}) " f"MERGE (a)-[:{rel_type}]->(b)" ) tx.run(query, from_name=from_name, to_name=to_name) with driver.session() as session: # 导入疾病节点 for _, row in disease_df.iterrows(): session.execute_write( create_disease_node, row["name"], row["tcm_name"] ) # 导入证型-症状关系 for _, row in ss_df.iterrows(): session.execute_write( create_relation, "Syndrome", row["syndrome"], "MANIFESTS_AS", "Symptom", row["symptom"] )参数说明：MERGE而不是CREATE，保证幂等性，重复执行不会产生重复节点。关系类型用大写蛇形命名，这是Neo4j社区的惯例。execute_write会自动处理事务，批量导入时比手动开事务省心。
注意：数据量超过1万条关系时，逐条
execute_write会明显变慢。我一般每500条攒一个批次，用UNWIND批量写入，速度能提升5到8倍。
3.3 图谱质量校验：三个必查指标
导入完成后，别急着做上层应用。先跑几个校验查询：
// 1. 孤立节点检查：没有任何关系的节点 MATCH (n) WHERE NOT (n)--() RETURN labels(n), n.name LIMIT 25; // 2. 关系密度：每个证型平均关联多少症状 MATCH (s:Syndrome)-[:MANIFESTS_AS]->(sym:Symptom) RETURN s.name, count(sym) AS symptom_count ORDER BY symptom_count DESC LIMIT 10; // 3. 方剂覆盖度：有多少证型还没有关联方剂 MATCH (s:Syndrome) WHERE NOT (s)-[:RECOMMENDS]->(:Formula) RETURN count(s) AS uncovered_syndromes;孤立节点通常是数据清洗时漏掉的，关系密度反映图谱的信息丰富度，方剂覆盖度直接决定辅助诊断能不能给出方剂建议。我一般要求方剂覆盖度不低于85%，否则回去补数据。
4. 辅助诊断推理层：从症状输入到证型排序的实现
4.1 基于症状匹配的证型评分算法
辅助诊断的核心逻辑是：用户输入一组症状，系统在图谱中查找哪些证型关联了这些症状，按匹配度排序。最简单的做法是Jaccard相似度，但中医辨证有个特点——某些症状是“主症”，权重应该更高。
def score_syndrome(input_symptoms, syndrome_symptoms, main_symptoms): """ input_symptoms: 用户输入的症状列表 syndrome_symptoms: 该证型关联的全部症状 main_symptoms: 该证型的主症列表（权重2.0） """ input_set = set(input_symptoms) syndrome_set = set(syndrome_symptoms) main_set = set(main_symptoms) # 基础匹配分 match = input_set & syndrome_set if not match: return 0.0 # 加权：主症命中得2分，兼症得1分 score = 0.0 for sym in match: if sym in main_set: score += 2.0 else: score += 1.0 # 归一化：除以该证型的理论最高分 max_score = len(main_set) * 2.0 + (len(syndrome_set) - len(main_set)) * 1.0 return score / max_score if max_score > 0 else 0.0参数方面，主症和兼症的区分需要从数据中标注。我的做法是在医案里统计每个症状在某个证型下出现的频率，频率前30%的自动标为主症，再人工审核一遍。权重2.0和1.0是经验值，实际调参时可以根据诊断准确率做网格搜索。
4.2 从Neo4j查询候选证型并排序
def diagnose(session, input_symptoms, top_k=5): # 查询所有关联了输入症状的证型 query = """ MATCH (s:Syndrome)-[:MANIFESTS_AS]->(sym:Symptom) WHERE sym.name IN $symptoms WITH s, collect(DISTINCT sym.name) AS matched MATCH (s)-[:MANIFESTS_AS]->(all_sym:Symptom) WITH s, matched, collect(DISTINCT all_sym.name) AS all_symptoms RETURN s.name AS syndrome, matched, all_symptoms """ results = session.run(query, symptoms=input_symptoms) scored = [] for record in results: syndrome = record["syndrome"] matched = record["matched"] all_sym = record["all_symptoms"] # 这里main_symptoms需要从缓存或配置中获取 main_sym = get_main_symptoms(syndrome) score = score_syndrome(input_symptoms, all_sym, main_sym) scored.append((syndrome, score, matched)) scored.sort(key=lambda x: x[1], reverse=True) return scored[:top_k]这个查询分两步：先找到至少命中一个症状的证型，再拉取这些证型的全部症状用于评分。collect(DISTINCT ...)去重是因为一个证型可能通过多条路径关联到同一个症状。返回结果里带上matched列表，前端可以高亮显示哪些症状命中了。
4.3 方剂推荐与药物组成展开
证型排序出来后，沿着图谱关系往下走一层，拿到方剂和中药。
// 给定证型，查询推荐方剂及其组成中药 MATCH (s:Syndrome {name: $syndrome})-[:RECOMMENDS]->(f:Formula) OPTIONAL MATCH (f)-[:CONTAINS]->(h:Herb) RETURN f.name AS formula, collect(h.name) AS herbsOPTIONAL MATCH是必须的——有些方剂在数据里没有完整的药物组成，用普通MATCH会直接丢掉这些方剂。返回结果里如果herbs为空列表，前端标注“组成待补充”，而不是不显示。
5. 避坑与排查：中医知识图谱项目里最容易翻车的五个地方
5.1 症状实体粒度不一致导致匹配失败
现象：用户输入“脚趾缝烂了”，系统匹配不到任何证型。
原因：图谱里的症状实体是“趾间糜烂”，用户口语和标准术语之间有鸿沟。
解决：加一层同义词映射表。我维护了一个synonym_map字典，把口语表达映射到标准症状名。这个表需要持续迭代，初期可以只覆盖高频的20个口语表达，就能解决80%的匹配失败。
5.2 Neo4j导入时中文编码问题
现象：CSV里的中文导入后变成乱码或问号。
原因：Neo4j默认编码不是UTF-8，或者CSV文件本身带了BOM头。
解决：CSV保存时选“UTF-8无BOM”格式。Python读取时指定encoding='utf-8-sig'。导入前用file -i yourfile.csv确认编码。
5.3 证型-方剂关系出现环形依赖
现象：查询某个证型的方剂时，返回结果里出现了证型本身。
原因：数据清洗时把“方剂”字段里混入的证型名也当成了方剂实体。
解决：在导入前加一层实体类型校验。维护一个方剂名词典，不在词典里的值标记为待审核，不直接入库。这个校验步骤花了我半天时间写，但省了后面两周的排查。
5.4 辅助诊断结果总是偏向症状多的证型
现象：不管输入什么症状，“湿热下注”永远排第一。
原因：归一化时没有考虑证型的症状总数差异。“湿热下注”关联了30个症状，而“血虚风燥”只关联了8个，前者的匹配绝对数天然更高。
解决：在评分函数里引入TF-IDF思想——症状越常见的证型，匹配上的权重应该越低。具体做法是给每个症状算一个逆证型频率，乘到匹配分上。
5.5 前端可视化加载慢
现象：图谱节点超过500个时，前端页面卡死。
原因：一次性把所有节点和关系推给前端渲染。
解决：分页加载，或者按查询结果动态渲染。用户查什么证型，就只返回该证型周围两跳以内的子图。Neo4j的apoc.path.subgraphNodes可以帮上忙，但社区版需要额外装APOC插件。
6. 把图谱用起来：三个进阶技巧和我的调试习惯
第一个技巧是用图谱做方剂配伍规律挖掘。辅助诊断只是最浅层的应用。你可以跑这样的查询：找出所有治疗“湿热下注”的方剂中，共同出现频率最高的三味药组合。这比单纯的证型推荐更有临床参考价值。
MATCH (s:Syndrome {name: "湿热下注"})-[:RECOMMENDS]->(f:Formula)-[:CONTAINS]->(h:Herb) WITH h.name AS herb, count(DISTINCT f) AS freq ORDER BY freq DESC LIMIT 10 RETURN collect(herb) AS top_herbs, collect(freq) AS frequencies第二个技巧是给关系加权重。目前图谱里的关系都是布尔型的——存在或不存在。但“龙胆泻肝汤”和“湿热下注”的关联强度，显然比某个冷门方剂要高。我一般用医案中出现频次做权重，写入关系属性weight，查询时按权重排序。
第三个技巧是定期做图谱的连通性分析。用apoc.path.expandConfig检查从疾病节点出发，平均多少跳能到达中药节点。如果超过4跳，说明中间层数据有缺失，需要补全。
调试习惯方面，我每次改完数据导入逻辑，都会先在一个测试库上跑一遍，用MATCH (n) RETURN count(n)对比节点数，用MATCH ()-[r]->() RETURN count(r)对比关系数。数字对不上，绝不往生产库导。这个习惯帮我省了至少三次全量重导的麻烦。希望帮到你。
本文还有配套的精品资源，点击获取
