技术摘要：
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.  全部
背景技术：
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。 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。 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。 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： 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。
技术实现要素：
本发明旨在于至少在一定程度上解决上述技术问题之一。 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。 本发明所采用的技术方案为： 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，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 4 CN 111552776 A 说　明　书 2/6 页 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。 进一步地，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。 进一步地，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。 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。 进一步地，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。 进一步地，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。 5 CN 111552776 A 说　明　书 3/6 页 进一步地，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。 进一步地，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。 进一步地，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。 进一步地，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。 本发明的有益效果为： 1)在目前线上医学的数据库有近上百个的情况下，基于人工智能进行Meta分析， 可以在很短的时间以内，完成所有数据库的检索，提高了文献检索效率，并且提高了每次 Meta分析的时候文献样本的数量，保证了分析的准确性与权威性； 2)对从数据库收集到的证据，能够按照使用者的要求进行主动筛选，避免了由于 人为误差对文献筛选带来的不良影响，对于少部分难以筛选的文章，可交由使用者人工筛 选； 3)并且本发明对证据的评价一直是Meta分析的使用者来把控，特别是对证据的评 分，减小了证据评价环节浪费的时间，最大程度上提升效率； 4)本发明实现了对文献里的实验数据进行主动的检索提取，减轻了研究者工作 量。 本发明的其他有益效果将在