[發(fā)明專利]一種電子病歷查詢語句的構(gòu)造方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410394537.0
• 申請(qǐng)日: 2014-08-12
• 公開（公告）號(hào): CN104268144B
• 公開（公告）日: 2017-08-29
• 發(fā)明（設(shè)計(jì)）人: 王文斌;顧君忠
• 申請(qǐng)（專利權(quán)）人: 華東師范大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06Q50/24
• 代理公司: 上海藍(lán)迪專利商標(biāo)事務(wù)所(普通合伙)31215
• 代理人: 徐筱梅,張翔

技術(shù)領(lǐng)域

本發(fā)明涉及信息檢索、查詢擴(kuò)展、查詢?cè)~加權(quán)、自然語言處理等技術(shù)領(lǐng)域，具體地說是一種利用自信息來度量查詢?cè)~權(quán)重，根據(jù)輸入的原始查詢語句，重新構(gòu)造帶權(quán)重的查詢語句的方法，用來提高電子病歷檢索的準(zhǔn)確率和召回率。

背景技術(shù)

隨著醫(yī)療系統(tǒng)的信息化，電子病歷（electronic medical records, 簡(jiǎn)稱EMR）被廣泛使用，正在以前所未有的速度增長。病歷一般包括病人的臨床診斷，以往病史，檢查報(bào)告，治療藥物等豐富的信息。把這些信息檢索出來，進(jìn)行統(tǒng)計(jì)分析，有利于臨床醫(yī)學(xué)研究，可以更好地診斷、預(yù)防和治療人類的疾病。顯然，使用人工的方法處理這些信息是一件不可能的任務(wù)。因此，電子病歷檢索給信息檢索帶來了新的挑戰(zhàn)。

電子病歷的檢索，更多的是涉及這樣的查詢：查詢的目標(biāo)是一個(gè)病人群體，附帶的查詢條件是，這些病人患有的病，使用過的藥物，進(jìn)行過的檢查，目前的康復(fù)情況等等。病名，治療藥物，檢查項(xiàng)目等，都是專門的醫(yī)學(xué)術(shù)語。針對(duì)這樣的查詢語句，有必要提出一種新的查詢?cè)~權(quán)重設(shè)置方法。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足而提供的一種電子病歷查詢語句的構(gòu)造方法，該方法利用醫(yī)學(xué)術(shù)語抽取方法得到查詢語句中的醫(yī)學(xué)術(shù)語；隨后通過分析整個(gè)電子病歷集合中這些醫(yī)學(xué)術(shù)語的概率分布來得到醫(yī)學(xué)術(shù)語的自信息；最后加入平滑參數(shù)構(gòu)造了新的帶權(quán)重的查詢語句。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

一種電子病歷查詢語句的構(gòu)造方法，該方法包括以下具體步驟：

a）、電子病歷語料預(yù)處理

對(duì)電子病歷語料文本進(jìn)行分詞，去掉停用詞之后，得到所有語料中出現(xiàn)的詞；利用公式（1）計(jì)算每個(gè)詞t在每篇病歷中的平均出現(xiàn)次數(shù)；

（1）

其中，表示詞t的平均出現(xiàn)次數(shù)，n表示電子病歷語料集合的大小，表示詞t在第i篇病歷中出現(xiàn)的次數(shù)；通過計(jì)算得到每個(gè)詞t對(duì)應(yīng)的；

b）、醫(yī)學(xué)術(shù)語抽取及篩選

首先，抽取原始查詢語句中出現(xiàn)的醫(yī)學(xué)術(shù)語；再在抽取出的醫(yī)學(xué)術(shù)語中去掉醫(yī)學(xué)停用詞，剩下的醫(yī)學(xué)術(shù)語的集合記為，其中表示第i個(gè)醫(yī)學(xué)術(shù)語，每個(gè)醫(yī)學(xué)術(shù)語有可能由多個(gè)詞組成；

c）、醫(yī)學(xué)術(shù)語權(quán)重計(jì)算

計(jì)算每個(gè)醫(yī)學(xué)術(shù)語 的權(quán)重 ，具體包括：

ⅰ）、計(jì)算組成醫(yī)學(xué)術(shù)語的詞的出現(xiàn)概率；使用泊松分布來擬合詞t的概率分布；那么使用公式（2）來計(jì)算；

（2）

其中，T表示詞t的出現(xiàn)次數(shù)，表示詞t的平均出現(xiàn)次數(shù)，e表示自然常數(shù)；

ⅱ）、計(jì)算醫(yī)學(xué)術(shù)語在電子病歷語料中出現(xiàn)的概率；醫(yī)學(xué)術(shù)語中每個(gè)詞的出現(xiàn)是相互獨(dú)立事件，使用公式（3）計(jì)算；

（3）

ⅲ）、計(jì)算每個(gè)醫(yī)學(xué)術(shù)語 的權(quán)重 ，使用自信息的定義，即公式（4）計(jì)算；

（4）

d）、新查詢語句構(gòu)造

使用原始查詢語句、以及對(duì)應(yīng)的構(gòu)造新的查詢語句，具體包括：

ⅰ）、對(duì)于原始查詢語句，組成原始查詢語句的詞之間的權(quán)重平均分配，得到查詢子句1；

ⅱ）、對(duì)于醫(yī)學(xué)術(shù)語內(nèi)部，醫(yī)學(xué)術(shù)語中每個(gè)詞的權(quán)重平均分配；

ⅲ）、對(duì)于醫(yī)學(xué)術(shù)語之間，每個(gè)醫(yī)學(xué)術(shù)語分配到的權(quán)重是，得到查詢子句2；

ⅳ）、將查詢子句1和查詢子句2，按照的比例分配權(quán)重，得到新查詢語句，其中的取值范圍是[0, 1]。

本發(fā)明提供了一種電子病歷查詢語句的構(gòu)造方法，使用醫(yī)學(xué)術(shù)語的自信息來度量醫(yī)學(xué)術(shù)語的權(quán)重，分析了醫(yī)學(xué)術(shù)語在整個(gè)病歷集合中的分布情況，是一種從全局考慮的方法，只要病歷集合確定，很容易得到醫(yī)學(xué)術(shù)語的分布情況。

本發(fā)明應(yīng)用到一個(gè)新的病歷集合上，只要先預(yù)處理計(jì)算出醫(yī)學(xué)術(shù)語的分布情況，之后每個(gè)查詢語句，通過本發(fā)明的方法重新構(gòu)造之后，就可以在該病歷集合上進(jìn)行更加有效的查詢，提高了電子病歷檢索的準(zhǔn)確度。

附圖說明

圖1為本發(fā)明流程圖；

圖2為本發(fā)明構(gòu)造的查詢語句實(shí)例圖；

圖3為本發(fā)明與原始查詢方法查詢結(jié)果對(duì)比圖；

圖4為本發(fā)明查詢語句的形式化表達(dá)示意圖。

具體實(shí)施方式

本發(fā)明針對(duì)電子病歷檢索時(shí)，通過原始查詢語句，自動(dòng)構(gòu)造新的查詢語句，相較原始查詢語句的查詢效果得到明顯提升。

實(shí)施例

下面以文本檢索會(huì)議（Text Retrieval Conference, 簡(jiǎn)稱TREC）的電子病歷數(shù)據(jù)集自帶的測(cè)試查詢語句為例結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說明。