[發(fā)明專(zhuān)利]一種癌癥相關(guān)信息自動(dòng)收集方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410584231.1
• 申請(qǐng)日: 2014-10-27
• 公開(kāi)（公告）號(hào): CN104361033A
• 公開(kāi)（公告）日: 2015-02-18
• 發(fā)明（設(shè)計(jì)）人: 楊歐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳職業(yè)技術(shù)學(xué)院
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30;G06K9/00;G06F19/00
• 代理公司: 武漢東喻專(zhuān)利代理事務(wù)所(普通合伙) 42224
• 代理人: 紀(jì)元

1.一種癌癥相關(guān)信息自動(dòng)收集系統(tǒng)，其特征在于，包括文獻(xiàn)存儲(chǔ)模塊、已知因素識(shí)別存儲(chǔ)模塊、未知因素存儲(chǔ)模塊、統(tǒng)計(jì)分析模塊和癌癥相關(guān)因素存儲(chǔ)模塊；

所述文獻(xiàn)存儲(chǔ)模塊，用于獲取與特定癌癥相關(guān)文獻(xiàn)數(shù)據(jù)，按照癌癥種類(lèi)將獲取的文獻(xiàn)數(shù)據(jù)進(jìn)行分類(lèi)存儲(chǔ)，并將文獻(xiàn)數(shù)據(jù)按照分解為單詞，根據(jù)自然語(yǔ)言分類(lèi)保留名詞性詞匯，將所有名詞性詞匯輸出給已知因素識(shí)別存儲(chǔ)模塊；

所述已知因素識(shí)別存儲(chǔ)模塊，用于按照當(dāng)前已知因素類(lèi)別，存儲(chǔ)已知因素類(lèi)別識(shí)別器，獲取所有名詞性詞匯，利用已知因素類(lèi)別識(shí)別器，對(duì)所有名詞性詞匯進(jìn)行識(shí)別并按照已知因素類(lèi)別進(jìn)行存儲(chǔ)；無(wú)法識(shí)別為當(dāng)前存儲(chǔ)的已知因素類(lèi)別時(shí)，將無(wú)法識(shí)別的名詞輸出給未知因素模塊；

所述未知因素模塊，用于接收所述已知因素識(shí)別存儲(chǔ)模塊無(wú)法識(shí)別的名詞，并存儲(chǔ)為未知因素，當(dāng)出現(xiàn)統(tǒng)計(jì)分析模塊判斷為顯著的未知因素時(shí)，將所述未知因素提交用戶(hù)指定為當(dāng)前存儲(chǔ)的已知因素類(lèi)別或新創(chuàng)件的已知因素類(lèi)別，并將新創(chuàng)建的已知因素類(lèi)別及其識(shí)別器提交給所述已知因素識(shí)別存儲(chǔ)模塊，并更新當(dāng)前已知因素類(lèi)別及其識(shí)別器；

所述統(tǒng)計(jì)分析模塊，用于根據(jù)所述文獻(xiàn)存儲(chǔ)模塊，癌癥相關(guān)文獻(xiàn)量及名詞性詞匯出現(xiàn)頻率信息，采用共出現(xiàn)原理，評(píng)價(jià)癌癥和名詞性詞匯的相關(guān)性，并根據(jù)預(yù)先設(shè)定的閾值，判斷所述名詞性詞匯是否為顯著的已知因素或顯著的未知因素；

癌癥相關(guān)因素存儲(chǔ)模塊，用于存儲(chǔ)所有與癌癥相關(guān)性名詞性詞匯、所述名詞性詞匯的已知因素類(lèi)別或未知因素、以及其與癌癥相關(guān)性，并以表的形式進(jìn)行展示及查詢(xún)。

2.如權(quán)利要求1所述的癌癥相關(guān)信息自動(dòng)收集系統(tǒng)，其特征在于，所述文獻(xiàn)存儲(chǔ)模塊獲取的與特定癌癥相關(guān)的文獻(xiàn)數(shù)據(jù)，為醫(yī)學(xué)主題次系統(tǒng)標(biāo)記的特定癌癥相關(guān)文獻(xiàn)。

3.如權(quán)利要求1所述的癌癥相關(guān)信息自動(dòng)收集系統(tǒng)，其特征在于，所述已知因素識(shí)別存儲(chǔ)模塊，其已知因素識(shí)別器為相應(yīng)類(lèi)別名詞性詞匯的正則表達(dá)式。

4.如權(quán)利要求1所述的癌癥相關(guān)信息自動(dòng)收集系統(tǒng)，其特征在于，所述已知因素識(shí)別存儲(chǔ)模塊，其類(lèi)別包括基因功能性片段、蛋白質(zhì)和糖類(lèi)分類(lèi)；所述基因功能性片段包括操縱子、增強(qiáng)子、蛋白質(zhì)編碼基因、miRNA、piRNA。

5.如權(quán)利要求1所述的癌癥相關(guān)信息自動(dòng)收集系統(tǒng)，其特征在于，所述統(tǒng)計(jì)分析模塊，采用費(fèi)舍爾檢驗(yàn)，獲得p值，按照p值越大，相關(guān)性越小的原則，評(píng)價(jià)癌癥和名詞性詞匯的相關(guān)性。

6.一種應(yīng)用如權(quán)利要求1至5所述系統(tǒng)的癌癥相關(guān)信息自動(dòng)收集方法，其特征在于，包括以下步驟：

(1)文獻(xiàn)存儲(chǔ)模塊獲取與特定癌癥相關(guān)的文獻(xiàn)數(shù)據(jù)；

(2)文獻(xiàn)存儲(chǔ)模塊對(duì)于步驟(1)中獲取的每一篇文獻(xiàn)，將文件內(nèi)容分解成詞匯，利用自然語(yǔ)言分析對(duì)詞匯進(jìn)行詞性分類(lèi)，保留名詞性詞匯；

(3)已知因素識(shí)別存儲(chǔ)模塊將步驟(2)中的詞匯識(shí)別為已知因素和未知因素，分別存儲(chǔ)在已知因素識(shí)別存儲(chǔ)模塊和未知因素存儲(chǔ)模塊，已知因素按照基因功能性片段、蛋白質(zhì)和糖類(lèi)分類(lèi)；

(4)統(tǒng)計(jì)分析模塊將步驟(3)中獲得的已知因素，根據(jù)費(fèi)舍爾檢驗(yàn)，判斷所述已知因素與癌癥關(guān)聯(lián)的顯著程度，對(duì)于顯著程度超過(guò)預(yù)先設(shè)定的閾值的已知因素，保留所述已知因素為癌癥相關(guān)因素；

(5)統(tǒng)計(jì)分析模塊將步驟(3)中獲得的未知因素，根據(jù)費(fèi)舍爾檢驗(yàn)，判斷所述未知因素與癌癥關(guān)聯(lián)的顯著程度，對(duì)于顯著程度超過(guò)預(yù)先設(shè)定的閾值的未知因素，指定所述未知因素的為已知因素的某一類(lèi)別或新增的類(lèi)別，使所述未知因素為已知因素并保留為癌癥相關(guān)因素。

7.如權(quán)利要求6所述的癌癥相關(guān)信息自動(dòng)收集方法，其特征在于，步驟(1)所述的與特定癌癥相關(guān)的文獻(xiàn)數(shù)據(jù)，為醫(yī)學(xué)主題詞系統(tǒng)標(biāo)記的特定癌癥相關(guān)的文獻(xiàn)。

8.如權(quán)利要求6所述的癌癥相關(guān)信息自動(dòng)收集方法，其特征在于，步驟(3)所述基因功能性片段為操縱子、增強(qiáng)子、蛋白質(zhì)編碼基因、miRNA、piRNA。