[發明專利]電子病歷信息提取方法、裝置和設備

在審

• 申請號: 201811084818.0
• 申請日: 2018-09-17
• 公開（公告）號: CN109166608A
• 公開（公告）日: 2019-01-08
• 發明（設計）人: 樊芳利
• 申請（專利權）人: 新華三大數據技術有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F17/27
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 郭新娟

1.一種電子病歷信息提取方法，其特征在于，應用于加載有訓練完成的CRF模型的設備，所述訓練完成的CRF模型為預先采用電子病歷訓練語料依次對不同參數下的CRF模型進行訓練，并采用電子病歷測試語料對訓練后的CRF模型進行測試，直至測試結果滿足預設測試指標時得到的模型；所述方法包括：

對待處理電子病歷進行分詞和詞性標注處理，得到各分詞的詞性；

根據各分詞的詞性，采用特征模板分別對各分詞進行上下文特征提取，得到各分詞的上下文特征，其中，一個分詞的上下文特征與該一個分詞的詞性，該一個分詞之前和/或之后的關聯分詞的詞性相關聯；

根據各分詞的上下文特征，采用BIEO標注方式分別對各分詞進行命名實體標注，得到各分詞的命名實體標注信息；

根據各分詞的命名實體標注信息，從所述待處理電子病歷中提取出命名實體，其中，所述命名實體的類別至少包括以下任意一種或組合：疾病類、疾病診斷分類、癥狀類、檢查類和治療類。

2.根據權利要求1所述的方法，其特征在于，所述采用電子病歷訓練語料依次對不同參數下的CRF模型進行訓練，并采用電子病歷測試語料對訓練后的CRF模型進行測試，直至測試結果滿足預設測試指標的步驟包括：

對電子病歷訓練語料進行分詞和詞性標注，并根據預設的實體標注規范，標注電子病歷訓練語料，所述實體標注規范定義有命名實體的類別和命名實體標注方式；

選擇特征模板，并設置CRF模型的參數c和f的初始值；

采用標注后的電子病歷訓練語料對CRF模型進行訓練，得到訓練后的CRF模型，并采用電子病歷測試語料對訓練后的CRF模型進行測試，得到測試結果；

若測試結果不滿足預設測試指標，則調整參數c和/或f值，再次執行上述訓練和測試過程；

若測試結果滿足預設測試指標，則將此次訓練后得到的CRF模型作為訓練完成的CRF模型。

3.根據權利要求2所述的方法，其特征在于，參數c的取值范圍在1.3至1.7之間，參數f的取值范圍在2至4之間。

4.根據權利要求2或3所述的方法，其特征在于，所述預設測試指標包括以下指標中的任意一個或組合：準確率大于等于第一設定閾值，召回率大于等于第二設定閾值和F值大于等于第三閾值。

5.根據權利要求1所述的方法，其特征在于，所述待處理電子病歷為半結構化文本數據和/或非結構化文本數據的電子病歷；

所述特征模板為Unigram一元模板。

6.一種電子病歷信息提取裝置，其特征在于，應用于加載有訓練完成的CRF模型的設備，所述訓練完成的CRF模型為預先采用電子病歷訓練語料依次對不同參數下的CRF模型進行訓練，并采用電子病歷測試語料對訓練后的CRF模型進行測試，直至測試結果滿足預設測試指標時得到的模型；所述裝置包括：

詞性標注模塊，用于對待處理電子病歷進行分詞和詞性標注處理，得到各分詞的詞性；

特征提取模塊，用于根據各分詞的詞性，采用特征模板分別對各分詞進行上下文特征提取，得到各分詞的上下文特征，其中，一個分詞的上下文特征與該一個分詞的詞性，該一個分詞之前和/或之后的關聯分詞的詞性相關聯；

實體標注模塊，用于根據各分詞的上下文特征，采用BIEO標注方式分別對各分詞進行命名實體標注，得到各分詞的命名實體標注信息；

命名實體提取模塊，用于根據各分詞的命名實體標注信息，從所述待處理電子病歷中提取出命名實體，其中，所述命名實體的類別至少包括以下任意一種或組合：疾病類、疾病診斷分類、癥狀類、檢查類和治療類。