[發(fā)明專利]一種人體疾病癥狀特征自動抽取方法、系統(tǒng)及設(shè)備

在審

• 申請?zhí)枺?/td>: 201811325341.0
• 申請日: 2018-11-08
• 公開（公告）號: CN109545373A
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計）人: 呂軍震;胥洪鋒;于國方;李長松;王林;武佳
• 申請（專利權(quán)）人: 新博卓暢技術(shù)（北京）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70
• 代理公司: 北京馳納智財知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11367
• 代理人: 陳常美

1.一種人體疾病癥狀特征自動抽取方法，包括提取病人病例，其特征在于，還包括以下步驟：

步驟1：分析總結(jié)病歷中維度信息；

步驟2：根據(jù)所述維度信息，總結(jié)醫(yī)學(xué)基礎(chǔ)知識；

步驟3：對病歷中的疾病特征語句進(jìn)行分詞和語義分析；

步驟4：將所述疾病知識信息，與疾病和各維度信息對應(yīng)生成json格式的實體信息；

步驟5：重復(fù)上述步驟，更新迭代知識圖譜。

2.如權(quán)利要求1所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述維度信息包括性別,年齡、癥狀、部位、癥狀修飾詞、部位修飾詞、分泌物、排泄物、動作、特殊時期、患處、情感、氣味、聲音、動詞、大小和形狀中至少一種。

3.如權(quán)利要求2所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述步驟2還包括根據(jù)所述維度信息生成以上多個維度的知識原子單元。

4.如權(quán)利要求3所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述步驟3包括生成疾病特征語句依賴關(guān)系并將對應(yīng)的詞進(jìn)行實體標(biāo)注和識別，并得到所述疾病知識信息。

5.如權(quán)利要求4所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述實體標(biāo)注是指分析所述疾病特征語句中的詞匯，得到詞匯的語法詞性，刪除多余無用的詞匯，得到有用的詞匯。

6.如權(quán)利要求5所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述識別是指判斷所述有用的詞匯屬于哪一個維度信息。

7.如權(quán)利要求6所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述步驟4包括將所述實體信息進(jìn)行特殊處理，變成RDFS格式信息。

8.如權(quán)利要求7所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述特殊處理包括以下子步驟：

步驟41：將進(jìn)行實體標(biāo)注的語句字符串輸入模型；

步驟42：所述模型會將輸入的字符進(jìn)行關(guān)系整理和預(yù)測修飾對象；

步驟43：輸出處理結(jié)果。

9.如權(quán)利要求7所述的人體疾病癥狀特征自動抽取方法，其特征在于，所述步驟4還包括將所述RDFS格式信息存儲到知識圖譜中，并生成自主語義網(wǎng)。

10.一種人體疾病癥狀特征自動抽取系統(tǒng)，包括用于提取病人病例的信息提取模塊，其特征在于，還包括以下模塊：

信息分析模塊：用于分析總結(jié)病歷中維度信息；

總結(jié)模塊：用于根據(jù)所述維度信息，總結(jié)醫(yī)學(xué)基礎(chǔ)知識；

特征分析模塊：用于對病歷中的疾病特征語句進(jìn)行分詞和語義分析；

信息生成模塊：用于將所述疾病知識信息，與疾病和各維度信息對應(yīng)生成json格式的實體信息；

知識圖譜：是顯示知識發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，

所述系統(tǒng)按照權(quán)利要求1中的方法進(jìn)行工作。