[發明專利]一種人體疾病癥狀特征自動抽取方法、系統及設備

在審

• 申請號: 201811325341.0
• 申請日: 2018-11-08
• 公開（公告）號: CN109545373A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 呂軍震;胥洪鋒;于國方;李長松;王林;武佳
• 申請（專利權）人: 新博卓暢技術（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權代理事務所(普通合伙) 11367
• 代理人: 陳常美

本發明提供一種人體疾病癥狀特征自動抽取方法及系統，其中方法包括提取病人病例，還包括以下步驟：分析總結病歷中維度信息；根據所述維度信息，總結醫學基礎知識；對病歷中的疾病特征語句進行分詞和語義分析；將所述疾病知識信息，與疾病和各維度信息對應生成json格式的實體信息；重復上述步驟，更新迭代知識圖譜。本發明提出一種人體疾病癥狀特征自動抽取方法及系統，結合門診臨床病歷文本開展癥癥狀體征信息的抽取方法研究,通過對癥狀體征信息建立維度，形成癥狀體征的模型，然后在使用NLP和特征學習等方法，來實現從臨床病歷現病史文本中抽取癥狀表型實體的要求。

技術領域

本發明涉及醫療診斷的技術領域，特別是一種人體疾病癥狀特征自動抽取方法及系統。

背景技術

隨著人們健康意識的不斷提高，越來越多的人開始關注自己的身體狀況。作為健康判斷標準的檢查化驗報告單，一般人很難看懂。由于目前國內醫患比例嚴重失調，醫生不可能詳盡的給每一個患者逐條解釋報告單的詳細信息。雖然伴隨著互聯網的普及，人們的知識來源越來越多，但是上面魚龍混雜，一般人根本無從分辨真假。

癥狀表型(癥狀體征)是臨床數據和醫學題錄文獻數據中重要的實體性信息,是中西醫診斷與治療的主要依據。但醫學數據中的癥狀表型信息往往以自由文本型的臨床病歷(以主訴和現病史為主要文本內容)和題錄文獻數據為主要載體。近年來,隨著大數據技術的突飛猛進，要從這些大量的文本數據中抽取完整信息顯得越來越突出。

申請號為CN108491472A的發明專利公開了一種基于CRF++分詞構建醫療特征庫的方法和系統，其中方法包括選取電子文本作為初始來源，包括以下步驟：從所述初始來源中提取特征信息；對所述特征信息進行分詞和語義分析；在所述CRF++分詞的模板中標注所述分詞；使用所述模板對所述初始來源進行表述和特征提取，生成疾病特征庫；重復上述3-4，迭代使用新提取的特征信息進行再次標注，直到沒有需要標注的特征。該方法的缺點在于，只要修飾詞的順序出現變化，就有可能導致CRF發現的特征出現偏差，進而出現抽取錯誤或者不全的癥狀特征。當文本來源于不同的渠道的時候，這種不同形式的表述就更加的多而且繁雜，對于模板的維護來說都是一個不小的維護工作。

發明內容

為了解決上述的技術問題，本發明提出一種人體疾病癥狀特征自動抽取方法及系統，結合門診臨床病歷文本開展癥癥狀體征信息的抽取方法研究,通過對癥狀體征信息建立維度，形成癥狀體征的模型，然后在使用NLP和特征學習等方法，來實現從臨床病歷現病史文本中抽取癥狀表型實體的要求。

本發明的第一目的是提供了一種人體疾病癥狀特征自動抽取方法，包括提取病人病例，還包括以下步驟：

步驟1：分析總結病歷中維度信息；

步驟2：根據所述維度信息，總結醫學基礎知識；

步驟3：對病歷中的疾病特征語句進行分詞和語義分析；

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

步驟5：重復上述步驟，更新迭代知識圖譜。

優選的是，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。

在上述任一方案中優選的是，所述步驟2還包括根據所述維度信息生成以上多個維度的知識原子單元。

在上述任一方案中優選的是，所述步驟3包括生成疾病特征語句依賴關系并將對應的詞進行實體標注和識別，并得到所述疾病知識信息。

在上述任一方案中優選的是，所述實體標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。

在上述任一方案中優選的是，所述識別是指判斷所述有用的詞匯屬于哪一個維度信息。