[發(fā)明專利]一種基于NPL的藥品名片自動提取方法

在審

• 申請?zhí)枺?/td>: 202010621850.9
• 申請日: 2020-06-30
• 公開（公告）號: CN111797624A
• 公開（公告）日: 2020-10-20
• 發(fā)明（設(shè)計）人: 邵志宇;傅建強;黃艷;陳龍彪;蔡曉海;游建議;林志銘;李靈琦;伊麗
• 申請（專利權(quán)）人: 廈門大學附屬第一醫(yī)院
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/242;G06F40/295;G06F40/30;G06K9/62;G06N3/04
• 代理公司: 廈門市首創(chuàng)君合專利事務所有限公司 35204
• 代理人: 張松亭

本發(fā)明公開了一種基于NLP的藥品名片自動提取方法，方法具體包括如下步驟：步驟S1，對藥品說明書進行預處理，構(gòu)造訓練集、驗證集和測試集；步驟S2，加載訓練集和驗證集，進行數(shù)據(jù)封裝和數(shù)據(jù)讀取；步驟S3，加載BERT模型的配置數(shù)據(jù)和模型特征進行目標模型的參數(shù)初始化過程，構(gòu)建BERT?BILSTM?CRF模型，訓練BERT?BILSTM?CRF模型；步驟S4，利用訓練好的BERT?BILSTM?CRF模型，加載測試集，對測試集數(shù)據(jù)預測輸出藥品名片字段內(nèi)容。本發(fā)明提供的基于NLP的藥品名片自動提取方法，有效提高提取效率和準確率，極大地減少人力成本。

技術(shù)領(lǐng)域

本發(fā)明涉及一種信息處理領(lǐng)域，特別是涉及一種基于NPL的藥品名片自動提取方法。

背景技術(shù)

藥品說明書是載明藥品重要信息的法定文件，是選用藥品的法定指南，是藥品的使用規(guī)范和藥品信息的基本來源，是醫(yī)生、藥師、護師和病人治療用藥時的科學依據(jù)，最具醫(yī)療權(quán)威和法律效應，且藥品說明書包含藥品的安全性和有效性等基本科學信息。藥品名片則是以藥品說明書為底層數(shù)據(jù)庫提取的藥品知識名片，是認識藥品最快有效的方法。

隨著國家對互聯(lián)網(wǎng)科技的重視，醫(yī)院的藥品維護系統(tǒng)已進入智能時代，在醫(yī)院內(nèi)部積攢了海量的藥品說明書。這些藥品說明書中包含了藥品的成份與性狀，用法用量，禁忌，接種對象、藥理作用、適應癥和注意事項等項內(nèi)容。藥品名片的構(gòu)建維護顯得至關(guān)重要。

近年來深度學習發(fā)展迅速，在語音識別、圖像處理、自然語言處理等領(lǐng)域都取得了巨大的成就。考慮現(xiàn)有的藥品名片維護方法主要是依賴于藥師對專業(yè)認識的認知來對藥品說明進行字段識別，手動填寫藥品名片內(nèi)容，其維護效率低，且耗時耗力，同時藥品維護方法還有基于規(guī)則的方法，也需要消耗大量人力成本，且規(guī)則本身難以設(shè)計，需要大量人力根據(jù)藥品說明書構(gòu)建藥品名片，藥品名片維護對于人力開銷巨大。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)存在的技術(shù)問題，提供一種基于NLP(自然語言處理)的藥品名片自動提取方法，有效提高提取效率和準確率，極大地減少人力成本。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基于NLP的藥品名片自動提取方法，包括：

步驟S1，對藥品說明書進行預處理，構(gòu)造訓練集、驗證集和測試集；

步驟S2，加載訓練集和驗證集，進行數(shù)據(jù)封裝和數(shù)據(jù)讀取；

步驟S3，加載BERT模型的配置數(shù)據(jù)和模型特征進行目標模型的參數(shù)初始化過程，構(gòu)建BERT-BILSTM-CRF模型，訓練BERT-BILSTM-CRF模型；

步驟S4，利用訓練好的BERT-BILSTM-CRF模型，加載測試集，對測試集數(shù)據(jù)預測輸出藥品名片字段內(nèi)容。

優(yōu)選的，所述步驟S1包括：

將藥品說明書中內(nèi)容按關(guān)鍵字分塊存儲于各個文本；

將所有同關(guān)鍵字的文本合并，構(gòu)建數(shù)據(jù)集；

根據(jù)BIO表示法對數(shù)據(jù)集標注數(shù)據(jù)，得到訓練集、驗證集和測試集；

對訓練集、驗證集和測試集進行數(shù)據(jù)清洗。

優(yōu)選的，所述的關(guān)鍵字包括但不限于：藥品名稱、適應癥、用法用量、藥理作用、不良反應、注意事項和禁忌。

優(yōu)選的，所述步驟S2包括：

S21、加載訓練集和驗證集，得到數(shù)據(jù)的輸入樣本，即樣本、樣本編碼和標簽；

S22、構(gòu)造一個評估控制器；

S23、將所有輸入樣本封裝成為“tf_record格式”數(shù)據(jù)，作為模型數(shù)據(jù)輸入；

S24、讀取“tf_record格式”數(shù)據(jù)，組成批數(shù)據(jù)。