[發(fā)明專利]一種在醫(yī)療文本中提取疾病誘因、病因的方法及裝置及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011067120.5
• 申請(qǐng)日: 2020-10-05
• 公開（公告）號(hào): CN112151186A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 馮洪海;侯瑞輝;魏亞舉;李云鵬;王赫;栗哲遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 河南大學(xué)
• 主分類號(hào): G16H50/70
• 分類號(hào): G16H50/70;G16H10/60;G06F16/33;G06F16/35
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種在醫(yī)療文本中提取疾病誘因、病因的方法及裝置及系統(tǒng)，具體涉及自然語言處理信息抽取技術(shù)領(lǐng)域。本發(fā)明主要包括讀取模塊、計(jì)算模塊、展示模塊。讀取模塊主要指系統(tǒng)讀取輸入的一些醫(yī)療文本。計(jì)算模塊主要包含關(guān)系詞提取單元、疾病提取單元、病因提取單元。主要包括如下步驟：a.系統(tǒng)讀取準(zhǔn)確的疾病和病因；b.通過正確的疾病和病因?qū)W習(xí)關(guān)系詞；c.通過疾病和關(guān)系詞學(xué)習(xí)病因；d.通過病因和關(guān)系詞學(xué)習(xí)疾病。對(duì)抽取結(jié)果進(jìn)行評(píng)估。展示模塊主要包含：存儲(chǔ)單元、輸出單元。本發(fā)明以公開的非結(jié)構(gòu)化醫(yī)療文本為起點(diǎn)，最終實(shí)現(xiàn)醫(yī)療文本中疾病誘因、病因的準(zhǔn)確抽取。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理信息抽取的技術(shù)領(lǐng)域，具體涉及一種在醫(yī)療文本中提取疾病誘因、病因的方法及裝置及系統(tǒng)。

背景技術(shù)

近些年來，積累了大量的醫(yī)療文本。醫(yī)療文本主要包括專業(yè)教材、專業(yè)醫(yī)療網(wǎng)站、醫(yī)療大典、電子病例、科研期刊中的醫(yī)療學(xué)術(shù)論文。這些醫(yī)療文本中包含了豐富的醫(yī)療數(shù)據(jù)，其中主要包括疾病的病因、癥狀、治療、診斷等信息。但是這些海量的數(shù)據(jù)大多以半結(jié)構(gòu)化或非結(jié)構(gòu)化的形式存在，目前自然語言處理或信息抽取技術(shù)對(duì)于在非結(jié)構(gòu)化文本中提取完整、準(zhǔn)確的信息都不太成熟。已有公司或產(chǎn)品尚不能將疾病誘因、病因提取到幾萬的準(zhǔn)確水平。本發(fā)明主要分析醫(yī)療文本中常用句式，將句式數(shù)學(xué)化，設(shè)計(jì)了一種迭代算法和程序，能夠從醫(yī)療文本中迭代地獲取幾萬準(zhǔn)確的疾病誘因、病因。

隨著計(jì)算機(jī)的不斷發(fā)展，文本挖掘系統(tǒng)已經(jīng)得到了實(shí)現(xiàn)。如一種基于非結(jié)構(gòu)化電子病歷的文本挖掘方法及系統(tǒng)，專利申請(qǐng)?zhí)枮?01910701406.5，包括了文本預(yù)處理模塊、特征工程模塊、分析預(yù)測(cè)模塊。該發(fā)明主要提取的特征有癥狀、檢查所見、放化療方案、療效評(píng)價(jià)等。所述專利以時(shí)間節(jié)點(diǎn)進(jìn)行切分住院記錄，通過規(guī)則庫(kù)的疾病信息提取來抽取特征，最后通過無監(jiān)督聚類實(shí)現(xiàn)文本聚類。該專利是以時(shí)間節(jié)點(diǎn)進(jìn)行切分，句子的完整語義沒有考慮進(jìn)去。輸入文本僅僅包括了醫(yī)院數(shù)據(jù)庫(kù)中的病史記錄，數(shù)據(jù)來源范圍較小。

在醫(yī)療領(lǐng)域的識(shí)別任務(wù)中面臨著很多困難，主要有以下幾個(gè)方面：

從提取過程來看：

醫(yī)療領(lǐng)域通常包含豐富的實(shí)體類別；

實(shí)體上下文存在著很多不同的修飾和限定詞從而導(dǎo)致了實(shí)體的邊界較難確定并劃分；

待提取的實(shí)體通常存在著不同更多描述方式；

病因?qū)嶓w的長(zhǎng)度通常較難確定。

從提取結(jié)果來看：

提取的誘因、病因數(shù)量不多，僅僅幾千，多則上萬，但沒有達(dá)到幾萬至十萬的規(guī)模。涉及的疾病僅僅幾千，沒有達(dá)到上萬直至幾萬的規(guī)模。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種在醫(yī)療文本中提取疾病誘因、病因的方法及裝置及系統(tǒng)。以解決上述背景技術(shù)中提出的問題。本發(fā)明目的為以醫(yī)療文本為起點(diǎn)，最終實(shí)現(xiàn)在醫(yī)療文本中抽取疾病病因、誘因?qū)嶓w。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種疾病病因、誘因抽取方法，所述方法主要包括：

步驟1：獲取醫(yī)療文本和病因句式結(jié)構(gòu)；

步驟2：基于句式結(jié)構(gòu)，在醫(yī)療文本中，通過疾病、病因獲取各句式結(jié)構(gòu)的關(guān)系詞；

步驟3：關(guān)系詞除雜、并入已有的關(guān)系詞集合中；

步驟4：基于句式結(jié)構(gòu)，在醫(yī)療文本中，通過疾病和關(guān)系詞學(xué)習(xí)各句式結(jié)構(gòu)的病因；

步驟5：病因除雜、驗(yàn)證、并入已有的病因集合中；

步驟6：基于句式結(jié)構(gòu)，在醫(yī)療文本中，通過病因和關(guān)系詞學(xué)習(xí)各句式結(jié)構(gòu)的疾病；

步驟7：疾病進(jìn)行除雜、并入已有的疾病集合中。