[發明專利]從電子病歷中提取結構化信息的方法、裝置及存儲介質

有效

• 申請號: 202011599792.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112700830B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 楊寶山
• 申請（專利權）人: 醫渡云（北京）技術有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F40/242;G06F40/284
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 張立新

1.一種從電子病歷中提取結構化信息的方法，其特征在于，所述方法包括：

獲取待提取結構化信息的電子病歷，所述結構化信息包括關鍵詞和關鍵詞所屬的章節；

從所述電子病歷中提取關鍵詞；

從所述關鍵詞中確定出未知關鍵詞；

基于每個未知關鍵詞與已知關鍵詞的相似度確定出與所述未知關鍵詞最為相似的L個已知關鍵詞；

將每個已知關鍵詞所屬的章節作為與相應的未知關鍵詞關聯的K個章節，其中L和K均為大于等于1的整數；

確定相應的未知關鍵詞的前序章節或后序章節；

根據所述前序章節或后續章節以及預先建立的前后章節的關聯關系和所述關聯關系的概率，確定每個章節對應的關聯度；

根據與未知關鍵詞之間的相似度，確定每個章節對應的相似度；

根據所述關聯度和所述相似度，對K個章節進行評分并將評分超過閾值的章節確定為相應的未知關鍵詞所屬的章節。

2.根據權利要求1所述的方法，其特征在于，所述確定相應的未知關鍵詞的前序章節或后序章節，包括：

根據未知關鍵詞之前的已知關鍵詞確定前序章節，或

根據未知關鍵詞之后的已知關鍵詞確定后序章節。

3.根據權利要求1所述的方法，其特征在于，所述確定相應的未知關鍵詞的前序章節或后序章節，包括：

根據第一未知關鍵詞的前序章節或后序章節確定第二未知關鍵詞的前序章節或后續章節。

4.根據權利要求1所述的方法，其特征在于，在所述根據所述前序章節或后續章節以及預先建立的前后章節的關聯關系和所述關聯關系的概率之前，所述方法還包括：

根據章節相關的統計數據確定前后章節的關聯關系和所述關聯關系的概率。

5.根據權利要求1所述的方法，其特征在于，對所述K個章節進行評分并將評分超過閾值的章節確定為相應的未知關鍵詞所屬的章節，包括：

使用自然語言處理模型對K個章節進行端到端的評分并將評分超過閾值的章節確定為相應的未知關鍵詞所屬的章節。

6.一種從電子病歷中提取結構化信息的裝置，其特征在于，該裝置包括：

電子病歷獲取模塊，用于獲取待提取結構化信息的電子病歷，所述結構化信息包括關鍵詞和關鍵詞所屬的章節；

關鍵詞提取模塊，用于從所述電子病歷中提取關鍵詞；

未知關鍵詞確定模塊，用于從所述關鍵詞中確定出未知關鍵詞；

歸屬章節確定模塊，用于基于每個未知關鍵詞與已知關鍵詞的相似度確定出與所述未知關鍵詞最為相似的L個已知關鍵詞；將每個已知關鍵詞所屬的章節作為與相應的未知關鍵詞關聯的K個章節，其中L和K均為大于等于1的整數；確定相應的未知關鍵詞的前序章節或后序章節；根據所述前序章節或后續章節以及預先建立的前后章節的關聯關系和所述關聯關系的概率，確定每個章節對應的關聯度；根據與未知關鍵詞之間的相似度，確定每個章節對應的相似度；根據所述關聯度和所述相似度，對K個章節進行評分并將評分超過閾值的章節確定為相應的未知關鍵詞所屬的章節。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-5中任一項所述的方法。