[發(fā)明專利]一種針對電子病歷命名實(shí)體識別系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202110169271.X
• 申請日: 2021-02-07
• 公開（公告）號: CN112802570A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計(jì)）人: 杜斌;朱智源
• 申請（專利權(quán)）人: 成都延華西部健康醫(yī)療信息產(chǎn)業(yè)研究院有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G16H50/70;G06F40/295;G06F40/242;G06N3/08
• 代理公司: 成都創(chuàng)新引擎知識產(chǎn)權(quán)代理有限公司 51249
• 代理人: 向群

本發(fā)明公開了一種針對電子病歷命名實(shí)體識別系統(tǒng)及方法；進(jìn)行數(shù)據(jù)清洗，將清洗之后的數(shù)據(jù)進(jìn)行基于規(guī)則的預(yù)標(biāo)注，將結(jié)果返回給標(biāo)注算法進(jìn)行二次標(biāo)注并生成預(yù)標(biāo)注數(shù)據(jù)集，再將結(jié)果返回給標(biāo)注人員進(jìn)行校正與標(biāo)注從而生成標(biāo)準(zhǔn)數(shù)據(jù)集。根據(jù)對比分析預(yù)標(biāo)注數(shù)據(jù)集與標(biāo)準(zhǔn)數(shù)據(jù)集的差異，修正規(guī)則與算法。獲取線上預(yù)測數(shù)據(jù)，通過人工進(jìn)行核對校驗(yàn)補(bǔ)充進(jìn)標(biāo)準(zhǔn)數(shù)據(jù)集，將原始數(shù)據(jù)送入預(yù)標(biāo)注系統(tǒng)補(bǔ)充預(yù)標(biāo)注數(shù)據(jù)集，累計(jì)到一定規(guī)模之后重新訓(xùn)練模型迭代模型。本發(fā)明將命名實(shí)體識別整個(gè)工業(yè)應(yīng)用流程進(jìn)行整合與改造，構(gòu)建出適用于工業(yè)場景的命名實(shí)體識別框架。

技術(shù)領(lǐng)域

本發(fā)明屬于新一代信息技術(shù)領(lǐng)域，具體涉及一種針對電子病歷命名實(shí)體識別系統(tǒng)及方法。

背景技術(shù)

電子病歷命名實(shí)體識別是電子病歷結(jié)構(gòu)化的基礎(chǔ)性研究，能夠準(zhǔn)確的識別出電子病歷中的命名實(shí)體就能為后續(xù)的電子病歷分析提供強(qiáng)有力的支撐。電子病歷是一種半結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)，其中存在可讀性很高的結(jié)構(gòu)化數(shù)據(jù)，同時(shí)也存在解析難度很高的自由文本。然而在自由文本中存在大量的診療相關(guān)信息，這些信息具有診療數(shù)據(jù)追蹤、醫(yī)學(xué)統(tǒng)計(jì)分析、地區(qū)流行病預(yù)防等重要應(yīng)用。命名實(shí)體識別就是針對電子病歷中自由文本進(jìn)行實(shí)體抽取。

一個(gè)高效合理的電子病歷命名實(shí)體識別框架是得到電子病歷命名實(shí)體識別模型的基礎(chǔ)。通常框架包含了從數(shù)據(jù)獲取→數(shù)據(jù)標(biāo)注→數(shù)據(jù)處理→模型訓(xùn)練→模型保存整個(gè)流程。框架各單元相關(guān)連接，相互依賴。

隨著電子病歷命名實(shí)體工作的持續(xù)升溫，對于這種醫(yī)療自由文本有著更為深入的分析，從而發(fā)現(xiàn)當(dāng)前的電子病歷命名實(shí)體識別框架已經(jīng)無法滿足當(dāng)前的應(yīng)用需求，同時(shí)電子病歷命名實(shí)體識別模型本身的準(zhǔn)確性還遠(yuǎn)遠(yuǎn)不夠。

因此對目前業(yè)界存在的問題總結(jié)如下：

A由于電子病歷命名實(shí)體識別框架的高耦合性與相互依賴特點(diǎn)使得電子病歷命名實(shí)體識別框架各個(gè)環(huán)節(jié)無法有效拆分，功能之間無法獨(dú)立。

B使用ai技術(shù)進(jìn)行電子病歷命名實(shí)體識別的核心模型存在‘黑盒’效應(yīng)，無法達(dá)到對電子病歷命名實(shí)體識別做到可控。

C電子病歷命名實(shí)體識別鮮有能夠識別出嵌套命名實(shí)體(Nested Named EntityRecognition)，然而嵌套命名實(shí)體在電子病歷中卻很常見。

D電子病歷命名實(shí)體識別模型的輸入數(shù)據(jù)挖掘還不夠充分，需要充分利用電子病歷數(shù)據(jù)強(qiáng)標(biāo)準(zhǔn)化特點(diǎn)，完善對語句中標(biāo)點(diǎn)符號的深度挖掘。

E使用較高準(zhǔn)確性的先驗(yàn)數(shù)據(jù)來提升模型整體準(zhǔn)確性的方案還需要充分挖掘。

因此本申請的電子病歷命名實(shí)體識別框架將針對上述問題進(jìn)行逐個(gè)解決。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種針對電子病歷命名實(shí)體識別系統(tǒng)及方法，用于解決上解決上述場景的問題，如：從工業(yè)應(yīng)用場景出發(fā)，針對標(biāo)注數(shù)據(jù)成本過高，框架內(nèi)部過度依賴，模型輸入數(shù)據(jù)信息挖掘不充分，無法識別嵌套命名實(shí)體等問題。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

一種針對電子病歷命名實(shí)體識別系統(tǒng)，包括：

數(shù)據(jù)清洗單元，對電子病歷的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，得到規(guī)范原始數(shù)據(jù)；

規(guī)則預(yù)標(biāo)注單元，通過標(biāo)注規(guī)則對規(guī)范原始數(shù)據(jù)進(jìn)行規(guī)則預(yù)標(biāo)注，得到規(guī)則預(yù)標(biāo)注數(shù)據(jù)；

算法預(yù)標(biāo)注單元，通過標(biāo)注算法對規(guī)則預(yù)標(biāo)注數(shù)據(jù)進(jìn)行算法預(yù)標(biāo)注，得到預(yù)標(biāo)注數(shù)據(jù)集；

人工檢驗(yàn)與標(biāo)注單元，標(biāo)注人員對預(yù)標(biāo)注數(shù)據(jù)集進(jìn)行校正與標(biāo)注從而生成標(biāo)準(zhǔn)數(shù)據(jù)集；

構(gòu)建輸入數(shù)據(jù)單元，針對已經(jīng)標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行分類構(gòu)建輸入，得到輸入數(shù)據(jù)；