[發(fā)明專利]一種復(fù)雜醫(yī)療實體抽取方法

有效

• 申請?zhí)枺?/td>: 202110430144.0
• 申請日: 2021-04-21
• 公開（公告）號: CN112989835B
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計）人: 湯步洲;張可成;熊英
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）（哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院）
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06N3/04
• 代理公司: 深圳市添源知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44451
• 代理人: 于標(biāo)

本發(fā)明提供了一種復(fù)雜醫(yī)療實體抽取方法，包括執(zhí)行以下任一項步驟：抽取單層連續(xù)實體和非連續(xù)實體步驟：對原始醫(yī)療文本進(jìn)行預(yù)處理，采用基于依存分析的非連續(xù)實體雙向標(biāo)注方法進(jìn)行標(biāo)注，然后建立非連續(xù)實體抽取模型并使用雙仿射分類器作為解碼器，最后將預(yù)測標(biāo)注還原為實體；抽取單層連續(xù)實體和嵌套實體步驟：對原始醫(yī)療文本進(jìn)行預(yù)處理，采用基于依存分析的嵌套實體雙向標(biāo)注方法進(jìn)行標(biāo)注，然后建立嵌套實體抽取模型并使用雙仿射分類器作為解碼器，最后將預(yù)測標(biāo)注還原為實體；抽取單層連續(xù)實體、非連續(xù)實體和嵌套實體步驟。本發(fā)明的有益效果是：本發(fā)明具有充分挖掘文本上下文信息，提高模型泛化性，增強模型對實體的識別準(zhǔn)確率等優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種復(fù)雜醫(yī)療實體抽取方法。

背景技術(shù)

實體抽取是自然語言處理（Natural Language Processing, NLP）研究中的一項基本任務(wù)，旨在抽取文本中特定的結(jié)構(gòu)化信息，可分為開放域?qū)嶓w識別和垂直域?qū)嶓w識別兩類，前者識別如人名和地名等實體，后者識別如醫(yī)療文本中的癥狀和疾病等實體。實體抽取應(yīng)用廣泛，是信息檢索、知識圖譜等NLP技術(shù)的基礎(chǔ)，直接影響下游任務(wù)性能的優(yōu)劣。

近年來，隨著信息產(chǎn)業(yè)的快速發(fā)展與公民健康意識的日益提高，智慧醫(yī)療行業(yè)快速發(fā)展。現(xiàn)代醫(yī)療系統(tǒng)中積累了海量的醫(yī)療文本數(shù)據(jù)，包括電子病歷和醫(yī)療文獻(xiàn)等，蘊含了寶貴的臨床醫(yī)療信息。智能醫(yī)療的火爆催生了很多在線醫(yī)療網(wǎng)站，累積了豐富的醫(yī)療案例。海量的醫(yī)療數(shù)據(jù)具有重大的價值，如何高效的利用和挖掘醫(yī)療文本數(shù)據(jù)，從中獲取有效的知識以提高醫(yī)療水平，是當(dāng)前面臨的重要挑戰(zhàn)。

醫(yī)療文本數(shù)據(jù)包含豐富的知識，醫(yī)療實體抽取是醫(yī)療文本挖掘的基礎(chǔ)，是知識的直接體現(xiàn)，受到國內(nèi)外學(xué)者的廣泛關(guān)注。I2B2中心（Informatics for IntegratingBiology the Beside）多次組織關(guān)于臨床醫(yī)療實體識別的國際公開評測，CCKS（ChinaConference on Knowledge Graph and Semantic Computing）連續(xù)多年開展基于中文電子病歷的命名實體識別（Named Entity Recognition, NER）評測任務(wù)。

醫(yī)療文本數(shù)據(jù)內(nèi)容豐富，包含病人的各種信息，如疾病名稱、病癥記錄、病因分析及用藥信息等。醫(yī)療文本數(shù)據(jù)具有多樣性的特點，包含了大量結(jié)構(gòu)不完整的短語和短句，并且描述信息中有很多專業(yè)名詞出現(xiàn)，會有大量的連續(xù)實體、非連續(xù)實體和嵌套實體出現(xiàn)。連續(xù)實體由連續(xù)的字詞組成，比如“感冒”和“發(fā)燒”；非連續(xù)實體由不連續(xù)的字詞組成，比如“身體經(jīng)檢查健康”中的“身體健康”；嵌套實體指實體與其他實體存在嵌套關(guān)系，如“糖尿病患者”中“糖尿病患者”實體和“糖尿病”實體。

發(fā)明內(nèi)容

本發(fā)明提供了一種復(fù)雜醫(yī)療實體抽取方法，包括執(zhí)行以下任一項步驟：

抽取單層連續(xù)實體和非連續(xù)實體步驟：首先對原始醫(yī)療文本進(jìn)行預(yù)處理，并采用基于依存分析的非連續(xù)實體雙向標(biāo)注方法進(jìn)行標(biāo)注，然后建立非連續(xù)實體抽取模型并使用雙仿射分類器作為解碼器，最后將預(yù)測標(biāo)注還原為實體。

抽取單層連續(xù)實體和嵌套實體步驟：首先對原始醫(yī)療文本進(jìn)行預(yù)處理，并采用基于依存分析的嵌套實體雙向標(biāo)注方法進(jìn)行標(biāo)注，然后建立嵌套實體抽取模型并使用雙仿射分類器作為解碼器，最后將預(yù)測標(biāo)注還原為實體。

抽取單層連續(xù)實體、非連續(xù)實體和嵌套實體步驟：首先對原始醫(yī)療文本進(jìn)行預(yù)處理，并采用分層標(biāo)注的基于依存分析的非連續(xù)實體雙向標(biāo)注方法標(biāo)注每一層的實體，然后建立分層實體抽取模型并使用雙仿射分類器作為解碼器，最后將預(yù)測標(biāo)注還原為實體。

作為本發(fā)明的進(jìn)一步改進(jìn)，在所述抽取單層連續(xù)實體和嵌套實體步驟中，還包括執(zhí)行如下步驟：

步驟1：預(yù)處理階段，對原始文本進(jìn)行分詞和映射，并采用非連續(xù)實體雙向標(biāo)注方法進(jìn)行標(biāo)注。