[發明專利]一種冠脈醫療報告結構關系提取的方法和裝置

有效

• 申請號: 202110940134.1
• 申請日: 2021-08-17
• 公開（公告）號: CN113393916B
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 金倍建;林銘強;陳集房;麻元興
• 申請（專利權）人: 浙江卡易智慧醫療科技有限公司
• 主分類號: G16H15/00
• 分類號: G16H15/00;G06F16/33;G06F16/36;G06F40/295;G06N3/04;G06N3/08
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏

1.一種冠脈醫療報告結構關系提取的方法，其特征在于，包括以下步驟：

S1：獲取冠脈報告描述文本，對獲得的文本進行數據預處理；

S2：將預處理化后的文本進行錯別字糾正后進行歸一化處理；

S3：根據歸一化后的文本對文本中的醫學實體進行識別，將文本分割成若干個實體文本；

S4：根據結構化提取規則對實體文本進行實體關系的提取，形成結構化關系路徑圖；

S5：對結構化關系路徑圖進行驗證后，得到冠脈醫療報告結構關系的輸出結果；

步驟S4中，對實體文本進行實體關系的提取包括以下步驟：

S41：建立結構化提取規則；

S42：遍歷文本中的實體，記錄實體的原始文本、實體的標簽、實體在文中的索引以及標簽在文中的索引；

S43：將所有的標簽通過兩兩配對形成實體A—實體B 的二元組，形成集合A；

S44：遍歷集合A，獲取實體A的標簽，根據結構化提取規則向下搜查，判斷實體B是否從屬于實體A，若不是則跳過，若是則根據兩個實體的位置坐標，找出兩個實體之間的實體，判斷實體A與實體B之間是否存在實體，若實體A與實體B之間存在實體且這些實體之間存在一個或多個從屬關系，則認為實體A與實體B之間不存在直接關系，跳過，若通過以上規則的判斷，認為兩個實體之間存在關系，則將之記錄到新的集合中，形成集合B；

S45：根據結構化提取規則中各個實體的從屬關系以及各個實體在文本中的索引位置，先從提取規則的頂層向下搜尋，根據集合B生成關系結構樹狀圖，提取出文本中的結構化信息，形成結構化關系路徑圖；

步驟S41中，結構化提取規則的建立方法為：對冠脈檢查報告進行分析，構建一個實體間的鏈式結構，用來尋找實體存在的對應關系，同時建立一套關系驗證法則，剔除掉其中無效的實體關系，形成結構化提取規則；

步驟S5中，對結構化關系路徑圖進行驗證的方法為：

S51：根據結構化關系路徑圖，驗證每條路徑的有效性，若路徑中存在癥狀或表現、影像表現以及評估項目中的一個或多個，則認為路徑有效，否則剔除該路徑；

S52：檢測每條路徑中是否存在未被識別到的標簽，若存在則用None填充，形成完整路徑，輸出結果。

2.根據權利要求1所述的一種冠脈醫療報告結構關系提取的方法，其特征在于，

步驟S1中，對獲得的文本進行數據預處理的具體方法為：

S11：將長文本根據標點符號拆分成若干個短文本；

S12：去除文本中的空格；

S13：去除括號以及括號內的內容；

S14：統一中英文標點符號和全角半角數字字母，并刪除重復的標點符號；

S15：去除轉義符；

S16：將文字向量化，映射進向量空間中。

3.根據權利要求1所述的一種冠脈醫療報告結構關系提取的方法，其特征在于，

步驟S2中，對預處理后的文本進行錯別字糾正的方法為：

S21：通過錯誤探查網絡對每個字符是否為錯別字進行判斷，進行錯別字分類；

S22：采用Soft Masking Connection聯系全文，對所有字符的權重做一個加權求和，結合錯誤探查網絡的分類結果，聯系全文詞向量的關系進一步給出該字符為錯別字的概率；

S23：利用糾錯網絡計算錯字字符被糾正為候選詞表中的字符的概率，輸出文本糾正結果。

4.根據權利要求1所述的一種冠脈醫療報告結構關系提取的方法，其特征在于，

步驟S2中，對錯別字糾正后的文本進行歸一化處理之前，先通過對數據庫中的冠脈醫療報告進行統計分析，找出各個醫學實體對應存在的文本分詞描述，建立各個文本分詞描述與其對應實體的關系映射表，根據輸入的描述文本中的文本分詞，對于每個分詞查詢是否在映射表中存在映射，若存在則將其替換成對應的映射實體。

5.根據權利要求1所述的一種冠脈醫療報告結構關系提取的方法，其特征在于，

步驟S3中，對醫學實體進行識別的方法為：將歸一化完成后的文本重新映射到向量空間，傳入transformer-crf模型中，利用transformer對于文本前后文關系的識別，結合crf對于transformer對標簽預測的約束，對文本中的醫學實體進行識別。

6.一種冠脈醫療報告結構關系提取的裝置，采用如權利要求1所述的一種冠脈醫療報告結構關系提取的方法，其特征在于，包括：

預處理模塊，用于對冠脈報告描述文本進行向量化處理；

錯字糾正模塊，用于對描述文本進行錯別字糾正處理，與預處理模塊連接；

文本歸一模塊，用于文本數據進行歸一化，與錯字糾正模塊連接；

識別模塊，對文本中的醫學實體進行識別，與文本歸一模塊連接；

提取模塊，提取出文本中的結構化信息，形成結構化關系路徑圖，與識別模塊連接。