[發明專利]一種基于電子病歷數據文本的二元關系提取方法

有效

• 申請號: 202110946939.7
• 申請日: 2021-08-18
• 公開（公告）號: CN113658652B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 朱婷;張偉;劉瑞航
• 申請（專利權）人: 四川大學華西醫院
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F40/295
• 代理公司: 成都眾恒智合專利代理事務所(普通合伙) 51239
• 代理人: 王育信

本發明涉及電子病歷領域，公開了一種基于電子病歷數據文本的二元關系提取方法，包括以下提取步驟：a、源數據輸入，進行源數據預處理；b、對預處理的源數據文本進行對應二元關系的提取；c、將提取出來的結果，根據ID進行匹配，進行整理并保存輸出。本發明不將提取的內容限定或固定，將命名實體的關系定于二元關系。比如：癥狀+持續時間，藥物+劑量等這些文本+數字的規范格式的規則，提取電子病歷中的結構化信息，這種方法的優勢在于能通過簡單的模板設置，遍歷當前病人出院小結文本，將這些關鍵內容可以快速的提出，以便為后續臨床決策問題建模研究提供輔助。具有更快速、提取的內容更詳細準確等優點。

技術領域

本發明涉及電子病歷領域，具體涉及一種基于電子病歷數據文本的二元關系提取方法。

背景技術

電子病歷是醫務人員利用醫療機構信息系統生成的文本、符號、圖表、圖形、數據、圖像等數字信息，在醫療活動過程中進行存儲、管理、傳輸和復制的一種病歷。通過對電子病歷的分析，我們可以挖掘出很多與患者密切相關的醫學知識。

在電子病歷中存在大量文本用于描述病人的病癥，但是可能一個病人當前入院時，其往往都伴隨著多種疾病合并癥。在對這些病例進行個性化醫療健康信息研究時，需要對電子病歷中的有效信息進行提取，現有的提取方法常基于詞典以及深度學習，但這些方法在實際應用中提取的速度相對較慢、且提取的內容詳細度以及準確度有待提高。

發明內容

本發明的目的在于提供一種基于電子病歷數據文本的二元關系提取方法。

為實現上述發明目的，本發明所采用的技術方案是：一種基于電子病歷數據文本的二元關系提取方法，包括以下提取步驟：

a、源數據輸入，進行源數據預處理；

b、對預處理的源數據文本進行對應二元關系的提取；

c、將提取出來的結果，根據ID進行匹配，進行整理并保存輸出。

進一步地，所述預處理包括以下步驟：

A101、文本規范化：包括去除特殊文本、替換有歧義文本、處理異常替換中的一種或多種操作；

A102、分句：根據文本特點，設置標點符號進行分句；

A103、去除冗余，去除空白，同時清理有重復且異常的數據，并將處理好的內容放到待提取句子庫里。

進一步地，所述步驟b包括以下提取步驟：

B101、新建中間緩存變量，遍歷待提取句子庫中里的待提取文本；

B102、對范式進行分析拆分，判斷提取文本中是否包含數字，若無提取數字則將該句子加入到緩存庫中，返回步驟B101遍歷下一個句子；

B103、若成功提取出數字，接下來判斷是否能夠提取數字加單位，若無法提取出單位，則將該句子加入異常庫中，進行人工處理檢查；

B104、判斷提取的數字的數量，若提取個數為一個，那么就將當前句子加入緩存庫中，對應當前格式化內容；若提取個數大于一個，進行位置判斷，并更新二元對應關系。

進一步地，所述預處理中還包括人工輔助處理。

進一步地，所述源數據包括txt，xlsx或csv文本。

本發明的有益效果集中體現在：

本發明不將提取的內容限定或固定，將命名實體的關系定于二元關系。比如：癥狀+持續時間，藥物+劑量等這些文本+數字的規范格式的規則，提取電子病歷中的結構化信息，這種方法的優勢在于能通過簡單的模板設置，遍歷當前病人出院小結文本，將這些關鍵內容可以快速的提出，以便為后續臨床決策問題建模研究提供輔助。相比于傳統基于詞典以及深度學習的方法，本發明具有更快速、提取的內容更詳細準確等優點。