[發明專利]醫療影像診斷報告實體提取方法、裝置及設備

在審

• 申請號: 202111058362.2
• 申請日: 2021-09-09
• 公開（公告）號: CN113903422A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 王紅熳;敖文喆;楊放春
• 申請（專利權）人: 北京郵電大學
• 主分類號: G16H15/00
• 分類號: G16H15/00;G06F40/211;G06F40/242;G06F40/295;G06F40/30;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 宋教花

1.一種醫療影像診斷報告實體提取方法，其特征在于，所述方法包括：

獲取待處理醫療影像診斷報告中的非結構化文本；

將所述非結構化文本輸入到命名實體識別模型中，利用所述命名實體識別模型獲得所述非結構化文本中各個字詞對應的標簽；其中，所述命名實體識別模型采用鄭碼編碼技術提取文本特征進行模型訓練獲得；

根據所述非結構化文本中各個字詞對應的標簽，從帶標簽的非結構化文本中提取出實體文本，并基于所述實體文本獲得所述待處理醫療影像診斷報告的實體提取結果。

2.如權利要求1所述的方法，其特征在于，所述命名實體識別模型的訓練方法包括：

使用鄭碼編碼技術提取已標記的訓練文本樣本中的字特征和詞特征，獲得已標記的訓練文本樣本的鄭碼編碼特征向量；

對未標記的訓練文本樣本使用雙向編碼語言預訓練模型對未標記的訓練文本樣本進行訓練，獲得未標記的訓練文本樣本的增強特征向量；

將所述鄭碼編碼特征向量和所述增強特征向量進行拼接，獲得合并特征向量；

利用所述合并特征向量進行模型訓練得到所述命名實體識別模型。

3.如權利要求2所述的方法，其特征在于，所述使用鄭碼編碼技術提取已標記的訓練文本樣本中的字特征和詞特征，包括：

獲取中文的鄭碼編碼表，所述鄭碼編碼表包括字的鄭碼編碼和詞的鄭碼編碼；

根據所述鄭碼編碼表和所述已標記的訓練文本樣本構建醫療影像診斷的頻繁字詞典，所述頻繁字詞典包括出現頻率大于預設閾值的頻繁字詞、所述頻繁字詞的詞根以及所述頻繁字詞對應的標注位置；

根據所述頻繁字詞典和預先配置的不同標注位置對應的權重，將所述已標記的訓練文本樣本中的各個字、詞的鄭碼編碼轉換為對應的特征向量，獲得所述已標記的訓練文本樣本的鄭碼編碼特征向量。

4.如權利要求3所述的方法，其特征在于，所述頻繁字詞包括與疾病或部位相關聯的字或詞語。

5.如權利要求1所述的方法，其特征在于，所述根據所述非結構化文本中各個字詞對應的標簽，從帶標簽的非結構化文本中提取出實體文本，并基于所述實體文本獲得所述待處理醫療影像診斷報告的實體提取結果，包括：

根據所述帶標簽的非結構化文本中各個字詞對應的標注標簽，將所述非結構化文本中的無用字詞刪除，獲得剩余文本；其中，所述標注標簽用于表征字詞在實體中的位置和作用；

根據所述剩余文本中各個字詞對應的屬性標簽，提取出所述非結構化文本中的疾病實體和部位實體；

將所述疾病實體和所述部位實體進行組合，獲得所述待處理醫療影像診斷報告的實體提取結果。

6.如權利要求5所述的方法，其特征在于，所述將所述疾病實體和所述部位實體進行組合，獲得所述待處理醫療影像診斷報告的實體提取結果，包括：

若提取出的部位實體為一個，則將所述部位實體和所述疾病實體直接組合，獲得所述待處理醫療影像診斷報告的實體提取結果。

7.如權利要求5所述的方法，其特征在于，所述將所述疾病實體和所述部位實體進行組合，獲得所述待處理醫療影像診斷報告的實體提取結果，包括：

若提取出的部位實體為多個，則將各個所述部位實體分別與所述疾病實體進行組合，獲得所述待處理醫療影像診斷報告的實體提取結果。

8.如權利要求1所述的方法，其特征在于，所述獲取待處理醫療影像診斷報告中的非結構化文本，包括：

將所述待處理醫療影像診斷報告轉換為指定格式，獲得所述待處理醫療影像診斷報告的指定格式文本；

提取所述指定格式文本中的影像所見和影像診斷，獲得所述待處理醫療影像診斷報告中的非結構化文本。