[发明专利]基于深度学习的乳腺电子病历联合关系抽取与结构化系统

权利要求书

1.一种基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，包括乳腺电子病历数据的结构化模块和乳腺电子病历数据的关系抽取模块，所述乳腺电子病历数据的结构化模块基于深度学习将大量非结构化的文本数据转化为评估算法可识别的结构化数据；所述乳腺电子病历数据的关系抽取模块基于深度学习建立电子病历结构化模型，得到评估结果。

2.根据权利要求1所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，所述乳腺电子病历数据的结构化模块首先选取较完整的乳腺电子病历文本数据进行数据清洗、分词和标注，形成初步的数据训练集文件；其次读取已标注的训练数据，依据文本的字符特征构建字向量，以字向量构建文本特征向量作为整个模型的输入；最后经过文本的预处理操作后，得到由字向量构建的文本特征向量，再利用神经网络模型进行进一步的特征抽取以及分类操作，获得非结构化文本中的实体。

3.根据权利要求2所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，所述乳腺电子病历数据的结构化模块根据医疗领域的分词算法得到更加准确的分词结果，再对词语或字进行相关标注以及词向量或字向量训练；其中，模型训练提供用于训练预测模型的算法支持，通过预配置的CNN和LSTM算法调用，同时实现一个自定义的模型类以及内部相应的接口函数用于网络模型训练；最后，通过模型训练生成能够进行结构化的模型，从而能够提取非结构化的乳腺电子病历中的疾病、症状、检查和治疗的实体。

4.根据权利要求3所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，在字向量训练时，模型中网络的输入是由每个乳腺电子病历的句子向量矩阵构成，而单个的句子向量矩阵由预先训练好的字向量构成；其中，字向量的构建利用Skip-gram模型作为基础，通过给定的中心字来预测上下文周围的字，通过大量的医疗评价语料集进行字向量训练。

5.根据权利要求1所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，所述乳腺电子病历数据的关系抽取模块首先把结构化之后的结果中的两组实体以及实体间的句子作为输入；其次利用所输入的训练集建立关系抽取模型，利用测试集检测模型性能；最后给定一份原始的乳腺电子病历报告文本，实验乳腺电子病历结构化以及关系抽取模型的可用性，得到结构化后的结果。

6.根据权利要求5所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，所述乳腺电子病历数据的关系抽取模块所要预测的实体间关系包括：因症状而采取检查、检查而发现某种症状、治疗施加于某种疾病、治疗恶化某种疾病和治疗改善了某种疾病；通过结构化获得的两个实体对应的编码向量，以及实体间的句子作为关系抽取CNN模型的输入；通过预先整理的实体间关系与预测的结果进行误差比较，从而生成有效的关系抽取网络，建立关系抽取预测模型，并利用测试集检测模型的性能。

7.根据权利要求5所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，所述乳腺电子病历数据的关系抽取模块基于机器学习的算法将生物医学NER视为序列标记问题，其中每个算法的目标是为给定输入句子找到最佳标签序列；通过把结构化也作为序列BIO标注任务，再利用编码层对输入的乳腺电子病历进行特征提取；将特征表示输入至结构化部分利用LSTM解码，将解码后的表示输入至Softmax层预测序列对应的标注；最后，将乳腺电子病历对应的表示与编码层的特征进行连接作为联合表示进行关系分类。

8.根据权利要求6所述的基于深度学习的乳腺电子病历联合关系抽取与结构化系统，其特征在于，所述特征提取是采用Bi-LSTM网络实现的，具体为：将输入语句转换为字向量，将其输入Bi-LSTM层；对于给定的输入序列，针对每一个输入将其向量化成d维向量；前向LSTM采用从左向右的输入方式，针对每一字得出相应的输出，从而得到前向句子输出；后向LSTM采用从右向左的输入方式，针对每一个字得出相应的输出，得到后向句子输出；将得到的前向句子输出和后向句子输出相加，即得出Bi-LSTM的输出结果。