[发明专利]一种面向中文电子病历文本结构化解析的标注方法

说明书

本发明公开了一种面向中文电子病历文本结构化解析的标注方法，属于大数据技术领域，建立标注系统，参与标注的人员通过Web页面对入院记录标注原始表进行中文分词、词性和命名实体标注，并生成标注结果表，解决了对电子病历文本的分词、词性、命名实体标进行简洁的标注的技术问题，本发明同时站在标注者和算法设计人员的视角，一方面标注系统简洁易用，最大限度降低标注者的标注工作强度，降低出错率，另一方面，标注系统设计与知识库管理系统、核心算法系统实现数据流无缝对接，即原始电子病历数据经过预处理后直接流入标注系统，标注系统的输出直接作为核心算法系统的输入。

技术领域

本发明属于大数据技术领域，特别涉及一种面向中文电子病历文本结构化解析的标注方法。

背景技术

随着大数据时代的到来，数据的采集成本、计算成本、存储成本大幅降低，医疗行业的存量历史数据和增量数据越来越多，为辅助诊疗、个性化医疗等“智慧医疗”的开展提供了坚实的大数据支撑。以郑大一附院为例，近三年的电子病历(Electronic medicalrecords，EMR)数量已经超过2000余万份。

电子病历作为医疗信息化的主要载体，包含了大量高价值的诊疗信息，这些信息可以作为辅助诊疗、疾病预防、健康管理等科研、临床应用的基础数据源。但是，电子病历源于医护人员的自然语言表达，绝大部分内容为非结构化的文本信息，无法直接作为临床、科研应用的输入。因此需要采用自然语言处理技术(Natural Language Processing，NLP)对电子病历中的非结构化信息进行解析和抽取，转化为结构化信息存入数据库，向上层多样化的智慧医疗应用开放统一的访问接口。

当前，深度学习算法已经成为文本结构化解析的有效途径和研究热点。基于深度学习算法模型的文本结构化解析效果很大程度上取决于高质量的分词、词性、命名实体标注。实际上，中文电子病历标注已经成为深度学习算法在智慧医疗应用落地的基本前提。标注是一项乏味、易出错的过程，需要耗费大量的人力、时间成本。

发明内容

本发明的目的是提供一种面向中文电子病历文本结构化解析的标注方法，解决了对电子病历文本的分词、词性、命名实体标进行简洁的标注的技术问题。

为实现上述目的，本发明采用以下技术方案：

一种面向中文电子病历文本结构化解析的标注方法，包括如下步骤：

步骤1：建立标注系统，标注系统包括标注系统架构和标注数据库；

标注系统架构包括Web开发框架和标注功能接口；

步骤2：Web开发框架采用Spring MVC Web开发架构，具体执行步骤如下：

步骤S1：首先用户发送请求信息至前端控制器，前端控制器根据请求信息来决定选择哪一个页面控制器进行处理。并把请求信息委托给该页面控制器；

步骤S2：页面控制器接收到请求信息后进行功能处理：首先需要收集和绑定请求信息到一个对象，设定该对象在Spring WebMVC中叫命令对象，并进行验证，然后将命令对象委托给业务对象进行处理；最后处理完毕后返回一个Model And View，即，模型数据和逻辑视图名；

步骤S3：前端控制器收回控制权，然后根据返回的逻辑视图名，选择相应的视图进行渲染，并把模型数据传入以便视图渲染；

步骤S4：前端控制器再次收回控制权，将响应返回给用户；

步骤3：标注功能接口全部遵循Restful标准化接口规范，接口规范采用标准的HTTP规范方法，并遵循HTTP规范方法中的语义；

步骤4：用户通过Web页面将入院记录标注原始表输入标注系统，标注数据库读取并存储入院记录标注原始表；