[发明专利]一种基于多类型病历文本的结构化信息提取方法

说明书

本发明公开了一种基于多类型病历文本的结构化信息提取方法，包括：S1:确定病历类型，将获得的文本数据进行预处理以去除冗余信息后，通过文本相似度匹配的方法，判断病历的类型；S2:结构化信息提取，从医疗数据库中获取特定病历类型需要提取的属性列表，根据属性列表设置实体类别，并对文本数据中的实体进行标注构建命名实体识别数据集，通过算法进行训练以获得可能有用的实体，最后设定规则提取实体或其对应的值。S3:审核保存，将提取结果交由医生进行审核。本发明可以将传统的半结构化病历转换成结构化信息，提取并存储其中的重要信息，会更加便于医生快速浏览、阅读和查找病历，同时也便于后续的数据挖掘和深度利用。

技术领域

本发明涉及结构化信息提取技术领域，尤其涉及一种基于多类型病历文本的结构化信息提取方法。

背景技术

近年来，随着医疗信息化产业的发展，以电子病历为代表的文本数据规模也呈现出了高速增长的趋势。电子病历因其便于共享、传输效率高、使用方便、便于管理、成本不高等各个方面的优点逐渐取代了传统的纸质病历。目前，在各个医院系统中存储的病历多为半结构化的，虽然大多包含了病人的基本信息、疾病诊断、检查结果、治疗状况等内容，但是其描述的复杂程度则是大不相同的，这为医生浏览病历增加了时间、人力成本。因此，如果能够将病历转换成结构化信息，提取并显示、存储其中的重要信息，会更加便于医生快速浏览、阅读和查找病历，同时也便于后续的数据挖掘和深度利用。目前的一些病历结构化信息提取方法多是针对某种特定类型(或疾病)，而在实际应用中，针对于不同部位的相同检查、同一部位不同检查获得的文本描述差异巨大，需要提取的内容也各有不同，现有技术中的病历结构化大多是针对实体间关系提取，例如提取的实体关系包括“某检查发现某种症状”、“某治疗施加于某种疾病”、“某治疗改善某种疾病”等等，而关于重要属性的提取，例如“肿块位置”、“肿块大小”、“乳腺构成”等则是研究较少，医生可能需要花费很多的时间在文本的查找和阅读上，同时也不利于后续的数据挖掘与分析。

发明内容

根据现有技术存在的问题，本发明公开了一种基于多类型病历文本的结构化信息提取方法，具体包括如下步骤：

获取原始病历信息并对其进行预处理，包括去除冗余信息和清洗异常数据、异常值，再将该病历与数据库中的模板病历进行文本相似度匹配，获得该病历与每个模板的相似度从而确定病历类型；

从医疗数据库中获取病历需要提取的属性列表，根据属性列表设置实体类别，并对文本数据中的实体进行标注构建命名实体识别数据集，采用深度学习算法对识别模型进行训练，将命名实体识别数据集输入至完成训练的识别模型以获得有价值的实体，对不同的实体构建相应的提取规则筛选有用实体或提取实体对应的值；

对获得的结构化提取结果进行审核，如果审核通过则直接进行保存，如果审核不通过则手动修改后再继续保存。

进一步的，根据病历类型从医疗数据库中获取相应的需要提取的属性列表；

根据每个类型的病历需要提取的属性，设置实体类别，并以此实体类别作为依据对病历数据进行标注获得带标签的数据集；

将带标签的数据集输入至识别模型进行训练，利用训练好的识别模型对病历数据进行命名实体识别，从而得到有价值的实体；

对不同类别的实体构建相应的提取规则从而筛选有用实体或提取实体对应的值。

由于采用了上述技术方案，本发明提供了一种基于多类型病历文本的结构化信息提取方法，该方法可以将传统的半结构化病历转换成结构化信息，提取并存储其中的重要信息，会更加便于医生快速浏览、阅读和查找病历，大大减少了医生的工作量，同时也便于后续的数据挖掘和深度利用；本发明的重要属性提取与其他发明的关系提取有着很大不同，两者可以互为补充，使得对病历的提取更加充分、完整；本发明的模型能够持续迭代升级，可以通过扩充命名实体识别数据集来使模型的精度不断提高，同时也可不断增加可识别的病历类型。

附图说明