中文病歷文本的時間信息提取研究.pdf

1、隨著臨床信息化的發(fā)展以及電子病歷、臨床決策支持等臨床信息系統(tǒng)的逐步采用，面向病歷文本的文本挖掘和信息提取研究成為醫(yī)學(xué)信息學(xué)研究的熱點。由于時間信息在病歷文本中的較高出現(xiàn)頻率，病歷文本中的時間信息及其關(guān)系提取對于實現(xiàn)醫(yī)療信息結(jié)構(gòu)化，促進臨床決策支持、醫(yī)療信息挖掘等信息綜合利用具有重大意義。因此，本論文面向中文病歷文本，針對時間表達識別、時間信息規(guī)范化和時間關(guān)系提取三個關(guān)鍵問題開展研究。
　　 時間表達識別作為時序語義標注的關(guān)鍵技術(shù)

2、之一，其結(jié)果的好壞直接影響時間信息提取的效果，因此專門針對醫(yī)學(xué)病歷語料的時間表達識別研究是進行中文病歷文本中時間信息提取的必經(jīng)階段。本論文對涵蓋30多個科室的147份實際病歷中的時間表達進行統(tǒng)計并分類，提出了基于一套時間正則表達式和相鄰匹配原則的中文病歷文本時間表達自動識別方法，實驗表明該方法能基本覆蓋病歷文本中的時間表達信息。
　　 時間信息規(guī)范化是后續(xù)開展時間推理的基礎(chǔ)，針對時間表達識別的結(jié)果，本論文提出了中文病歷文本中時間

3、信息參考時間的選取規(guī)律，針對不同種類時間信息采用不同的參考時間選取規(guī)則，計算出病歷文本中所述時間信息在日歷中的表示，并參考國際時間標注標準制定了針對醫(yī)學(xué)領(lǐng)域的時間規(guī)范化表示方法，實現(xiàn)了時間信息的規(guī)范化，為病歷文本中時間信息的后續(xù)利用提供標準化數(shù)據(jù)，該方法可涵蓋病歷文本語料中96％以上的時間信息，正確率可達91％。
　　 建立醫(yī)療事件與時間信息的關(guān)聯(lián)是開展病歷文本中時間信息自動利用研究的驅(qū)動力，為此本論文提出了一種基于條件隨機場(

4、CRF)的時間關(guān)系自動提取算法。該機器學(xué)習(xí)方法以經(jīng)過醫(yī)學(xué)問題和時間信息規(guī)范化表示結(jié)果進行標注的病歷文本為訓(xùn)練內(nèi)容，時間關(guān)系結(jié)果標注采用以醫(yī)學(xué)問題為中心的模式，即僅提取所關(guān)心醫(yī)學(xué)問題的時間屬性。在此方法框架下本論文以63份實際病歷作為實驗文本深入分析了不同的CRF學(xué)習(xí)模板對于時間關(guān)系提取的影響，提出了時間關(guān)系提取中CRF學(xué)習(xí)模板設(shè)計的一般規(guī)律，實驗中最佳模板情況下關(guān)系提取正確率可達86.94％。
　　 本論文通過以上三部分的有機結(jié)