基于多層學(xué)習(xí)的病歷實(shí)體識別算法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著醫(yī)療信息化的快速發(fā)展，醫(yī)療機(jī)構(gòu)在臨床診斷過程中產(chǎn)生了大量的原始病歷數(shù)據(jù)。由于電子病歷多為非結(jié)構(gòu)化、敘述性文本，不能較好地存儲、組織和管理病歷中的臨床信息，因此電子病歷文本信息很難被充分利用。在醫(yī)療科研領(lǐng)域中，病歷實(shí)體識別的準(zhǔn)確性和魯棒性，以及病歷實(shí)體組織存儲模型的標(biāo)準(zhǔn)化和共享化成為對電子病歷文本信息抽取的重要步驟。智能的臨床系統(tǒng)要求病歷實(shí)體模型在描述實(shí)體本身的同時，還需要進(jìn)一步描述實(shí)體間的語義關(guān)系。通過對電子病歷文本進(jìn)行病歷實(shí)體識別

2、，進(jìn)一步語義關(guān)系的識別，可以完成電子病歷的結(jié)構(gòu)化，從麗支持現(xiàn)代臨床系統(tǒng)的需求。
　　命名實(shí)體識別作為文本信息提取的一項(xiàng)基本研究任務(wù)，用于將文本中描述的領(lǐng)域信息以命名實(shí)體的形式識別出來，并將其使用預(yù)先定義的命名實(shí)體標(biāo)記符號進(jìn)行標(biāo)注。本文將命名實(shí)體識別技術(shù)應(yīng)用于電子病歷文本，對命名實(shí)體進(jìn)行了廣義定義，將電子病歷中的命名實(shí)體稱為病歷實(shí)體，設(shè)計(jì)并實(shí)現(xiàn)了基于多層學(xué)習(xí)的病歷實(shí)體識別算法。
　　本文首先分析了電子病歷特點(diǎn)，定義了所需識別的

3、病歷實(shí)體，分析病歷實(shí)體含義及實(shí)體間關(guān)系，設(shè)計(jì)了一種面向病歷實(shí)體、描述和關(guān)系的臨床病歷本體模型。然后設(shè)計(jì)了基于多層學(xué)習(xí)的病歷實(shí)體識別算法，該算法的各層為:基于CRF的病歷實(shí)體識別算法，以字為分割單位對病歷文本進(jìn)行分割，標(biāo)記訓(xùn)練文本，訓(xùn)練CRF識別模型，完成病歷實(shí)體的初識別;基于決策樹的病歷實(shí)體識別算法，將病歷實(shí)體識別任務(wù)轉(zhuǎn)化為病歷實(shí)體分類任務(wù)，使用決策樹算法作為分類算法訓(xùn)練分類器，對初識別結(jié)果進(jìn)行修正;基于先驗(yàn)規(guī)則的病歷實(shí)體識別算法，分析