電子病歷中的概念抽取研究.pdf

1、隨著各國政府對健康醫(yī)療信息系統(tǒng)的投入,電子病歷信息挖掘得到越來越多學者的關注。電子病歷中蘊含的知識能夠應用在醫(yī)療診斷、用戶制定健康計劃和醫(yī)療問答等領域中。概念抽取作為信息處理的基礎模塊,在電子病歷的信息挖掘上不可或缺。
　　與傳統(tǒng)的文本相比,電子病歷有其自身的特點。電子病歷中包含大量專業(yè)術語、醫(yī)療習慣用語、以數(shù)字和單位表示的檢查結(jié)果、縮寫詞、模式較強但結(jié)構(gòu)不完整的句子,并且以半結(jié)構(gòu)化的方式組織各部分內(nèi)容,此外,由于涉及到病人的隱私

2、,目前公開可用的病歷數(shù)據(jù)很有限。這些特點加大了電子病歷概念抽取的難度,在2010年i2b2舉辦的評測中,電子病歷概念抽取任務最好系統(tǒng)的F值為0.8523,與傳統(tǒng)領域概念抽取效果有一定差距。
　　為了更好地抽取電子病歷相關概念,本文使用了CRF、最大熵、MIRA三種基本學習模型并利用實體識別的基本特征建立了baseline系統(tǒng)。在利用最大熵模型時,由于詞分類結(jié)果明顯優(yōu)于概念抽取的結(jié)果,本文將當前位置前一個詞的標簽作為模型特征,從而很

3、大幅度地提高了最大熵識別概念的效果。
　　針對電子病歷的特點,本文從特征擴展、學習模型組合以及其它領域資源的使用三個方面進行研究,從而提高了概念抽取的效果。在特征擴展方面,充分利用了電子病歷的結(jié)構(gòu)特點和構(gòu)詞字符信息,并借助于醫(yī)療相關的資源,兩類特征各使概念抽取的F值提高了約一個百分點,此外,通過挖掘病歷中名詞潛在的語義知識使概念抽取F值提高了約兩個百分點;在學習模型的組合上,嘗試了bagging方法以及堆積策略,前者組合優(yōu)化相同學