基于模式匹配的非結(jié)構(gòu)化病理報告的信息抽取方法.pdf

1、隨著互聯(lián)網(wǎng)信息技術(shù)的快速發(fā)展，國內(nèi)各大醫(yī)院的信息化建設(shè)取得長足進步。同時，也為醫(yī)院積累了豐富的非結(jié)構(gòu)化臨床文檔數(shù)據(jù)。其中，病理報告就是一類非常重要的非結(jié)構(gòu)化臨床文檔，其主要內(nèi)容是由病理科醫(yī)生采用自然語言記錄的文本格式數(shù)據(jù)，其內(nèi)容包括病人基本信息、肉眼可見標本信息、鏡下可見標本信息等。
　　傳統(tǒng)對病理報告的處理方法主要是依賴于主治醫(yī)生憑借其經(jīng)驗對病理報告進行人工處理，其實質(zhì)就是通過人工干預對病理報告數(shù)據(jù)進行結(jié)構(gòu)化處理。但是，在當前大

2、數(shù)據(jù)背景下，呈幾何級數(shù)增長的病理報告數(shù)據(jù)使得人工結(jié)構(gòu)化病理文本數(shù)據(jù)面臨巨大困難，不僅耗時耗力，且正確率不能保證。本文結(jié)合病理文本的結(jié)構(gòu)特點和病理報告的書寫規(guī)范，借助規(guī)則提取、模式匹配、泛化等技術(shù)手段，設(shè)計并實現(xiàn)了一個完整的病理文本數(shù)據(jù)的結(jié)構(gòu)化處理系統(tǒng)，以支持病理文本數(shù)據(jù)的結(jié)構(gòu)化信息抽取。
　　本文的具體內(nèi)容主要包括：
　　1）本文首先介紹了病理報告結(jié)構(gòu)化處理相關(guān)技術(shù)，包括中文分詞技術(shù)、信息抽取方法、模式匹配算法以及逆向最短編

3、輯距離泛化方法等。
　　2）分析了病理文本數(shù)據(jù)的結(jié)構(gòu)特點，建立了一個病理樣本名詞庫，提出一種基于規(guī)則的標本名提取算法，通過詞庫、詞性以及字詞在文本數(shù)據(jù)中的位置等信息綜合篩選出病理文本的標本名。
　　3）通過人工干預的學習方式抽取病理樣本信息建立初始模式庫。在此基礎(chǔ)上，結(jié)合病理報告的文本結(jié)構(gòu)特征，通過自定義的模式匹配算法，最終得出病理樣本模式。
　　4）根據(jù)逆向最短編輯距離泛化方法，提出基于正向最短編輯距離的模式泛化方法