電子病歷文本挖掘關鍵算法研究.pdf

1、隨著醫(yī)療技術的飛速發(fā)展和醫(yī)療IT系統(tǒng)（EHR/PACS/HIS/LIS等）的普及應用，海量、分布、異構的醫(yī)學數(shù)據(jù)隨之產(chǎn)生。同時，醫(yī)療行為越來越依靠對數(shù)據(jù)的判斷，且隨著醫(yī)療設備種類覆蓋面越來越廣，數(shù)據(jù)精度的逐漸提升，臨床診斷也正在從定性判斷向定量分析轉變。電子病歷記錄了患者詳細的診療過程，數(shù)據(jù)內(nèi)容豐富，因此，開展電子病歷文本挖掘對于提高臨床診療效率和水平具有重要意義。本文基于臨床產(chǎn)生的大量電子病歷數(shù)據(jù)，通過數(shù)據(jù)預處理、疾病文本聚類、診療模

2、式挖掘和病歷關聯(lián)分類關鍵算法的研究，發(fā)現(xiàn)病歷中有價值的規(guī)則、模型，并應用于臨床決策支持系統(tǒng)。本文創(chuàng)新性地完成以下工作。
　　(1)針對電子病歷數(shù)據(jù)存儲結構不統(tǒng)一、部分數(shù)據(jù)項缺失、數(shù)據(jù)項值不標準，同義或否定表達導致信息抽取困難等問題，本文提出了一種基于元數(shù)據(jù)的病歷清洗算法。首先系統(tǒng)地定義電子病歷元數(shù)據(jù)庫，包括用于抽取、加載的技術元數(shù)據(jù)和用于數(shù)據(jù)值標準化、轉換的業(yè)務元數(shù)據(jù);然后采用數(shù)據(jù)適配器模型實現(xiàn)病歷數(shù)據(jù)在線自動抽取、轉換和存儲。針

3、對清洗后病歷中存在的大量非結構化數(shù)據(jù)，提出了規(guī)則與條件隨機場相結合的病歷實體識別算法，為后續(xù)的算法研究提供結構化的病歷數(shù)據(jù)。
　　(2)針對電子病歷數(shù)據(jù)中疾病命名不統(tǒng)一、不標準，缺乏疾病命名分類標準問題，本文提出了一種面向短文本的疾病層次概念聚類算法。首先基于病歷中獲取各種疾病診斷文本，采用自適應的疾病中心概念聚類方法，實現(xiàn)疾病同義文本的識別;然后采用基于潛在概念的疾病層次概念聚類方法實現(xiàn)層次化的疾病分類標準構建。同時針對疾病文本

4、的特點，提出了一種基于集合的快速短文本相似度量方法。實驗結果表明該方法可以快速準確地對疾病文本進行同義識別和層次概念構建。
　　(3)針對關系模式挖掘算法缺乏對數(shù)據(jù)項間分類關系的考慮或分類關系單一、算法效率低問題，本文提出了一種基于多層多分類的診療關系模式挖掘算法。該算法可以適應泛化、聚合、關聯(lián)和依賴四種分類關系類型，有效去除了冗余的關系模式。同時，該算法提出一種多層圖數(shù)據(jù)結構和多層遍歷方法，將病歷的事務數(shù)據(jù)和分類關系數(shù)據(jù)融合在一

5、起，實現(xiàn)關系模式的快速查找，避免傳統(tǒng)方法多次掃描數(shù)據(jù)庫的問題。
　　(4)在病歷分類研究方面，基于神經(jīng)網(wǎng)絡的疾病分類方法應用廣泛，但對于訓練數(shù)據(jù)的數(shù)量都會有一定的限制，并且對于新的病歷內(nèi)容需要重新訓練模型，擴展性不強，訓練時間較長。關聯(lián)分類方法雖然可以根據(jù)分類規(guī)則快速構建分類模型，但是缺乏對分類規(guī)則間耦合關系的考慮，且缺乏統(tǒng)一的分類判別模型。本文提出了一種基于神經(jīng)網(wǎng)絡的關聯(lián)分類算法，該方法能夠實現(xiàn)神經(jīng)網(wǎng)絡快速地結構建立和參數(shù)設置。