電子病歷文本挖掘關(guān)鍵算法研究.pdf

1、隨著醫(yī)療技術(shù)的飛速發(fā)展和醫(yī)療IT系統(tǒng)（EHR/PACS/HIS/LIS等）的普及應(yīng)用，海量、分布、異構(gòu)的醫(yī)學(xué)數(shù)據(jù)隨之產(chǎn)生。同時(shí)，醫(yī)療行為越來越依靠對(duì)數(shù)據(jù)的判斷，且隨著醫(yī)療設(shè)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(zhuǎn)變。電子病歷記錄了患者詳細(xì)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?qū)τ谔岣吲R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(yù)處理、疾病文本聚類、診療模

2、式挖掘和病歷關(guān)聯(lián)分類關(guān)鍵算法的研究，發(fā)現(xiàn)病歷中有價(jià)值的規(guī)則、模型，并應(yīng)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(duì)電子病歷數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)不統(tǒng)一、部分?jǐn)?shù)據(jù)項(xiàng)缺失、數(shù)據(jù)項(xiàng)值不標(biāo)準(zhǔn)，同義或否定表達(dá)導(dǎo)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(shù)元數(shù)據(jù)和用于數(shù)據(jù)值標(biāo)準(zhǔn)化、轉(zhuǎn)換的業(yè)務(wù)元數(shù)據(jù);然后采用數(shù)據(jù)適配器模型實(shí)現(xiàn)病歷數(shù)據(jù)在線自動(dòng)抽取、轉(zhuǎn)換和存儲(chǔ)。針

3、對(duì)清洗后病歷中存在的大量非結(jié)構(gòu)化數(shù)據(jù)，提出了規(guī)則與條件隨機(jī)場(chǎng)相結(jié)合的病歷實(shí)體識(shí)別算法，為后續(xù)的算法研究提供結(jié)構(gòu)化的病歷數(shù)據(jù)。
　　(2)針對(duì)電子病歷數(shù)據(jù)中疾病命名不統(tǒng)一、不標(biāo)準(zhǔn)，缺乏疾病命名分類標(biāo)準(zhǔn)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(yīng)的疾病中心概念聚類方法，實(shí)現(xiàn)疾病同義文本的識(shí)別;然后采用基于潛在概念的疾病層次概念聚類方法實(shí)現(xiàn)層次化的疾病分類標(biāo)準(zhǔn)構(gòu)建。同時(shí)針對(duì)疾病文本

4、的特點(diǎn)，提出了一種基于集合的快速短文本相似度量方法。實(shí)驗(yàn)結(jié)果表明該方法可以快速準(zhǔn)確地對(duì)疾病文本進(jìn)行同義識(shí)別和層次概念構(gòu)建。
　　(3)針對(duì)關(guān)系模式挖掘算法缺乏對(duì)數(shù)據(jù)項(xiàng)間分類關(guān)系的考慮或分類關(guān)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(guān)系模式挖掘算法。該算法可以適應(yīng)泛化、聚合、關(guān)聯(lián)和依賴四種分類關(guān)系類型，有效去除了冗余的關(guān)系模式。同時(shí)，該算法提出一種多層圖數(shù)據(jù)結(jié)構(gòu)和多層遍歷方法，將病歷的事務(wù)數(shù)據(jù)和分類關(guān)系數(shù)據(jù)融合在一

5、起，實(shí)現(xiàn)關(guān)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(luò)的疾病分類方法應(yīng)用廣泛，但對(duì)于訓(xùn)練數(shù)據(jù)的數(shù)量都會(huì)有一定的限制，并且對(duì)于新的病歷內(nèi)容需要重新訓(xùn)練模型，擴(kuò)展性不強(qiáng)，訓(xùn)練時(shí)間較長。關(guān)聯(lián)分類方法雖然可以根據(jù)分類規(guī)則快速構(gòu)建分類模型，但是缺乏對(duì)分類規(guī)則間耦合關(guān)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(luò)的關(guān)聯(lián)分類算法，該方法能夠?qū)崿F(xiàn)神經(jīng)網(wǎng)絡(luò)快速地結(jié)構(gòu)建立和參數(shù)設(shè)置。