基于多層學習的病歷實體識別算法設計與實現(xiàn).pdf

1、隨著醫(yī)療信息化的快速發(fā)展，醫(yī)療機構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構化、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)療科研領域中，病歷實體識別的準確性和魯棒性，以及病歷實體組織存儲模型的標準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)要求病歷實體模型在描述實體本身的同時，還需要進一步描述實體間的語義關系。通過對電子病歷文本進行病歷實體識別

2、，進一步語義關系的識別，可以完成電子病歷的結構化，從麗支持現(xiàn)代臨床系統(tǒng)的需求。
　　命名實體識別作為文本信息提取的一項基本研究任務，用于將文本中描述的領域信息以命名實體的形式識別出來，并將其使用預先定義的命名實體標記符號進行標注。本文將命名實體識別技術應用于電子病歷文本，對命名實體進行了廣義定義，將電子病歷中的命名實體稱為病歷實體，設計并實現(xiàn)了基于多層學習的病歷實體識別算法。
　　本文首先分析了電子病歷特點，定義了所需識別的

3、病歷實體，分析病歷實體含義及實體間關系，設計了一種面向病歷實體、描述和關系的臨床病歷本體模型。然后設計了基于多層學習的病歷實體識別算法，該算法的各層為:基于CRF的病歷實體識別算法，以字為分割單位對病歷文本進行分割，標記訓練文本，訓練CRF識別模型，完成病歷實體的初識別;基于決策樹的病歷實體識別算法，將病歷實體識別任務轉(zhuǎn)化為病歷實體分類任務，使用決策樹算法作為分類算法訓練分類器，對初識別結果進行修正;基于先驗規(guī)則的病歷實體識別算法，分析