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(xué)者的關(guān)注。電子病歷中蘊(yùn)含的知識能夠應(yīng)用在醫(yī)療診斷、用戶制定健康計(jì)劃和醫(yī)療問答等領(lǐng)域中。概念抽取作為信息處理的基礎(chǔ)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(diǎn)。電子病歷中包含大量專業(yè)術(shù)語、醫(yī)療習(xí)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(qiáng)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(diǎn)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(wù)最好系統(tǒng)的F值為0.8523,與傳統(tǒng)領(lǐng)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(guān)概念,本文使用了CRF、最大熵、MIRA三種基本學(xué)習(xí)模型并利用實(shí)體識別的基本特征建立了baseline系統(tǒng)。在利用最大熵模型時(shí),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(dāng)前位置前一個(gè)詞的標(biāo)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(diǎn),本文從特征擴(kuò)展、學(xué)習(xí)模型組合以及其它領(lǐng)域資源的使用三個(gè)方面進(jìn)行研究,從而提高了概念抽取的效果。在特征擴(kuò)展方面,充分利用了電子病歷的結(jié)構(gòu)特點(diǎn)和構(gòu)詞字符信息,并借助于醫(yī)療相關(guān)的資源,兩類特征各使概念抽取的F值提高了約一個(gè)百分點(diǎn),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(gè)百分點(diǎn);在學(xué)習(xí)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(xué)