中文電子病歷命名實(shí)體識(shí)別研究.pdf

1、信息技術(shù)的迅猛發(fā)展帶動(dòng)了醫(yī)院的信息化建設(shè)，國(guó)家政策的支持為電子病歷系統(tǒng)等醫(yī)學(xué)信息系統(tǒng)的建立打下了堅(jiān)實(shí)的基礎(chǔ)，由此帶來(lái)了大量的醫(yī)療數(shù)據(jù)，其中電子病歷受到了廣泛的關(guān)注。
　　電子病歷是在醫(yī)療活動(dòng)過(guò)程中產(chǎn)生的重要臨床信息資源，包含了大量與患者健康狀況密切相關(guān)的醫(yī)療知識(shí)，充分識(shí)別電子病歷中的這些知識(shí)將大大推動(dòng)醫(yī)療事業(yè)的發(fā)展。鑒于目前中文電子病歷發(fā)展現(xiàn)狀，本文共開(kāi)展了如下幾項(xiàng)研究：
　?。?）制定中文電子病歷命名實(shí)體標(biāo)注規(guī)范并構(gòu)建命名

2、實(shí)體標(biāo)注語(yǔ)料。本文參考I2B22010給出的電子病歷命名實(shí)體類型及修飾類型的定義，在專業(yè)醫(yī)生的指導(dǎo)下制定了詳盡的中文電子病歷標(biāo)注規(guī)范；通過(guò)對(duì)大量中文電子病歷的分析，提出了一套完整的中文電子病歷命名實(shí)體標(biāo)注方案，且采用預(yù)標(biāo)注和正式標(biāo)注的方法，建立了規(guī)模為992份的中文電子病歷命名實(shí)體標(biāo)注語(yǔ)料，標(biāo)注語(yǔ)料的一致性達(dá)到了92％以上。
　　（2）開(kāi)展基于有監(jiān)督學(xué)習(xí)的中文電子病歷命名實(shí)體識(shí)別研究。本文采用最大熵（ME）、條件隨機(jī)域（CRF）、

3、結(jié)構(gòu)化支持向量機(jī)（SSVM）三種機(jī)器學(xué)習(xí)方法構(gòu)建了命名實(shí)體識(shí)別系統(tǒng)，并在此基礎(chǔ)上引入了病歷特征、詞典特征以及詞聚類特征。鑒于中文醫(yī)學(xué)詞典與知識(shí)庫(kù)匱乏的現(xiàn)狀，本文構(gòu)建了小規(guī)模的電子病歷詞典，用于輔助命名實(shí)體識(shí)別研究。同時(shí)，在3634份病歷的基礎(chǔ)上構(gòu)建了詞向量，并對(duì)比了K-means和GAAC兩種聚類方法。引入三種擴(kuò)展特征后，SSVM模型系統(tǒng)性能最好，F(xiàn)值達(dá)到了92.87%。
　?。?）開(kāi)展基于組合分類器的中文電子病歷命名實(shí)體識(shí)別研究

4、。本文引入Bagging和Stacking兩種組合分類器算法，構(gòu)建多種組合分類器來(lái)進(jìn)一步提高實(shí)體識(shí)別效果。其中，以采用Stacking策略，CRF與SSVM結(jié)合的組合分類器效果最優(yōu)，系統(tǒng)性能最終達(dá)到92.97%。
　　綜上所述，本文制定了中文電子病歷命名實(shí)體標(biāo)注規(guī)范并構(gòu)建了相關(guān)語(yǔ)料，實(shí)現(xiàn)了基于三種有監(jiān)督學(xué)習(xí)方法的命名實(shí)體識(shí)別系統(tǒng)，并引入擴(kuò)展特征與組合分類器算法對(duì)系統(tǒng)性能進(jìn)行提升。與目前僅有的兩個(gè)團(tuán)隊(duì)的研究成果相比，無(wú)論是在實(shí)體類型