CN106909783-CN201710101225-一种基于时间线的病历文本医学知识发现方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106909783 A (43)申请公布日 2017.06.30 (21)申请号 201710101225.X (22)申请日 2017.02.24 (71)申请人 北京交通大学 地址 100044 北京市海淀区西直门外上园 村3号 (72)发明人 陈东华　张润彤　朱晓敏　 (74)专利代理机构 北京卫平智业专利代理事务 所(普通合伙) 11392 代理人 董琪 (51)Int.Cl. G06F 19/00(2011.01) 权利要求书1页 说明书3页 附图4页 (54)发明名称 一种基于时间线的病历文本医学知识发现 方法 (57)摘要 为了解决当前电子病历中非结构化文本难 以用于诊疗预测和决策的问题，本发明提供一种 基于时间线的病历文本知识发现方法，包括以下 步骤：构建病历样本库，用于存储结构化后的文 本数据；构建病历时间文本规则库；构建包含疾 病、药品和不良反应的医学知识库；对病历文本 按句式拆分；使用语义分析工具进行词性标注； 标注时间名词并进行根据时间先后对病历文本 中拆分的文本块重新进行排序；依据医学知识库 标注文本中的药品、疾病和不良反应；对文本中 词语组合，提取其中患者的生理化验指标和事 A 件。本发明帮助医学研究者更容易地发现病历文 3 本中的医学知识。 8 7 9 0 9 6 0 1 N C CN 106909783 A 权　利　要　求　书 1/1页 1.一种基于时间线的病历文本医学知识发现方法，其特征包括以下步骤： (1)构建病历样本库，用于存储电子病历中原始病历文本、词性标记后的文本、时间信 息标记后的文本和知识发现后的文本，以XML格式存储； (2)构建病历时间文本规则库，描述时间信息的使用正则表达式进行描述； (3)构建相关医学知识库，本方法包括疾病知识、药品知识和药品不良反应库三种库； (4)对病历样本库中的病历文本按句式进行拆分；其中，一个句子根据逗号拆分成若干 个文本块。 (5)使用语义分析工具对拆分后的文本块进行分词和词性标注； (6)词性标注后的各个词语进行时间规则的匹配，找出时间名词，存储时间名词； (7)根据时间信息的先后，从句子的层次重新对文本的句子进行排序，构建基于时间线 的XML文本结构；对于模糊的时间文本，进行确定时间的修正。 (8)依据医学知识库，从已经标注词性的文本中进行二次标注，将其中的药品、疾病知 识和不良反应进一步标注出来； (9)从文本块中取连续两个词、三个词或n个词，提取中其中的生理指标和事件信息。 2.根据权利要求(1)所述的构建医学知识库，疾病知识库采用基于ICD-10编码的国际 疾病分类库，结合了每种疾病对应的详细信息。药品知识库包含西药、中成药和中草药三类 信息。药品不良反应库采用《WHO药品不良反应术语集》。 3.根据权利要求(1)所述采用的语义分析工具是Stanford  Natural  Language  Processing语义分析工具包进行实现，先进行中文分词，然后利用语义分析工具对其中词 语进行词性标注。 4.根据权利要求(1)所述的步骤(6)使用的时间规则，包括计算具有年月日的绝对时 间，如“2016年1月1日”，也包括识别如“几天后”的相对模糊的时间信息，根据最近的时间 点，计算出该模糊时间的绝对时间。 5.根据权利要求(1)所述的步骤(8)中第一次标注的形式如(W,T)，其中W表示词语，T表 示W的词性。第二次