臨床文檔結(jié)構(gòu)化處理研究與系統(tǒng)實(shí)現(xiàn).pdf

1、隨著國內(nèi)各大醫(yī)院信息化建設(shè)進(jìn)程的不斷發(fā)展，各類臨床信息系統(tǒng)為醫(yī)院積累了豐富的臨床數(shù)據(jù)資源。臨床數(shù)據(jù)中所包含的海量醫(yī)療活動信息，不僅是醫(yī)療、教學(xué)、科研的第一手資料，同時也是對醫(yī)療質(zhì)量、技術(shù)水平、管理水平等進(jìn)行綜合評價的依據(jù)。想要對臨床數(shù)據(jù)進(jìn)行分析和總結(jié)，首先需要對其中的敘述性醫(yī)療文本數(shù)據(jù)進(jìn)行處理。
　　傳統(tǒng)對敘述性醫(yī)療文本數(shù)據(jù)的分析主要依賴人工處理，醫(yī)生、科研人員和管理員通過瀏覽和研讀這類醫(yī)療文本數(shù)據(jù)，從中抽取出所需要的信息。但在當(dāng)

2、前醫(yī)療大數(shù)據(jù)的背景下，呈幾何級增長的診療數(shù)據(jù)使得從中獲取所需要的信息面臨更多的困難。同時，大量的非結(jié)構(gòu)化醫(yī)療文本數(shù)據(jù)也成為醫(yī)院之間信息共享的障礙。因此，對非結(jié)構(gòu)化臨床醫(yī)療數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理研究具有極其重要的意義。
　　現(xiàn)有醫(yī)療文本數(shù)據(jù)的結(jié)構(gòu)化處理可以分為以設(shè)計規(guī)范的病歷系統(tǒng)為主的前結(jié)構(gòu)化處理和以利用自然語言處理技術(shù)為主的后結(jié)構(gòu)化處理兩大類。為充分利用已有的歷史臨床數(shù)據(jù)資源，本文結(jié)合臨床醫(yī)療文本數(shù)據(jù)自身的特點(diǎn)，借助規(guī)則提取、文本聚類

3、、統(tǒng)計分析等技術(shù)手段，設(shè)計并實(shí)現(xiàn)了一個完整的醫(yī)療文本數(shù)據(jù)后結(jié)構(gòu)化處理系統(tǒng)，以支持非結(jié)構(gòu)化醫(yī)療文本數(shù)據(jù)的自動化結(jié)構(gòu)數(shù)據(jù)轉(zhuǎn)換。
　　本文首先以臨床文檔中病理報告的巨檢病理文本數(shù)據(jù)為例，歸納總結(jié)出病理文本數(shù)據(jù)的層次結(jié)構(gòu)和書寫特點(diǎn)，并設(shè)計了整體的結(jié)構(gòu)化處理流程。在此基礎(chǔ)上，本文設(shè)計了臨床文檔結(jié)構(gòu)化處理系統(tǒng)的總體框架，分別介紹了其三大核心模塊：臨床文檔數(shù)據(jù)預(yù)處理模塊、病理樣本描述模板提取模塊和臨床文檔即時結(jié)構(gòu)化模塊，并對各模塊的主要功能和任

4、務(wù)進(jìn)行了詳細(xì)闡述。
　　然后為解決病理樣本描述模板的提取問題，本文建立了一個病理樣本名詞庫，并提出一種基于規(guī)則的指標(biāo)名提取算法，通過詞庫、詞性以及字詞在文本片段中的位置等信息綜合篩選出病理文本中的指標(biāo)名。在此基礎(chǔ)上，結(jié)合自定義的文本相似度計算方法，提出一種基于詞典的文本聚類算法，用以初步確定每個病理樣本描述模板成員的提取范圍。再通過統(tǒng)計參數(shù)IDF和C-value值的篩選，得到最終的病理樣本描述模板。
　　最后，對新錄入的臨床

5、醫(yī)療文本數(shù)據(jù)，通過套用現(xiàn)有的病理樣本描述模板，達(dá)到即時結(jié)構(gòu)化的目的。同時，系統(tǒng)提供了反饋優(yōu)化功能，可以通過修改詞庫、向待處理庫添加數(shù)據(jù)、修改規(guī)則參數(shù)甚至修改模板文件來實(shí)現(xiàn)對系統(tǒng)的更新優(yōu)化。
　　此外，本文提出的臨床文檔結(jié)構(gòu)化處理系統(tǒng)采用B/S架構(gòu)，使用web技術(shù)實(shí)現(xiàn)了面向用戶的界面操作接口，用戶可以方便地通過頁面操作對系統(tǒng)進(jìn)行模板訓(xùn)練和數(shù)據(jù)結(jié)構(gòu)化處理操作。
　　為驗證本文提出的結(jié)構(gòu)化處理方法的可用性，本文在真實(shí)數(shù)據(jù)集上進(jìn)行測