基于模式匹配的非結構化病理報告的信息抽取方法.pdf

1、隨著互聯(lián)網信息技術的快速發(fā)展，國內各大醫(yī)院的信息化建設取得長足進步。同時，也為醫(yī)院積累了豐富的非結構化臨床文檔數據。其中，病理報告就是一類非常重要的非結構化臨床文檔，其主要內容是由病理科醫(yī)生采用自然語言記錄的文本格式數據，其內容包括病人基本信息、肉眼可見標本信息、鏡下可見標本信息等。
　　傳統(tǒng)對病理報告的處理方法主要是依賴于主治醫(yī)生憑借其經驗對病理報告進行人工處理，其實質就是通過人工干預對病理報告數據進行結構化處理。但是，在當前大

2、數據背景下，呈幾何級數增長的病理報告數據使得人工結構化病理文本數據面臨巨大困難，不僅耗時耗力，且正確率不能保證。本文結合病理文本的結構特點和病理報告的書寫規(guī)范，借助規(guī)則提取、模式匹配、泛化等技術手段，設計并實現(xiàn)了一個完整的病理文本數據的結構化處理系統(tǒng)，以支持病理文本數據的結構化信息抽取。
　　本文的具體內容主要包括：
　　1）本文首先介紹了病理報告結構化處理相關技術，包括中文分詞技術、信息抽取方法、模式匹配算法以及逆向最短編

3、輯距離泛化方法等。
　　2）分析了病理文本數據的結構特點，建立了一個病理樣本名詞庫，提出一種基于規(guī)則的標本名提取算法，通過詞庫、詞性以及字詞在文本數據中的位置等信息綜合篩選出病理文本的標本名。
　　3）通過人工干預的學習方式抽取病理樣本信息建立初始模式庫。在此基礎上，結合病理報告的文本結構特征，通過自定義的模式匹配算法，最終得出病理樣本模式。
　　4）根據逆向最短編輯距離泛化方法，提出基于正向最短編輯距離的模式泛化方法