將命名實體識別技術(shù)運用于臨床業(yè)務(wù)系統(tǒng)中,實現(xiàn)對臨床醫(yī)囑的實體識別,提高臨床醫(yī)療的工作效率。以上海市胸科醫(yī)院為研究背景,提出嵌入于臨床業(yè)務(wù)信息系統(tǒng)的臨床醫(yī)囑實體識別方法。基于歷年醫(yī)囑數(shù)據(jù)建立專項語料詞庫,運用CRF模型進行實時實體識別。隨著識別系統(tǒng)上線使用,共處理了8 362條醫(yī)囑,實驗結(jié)果表明其準(zhǔn)確率較好,在信息支撐度方面提升了醫(yī)護人員的滿意度。醫(yī)囑實體識別技術(shù)能夠有效提高執(zhí)行效率和醫(yī)療質(zhì)量,也為醫(yī)療領(lǐng)域的知識挖掘工作提供了參考依據(jù)。 

【文章來源】：計算機應(yīng)用與軟件. 2020,37(03)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

醫(yī)囑實體識別流程框架

在前期的準(zhǔn)備工作中,我們從內(nèi)外科中各選擇一個病區(qū),對當(dāng)日醫(yī)生簽開的所有醫(yī)囑進行后期人工標(biāo)注,以此作為訓(xùn)練集及初始專項詞庫,同時將2018年12月的歷史醫(yī)囑數(shù)據(jù)加入測試集。由于CRF的特征函數(shù)對輸入序列在限定窗口下的文本具有相關(guān)約束關(guān)系[7],由此分析基于初始專項詞庫的測試集中醫(yī)囑文本通過CRF模型輸出結(jié)果的影響,并加入訓(xùn)練集中不斷迭代學(xué)習(xí)。最終,測試集的分析結(jié)果顯示,近似估計歸一因子Zx=0.8。測試分析過程見圖2。2 實證運行分析

統(tǒng)計在藥物類(D)、檢查類(E)、耗材類(M)、手術(shù)類(O)和護理類(N)這五類醫(yī)囑實體識別上的表現(xiàn),其結(jié)果見圖3�？梢钥闯�,藥物類(D)、耗材類(M)、手術(shù)類(O)和護理類(N)醫(yī)囑實體識別的準(zhǔn)確率均在80%以上,已可滿足臨床業(yè)務(wù)中準(zhǔn)確識別醫(yī)囑的要求。然而,檢查類(E)的效果仍不理想,造成此類狀況的原因,一是醫(yī)生偏好用縮略語來描述檢查或檢驗,如氣管鏡檢查可縮寫為TBB、TBLB、EBUS等;另外,還存在部分醫(yī)生用特殊符號與縮略語組合的形式來表示一套檢查項目,如PT·電·肝腎、PCT·血RT·肝腎等,導(dǎo)致出現(xiàn)專項詞庫無法及時對應(yīng)的狀況。

【參考文獻】：
期刊論文
[1]胸腺瘤結(jié)構(gòu)化專病數(shù)據(jù)庫構(gòu)建研究[J]. 袁駿毅,湯欽華,馬群圣.  中國醫(yī)療設(shè)備. 2019(02)
[2]基于深度學(xué)習(xí)的電子病歷命名實體識別[J]. 夏宇彬,鄭建立,趙逸凡,徐霄玲.  電子科技. 2018(11)
[3]基于醫(yī)療類別的電子病歷命名實體識別研究[J]. 李飛,朱艷輝,王天吉,徐嘯,冀相冰.  湖南工業(yè)大學(xué)學(xué)報. 2018(04)
[4]非結(jié)構(gòu)化電子病歷中信息抽取的定制化方法[J]. 包小源,黃婉晶,張凱,金夢,李巖,牛承志.  北京大學(xué)學(xué)報(醫(yī)學(xué)版). 2018(02)
[5]基于CNN-BLSTM-CRF模型的生物醫(yī)學(xué)命名實體識別[J]. 李麗雙,郭元凱.  中文信息學(xué)報. 2018(01)
[6]基于CRF模型的短文本信息流話題提取[J]. 王宗堯,劉金嶺,崔俊峰,王敏.  淮陰工學(xué)院學(xué)報. 2016(05)
[7]詞邊界字向量的中文命名實體識別[J]. 姚霖,劉軼,李鑫鑫,劉宏.  智能系統(tǒng)學(xué)報. 2016(01)
[8]中文電子病歷命名實體標(biāo)注語料庫構(gòu)建[J]. 曲春燕,關(guān)毅,楊錦鋒,趙永杰,劉雅欣.  高技術(shù)通訊. 2015 (02)



本文編號：3002931