检索结果-南通市图书馆

CHIP2019评测任务1概述:临床术语标准化任务

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2021年第3期35卷 94-99页

作者：黄源航焦晓康汤步洲陈清财闫峻哈尔滨工业大学计算机科学与技术学院广东深圳518055 医渡云(北京)技术有限公司北京100191 鹏城实验室广东深圳518055

第五届中国健康信息处理会议(China Conference on Health Information Processing, CHIP2019)组织了中文临床医疗信息处理方面的三个评测任务,其中任务1为临床术语标准化任务。该任务的主要目标是对中文电子病历中挖掘出的真实手术实... 详细信息

第五届中国健康信息处理会议(China Conference on Health Information Processing, CHIP2019)组织了中文临床医疗信息处理方面的三个评测任务,其中任务1为临床术语标准化任务。该任务的主要目标是对中文电子病历中挖掘出的真实手术实体进行语义标准化。评测数据集中所有手术原词均来自于真实医疗数据,并以《ICD9-2017协和临床版》手术词表为标准进行了标注。共有56支队伍报名参加了评测,最终有20支队伍提交了47组结果。该评测以准确率作为最终评估标准,提交结果中最高准确率达到94.83%。

关键词：中国健康信息处理会议临床术语标准化自然语言处理

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向中文电子病历的临床术语标准化研究

面向中文电子病历的临床术语标准化研究

作者：李明洋北京交通大学

学位级别：硕士

面向电子病历的临床术语标准化是将电子病历中的临床诊断实体对应到标准知识库中的标准实体。临床诊断实体的标准化描述主要采用国际疾病分类编码规范(International Classification of Diseases 10,ICD-10)。临床术语标准化是医学自然... 详细信息

面向电子病历的临床术语标准化是将电子病历中的临床诊断实体对应到标准知识库中的标准实体。临床诊断实体的标准化描述主要采用国际疾病分类编码规范(International Classification of Diseases 10,ICD-10)。临床术语标准化是医学自然语言处理中的重要研究课题,是对临床医疗文本进行后续挖掘和分析的基础。目前英文临床术语的标准化研究较为深入,但是中文领域的相关研究相对缺乏,已有的一些标准化工具运行效率和准确率都较低。本文的研究目标是研究电子病历中疾病诊断术语的标准化方法并提高运行效率和准确率。本文将临床术语标准化抽象为一种语义相似度匹配任务,然后将标准化流程分为候选实体召回和候选实体消歧两个步骤。主要研究工作包括:(1)候选实体召回方法研究。通过分析电子病历中的疾病诊断术语特点,分别采用基于字符串相似度和文本统计特征方式来生成候选实体,并通过实验对比不同召回方法的性能差异,确定合适的候选实体召回方法。同时通过搭建Elasticsearch搜索引擎接口实现简单快速生成候选实体集的方式。(2)候选实体消歧方法研究。分别构建基于Bi LSTM和BERT+Match CNN的深度学习语义匹配模型,并通过实验对比和分析,确定最佳的语义匹配模型,从候选实体集中召回标准实体,实现实体消歧。(3)临床术语多蕴涵问题的处理方法研究。针对临床术语的多蕴涵问题,即原始临床术语关联多个标准实体问题,研究了基于BERT多分类模型的标准词个数预测方法,通过预测诊断原词对应标准实体的链接个数,并结合候选实体重排序结果得到最终的标准实体映射结果。本文提出“先召回后消岐”的临床术语标准化流程,首先采用简单的文本匹配方法获得候选实体集,缩小了实体消歧阶段的搜索规模,从而提高术语标准化的整体运行效率。在实体消岐过程中采用基于深度学习的语义匹配模型,同时针对多蕴涵问题研究了基于BERT多分类模型的标准词个数预测方法,从而提高了临床术语标准化的准确率。实验最优的准确率结果为85.93%。

关键词：临床术语标准化实体链接文本匹配深度学习多蕴涵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子病历中临床术语的标准化研究

电子病历中临床术语的标准化研究

作者：袁雯厦门大学

学位级别：硕士

电子病历(Electronic Medical Record,EMR)已成为医疗机构工作中不可或缺的一部分,其中包含了临床发现、诊断、药物处方等重要信息。这些信息已被应用于临床决策、死亡率预测、药物不良反应分析等临床领域的自然语言处理研究上。然而,... 详细信息

电子病历(Electronic Medical Record,EMR)已成为医疗机构工作中不可或缺的一部分,其中包含了临床发现、诊断、药物处方等重要信息。这些信息已被应用于临床决策、死亡率预测、药物不良反应分析等临床领域的自然语言处理研究上。然而,不同的医疗机构对电子病历的书写有着不同的标准,标准化电子病历等临床数据中的术语可以提高不同机构之间共享临床信息的能力,以及不同临床领域应用平台之间的互操作能力;并且可以提升数据的质量,有助于优化基于电子病历数据的机器学习模型。本文以2019美国国家自然语言处理挑战(National NLP Clinical Challenges,n2c2)发布的临床术语标准化任务为背景进行研究,该任务需将电子病历中的临床术语标准化为统一医学语言系统(Unified Medical Language System,UMLS)中的概念唯一标志符(Concept Unique Identifier,CUI),每条概念唯一标志符有着若干条字符串描述。本文针对临床术语标准化语料库的稀缺性与现有标准化方法难以解决同一语义不同词形的问题展开研究,具体研究内容包括:(1)提出了将临床领域预训练语言模型词特征迁移编码到孪生循环神经网络中的方法。传统的标准化研究使用特征工程结合机器学习的方法避免了对大规模语料的需求,但其需要对特征提取方法进行定义。孪生网络使用相同的子网络来处理相似的输入,适合于计算语义相似度,其在小规模的语料上表现好,目前还没有工作将其应用到临床术语标准化工作中。本文将临床领域预训练模型的词特征嵌入到孪生循环神经网络中进行临床术语标准化。通过对比实验对几种不同的预训练语言模型和不同的循环神经网络进行选择,并与常用的术语标准化系统MetaMap做对比,证明该方法在稀缺标注语料上的有效性。(2)提出了一种跨语言文本相似度计算的方法。由于UMLS词典规模非常大,一般先从中产生小规模的CUI字符串描述候选集。传统的候选集生成方法基于词形变体和共有词,不能解决同一语义不同词形表达的问题。本文提出了跨语言文本相似度计算方法,通过借助其他语言的语义对当前语言的语义进行比较。这种方法不仅能比较同义词,还有着词语增删、调整句子结构语序的效果。本文分别将基于单词字符的方法和基于词频-逆文本词频(Term Frequency-Inverse Document Frequency,TF-IDF)的方法应用在候选集的生成上,然后使用跨语言文本计算相似度的方法对候选集的选项做了补充或更新。通过对比实验证明该方法有效地提高了候选集的召回率,且提升了标准化的准确率。

关键词：临床术语标准化语义文本相似度孪生网络循环神经网络跨语言相似度比较

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于召回排序的中医临床症状术语标准化研究

基于召回排序的中医临床症状术语标准化研究

作者：方丹丹广州中医药大学

学位级别：硕士

目的:针对中医临床症状术语不规范,造成后续数据利用极大困难,人工进行标准化成本高的现状,利用人工智能技术,开展中医临床症状术语标准化研究,以期待实现中医临床症状术语标准化,降低人工成本。方法:1.整理公开出版的《中医临床常见症... 详细信息

目的:针对中医临床症状术语不规范,造成后续数据利用极大困难,人工进行标准化成本高的现状,利用人工智能技术,开展中医临床症状术语标准化研究,以期待实现中医临床症状术语标准化,降低人工成本。方法:1.整理公开出版的《中医临床常见症状术语规范修订》一书,经数据规范化处理形成知识库,通过Web技术构建术语标准化工具,用于方便地管理和维护病历数据的标准化工作。2.基于召回排序的中医临床症状术语标准化方法,首先利用召回模型从临床病历中获得候选症状术语集,然后利用排序模型对这些候选症状进行排序和标准化。具体来说,本文采用了基于文本特征的召回模型,然后基于预训练模型的排序模型对这些候选症状术语进行排序,从而得到临床提及的标准化结果。结果:1.本文针对术语标准化任务,构建了一个Web数据标注工具,包含了两个主要的模块:数据管理模块和标注模块。其中,数据管理模块用于导入、管理和导出病历文件、标注数据,标注模块用于对病历中的症状术语进行标准化,该标注工具通过测试并小范围投入使用。共标注329份电子病历,获得标注数据2855条。并分析不同类别症状的占比,对重复性较高的舌象、脉象数据进行过滤,对数据量较少的类别进行数据增强,最终得到3319条正样本数据。2.分析临床症状提及和知识库术语具有的特点,本文进行了针对中医临床症状术语的基于文本匹配的召回实验研究,结合术语名称和释义采用多策略召回,最终达到98%的召回率。3.进行了针对中医临床症状术语的基于预训练模型的排序研究。排序模块采用 BERT-wwm-ext、RoBERTa-wwm-ext 两个与训练模型结合 SimCSE、CoSENT模型进行训练和预测,效果最佳的RoBERTa-wwm-ext+CoSENT能达到89.16%的 F1 值。结论:本文提出的基于召回排序的中医临床症状术语标准化方法,可以有效地对电子病历中不规范的主观描述对应到标准知识库中的术语,提高了病历数据的可比性和可用性,为临床决策提供了更为准确和可靠的数据支持。

关键词：临床术语标准化中医症状文本相似度文本匹配 Web标注工具

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向生物医学文本的实体识别和标准化研究

面向生物医学文本的实体识别和标准化研究

作者：孙曰君大连理工大学

学位级别：硕士

随着医疗信息化建设和生物科技的迅猛发展,生物医学文献和电子病历的数量呈现出指数级增长的态势,蕴含在这些生物医学文本中的信息成为生物医学研究的宝贵资源。但由于生物医学文本大都是以自然语言描述的非结构化形式存在,计算机无法... 详细信息

随着医疗信息化建设和生物科技的迅猛发展,生物医学文献和电子病历的数量呈现出指数级增长的态势,蕴含在这些生物医学文本中的信息成为生物医学研究的宝贵资源。但由于生物医学文本大都是以自然语言描述的非结构化形式存在,计算机无法直接对其进行有效的分析和利用。因此,通过生物医学文本挖掘技术对生物医学文本进行有价值信息的提取和利用,将对生物医疗技术的进步和医疗健康领域信息化建设的发展产生深远和积极的影响。生物医学命名实体识别和标准化是生物医学文本挖掘的基础任务之一,旨在从生物医学文本中识别出预定义的生物医学实体,并将其映射到标准的ICD编码或其他生物医学本体。它们为下游的生物医学知识图谱构建、智慧医疗以及智能医保控费的研究提供支持。基于此,本文分别研究了生物医学命名实体识别和临床术语标准化任务。针对中文医学命名实体识别任务中存在嵌套实体和低资源等问题,本文提出了基于指针网络和对抗训练的医学实体识别方法。通过使用指针网络标注的方式,可以无差别地识别非嵌套实体和嵌套实体,通过使用对抗训练在文本向量表示上添加扰动生成对抗样本,可以有效的缓解模型鲁棒性差的问题。实验结果表明,该方法对标注策略的改进及引入对抗训练可以有效的提高模型性能。针对中文临床术语标准化任务中,术语描述具有口语化、不规范性以及多样性的问题,本文提出了基于深度语义匹配的临床术语标准化方法。通过使用Jaccard相似度算法从标准术语集中生成候选术语集,使用BERT模型提取临床术语的深层语义特征,并构建二分类模型得到标准的临床术语名称。该方法在CHIP2019临床术语标准化评测数据集上进行了实验,准确率达到了90.04%,验证了该方法的有效性。针对中文多蕴含临床术语标准化任务中,蕴含标准词数量不确定、原始文本与标准词之间字面重叠度低、标准词之间存在依赖关系和标准词类目多等问题,本文提出基于知识增强的多蕴含临床术语标准化方法。该方法的总体思路是粗召回、精排序、再匹配的三阶段策略,通过构建标准词数量预测模块,引入知识表示学习算法捕获标准词之间的内在联系,构建临床诊断文本与标准词之间的映射规则集合,来达到提升性能的目的。该方法在CHIP2020临床术语标准化评测数据集上进行了实验,实验结果验证了该方法对于多蕴含临床术语标准化任务的有效性。

关键词：生物医学信息抽取命名实体识别临床术语标准化文本匹配