[发明专利]一种电子病历后结构化知识发现方法和装置

说明书

本发明涉及一种电子病历后结构化知识发现方法和装置，该方法包括：将原始电子病历文本语料数据写入文本语料库，通过事实元素逻辑读写器读取文本语料库中的事实元素语料写入事实元素库，通过事件元素逻辑读写器读取事实元素库中事件元素语料写入事件元素库，通过事实结构逻辑读写器读取事件元素库中事实结构语料写入事实结构库。其中，事件元素逻辑读写器的规则库部署有“敏数与超数之间点对群数据锁规则”。本发明基于数论研究利用超敏定律中独特的数据锁结构，将简单机械的从语言到语言的机器学习能力转变为从事实到语言的知识发现能力，借助这种能力实现知识发现过程的自动化管理，可大幅度提高医学教育科研管理水平。

技术领域

本发明涉及医学教育科研管理领域，尤其涉及一种电子病历后结构化知识发现方法和装置。

背景技术

随着计算机应用普及，医学知识的管理包括对已知知识的机器总结和对未知知识的机器抽取，其已成为医学发展进步的关键技术手段。

电子病历是由医疗机构以电子化方式创建、保存和使用的，重点针对门诊、住院患者临床诊疗和指导干预信息的数据集成系统。是居民个人在医疗机构历次就诊过程中产生和被记录的完整、详细的临床信息资源。

随着物联网技术的发展，大量家用穿戴式健康监测设备(比如3D-CELL宇航员检测仪能同时检测出人体12000多项指标)在指导辅助居民个人进行健康自我管理过程中会产生大量健康数据简称物联网健康大数据。

物联网电子病历包括：由非医疗机构产生的物联网健康大数据属于自由格式的“治未病电子病历”，和由医疗机构产生的临床电子诊疗记录属于规范格式的“治已病电子病历”。为了使电子病历的数据结构化，医生被迫一边尽量详细客观观察病情一边要在模棱两可术语集中尽量精简选择取舍。但问题是结构化录入电子病历不是医生的本职工作，电子病历的结构化录入是对临床医生诊疗行为的信息化绑架。因此，临床医生希望不受干扰的书写电子病历，再利用软件技术对文本自动进行后结构化处理。申请号为201210544345.4的中国发明专利申请“基于本体技术的结构化电子病历生成方法”提供了一种基于“关键词词库”和“病历特征索引库”的后结构化电子病历生成方法。但该技术应用局限于诊疗病历而无法针对自由格式文档的后结构化，并且，如何从后结构化数据中抽取有价值信息辅助医学管理以及如何从中发现新知识开展教学科研仍然缺少基于病历数据后结构化的知识发现技术手段。

目前，自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。自然语言处理技术难点包括：单词的边界界定，词义的消歧，句法的模糊性，有瑕疵的或不规范的输入，语言的行为计划。自然语言处理的基础是各类自然语言处理数据集，通过分词器、分类器和统计学习产生语料库训练集。常用的分类算法为：决策树，贝叶斯，Rocchio，kNN，神经网络，支持向量机等。

但各种自然语言处理技术努力呈现的是对语言本身的机器理解能力，只关注机器对语法和语义的抽取识别学习，而对语言依存的事实环境(语境)毫无觉察能力，现行自然语言处理技术关注和强调“语言的表述规律抽取”而忽略“语言中所要表达的事实元素抽取”，这是为语言而语言的机器学习方法，不是为事实而语言的知识发现方法。

发明内容

鉴于此，本发明的一个目的是提供一种电子病历后结构化知识发现方法和装置，以克服因现有技术中的至少一个缺陷。

为了实现本发明的目的，根据本发明的一方面，本发明提供了一种电子病历后结构化知识发现方法，该方法包括以下步骤：

构建包括文本语料库、第一逻辑读写器以及事实元素库的事实后结构化编辑器的步骤，其中，所述文本语料库容纳电子病历文本语料的集合，所述第一逻辑读写器用于根据其知识库关键词列表从所述文本语料库找出相匹配的关键词，并根据其规则库逻辑将逻辑值为真的匹配关键词识别为事实元素写入所述事实元素库；