[发明专利]一种医疗大数据的数据标准化处理方法及装置

说明书

本发明提供了一种医疗大数据的数据标准化处理方法及装置，涉及医疗实体识别技术领域。方法包括：根据待处理语句的实体标记序列，确定待处理语句的第一组候选实体；根据预先设置的医学本体术语抽词策略对待处理语句进行抽词，确定第二组候选实体；从第一组候选实体和第二组候选实体中确定待处理语句中的实体；根据预先设置的句法分析筛选规则进行筛选，确定待处理语句中的候选标准化术语；在待处理语句中的候选标准化术语与预先设置的医学本体术语库匹配成功，将待处理语句中的候选标准化术语确定为标准化术语；若匹配失败，生成匹配失败问题报告或对匹配失败且术语类型为疾病类的候选标准化术语进行模糊匹配，以确定标准化术语。

技术领域

本发明涉及医疗实体识别技术领域，尤其涉及一种医疗大数据的数据标准化处理方法及装置。

背景技术

近年来随着医疗卫生信息化的发展，医疗卫生领域已进入到了大数据时代。医疗业务过程同样也是个医疗大数据累积的过程，并对医疗卫生行业产生巨大的影响。例如，通过对医学大数据的分析挖掘，实现临床操作的比较效果研究、临床决策支持系统建设、基于卫生经济学和疗效研究、疾病模式的分析研究等，从而促进医学发展、提高临床医学质量。当前的医疗大数据包括临床数据(如电子病历、健康档案数据等)，临床结算数据，日常生活习惯数据，医学文献数据等多种类型复杂数据，具有数据量庞大、结构复杂、分析难度大等特点。在实现对医疗大数据的利用和挖掘过程中，医疗大数据的标准化是基础也是难点之一。

目前，研究最多的是医疗大数据结构标准化的方法和技术，例如，现有技术中有人利用基于医学术语字典的双向最大匹配分词算法，对医疗文本数据进行分词，得到结构化数据，实现了简单意义上的医疗大数据结构标准化。然而，该方法的缺点是1)仅仅依靠术语字典匹配，缺少上下文语境语义识别；2)医学术语字典即便再大，也不可能囊括所有的医疗术语，切分出术语有限，结构化效果受限。另外，现有技术中还有关于医疗信息标准化的研究，典型案例如现有技术的一种标准化系统，该系统为医生、护士提供一套标准化术语以供他们记录病人在就医过程中产生的治疗信息、护理信息以及药物信息时使用标准术语，利于医疗信息在不同系统中传输(专利申请号：200480023968.0)。此方案的缺点是标准化过程是人工选择过程，而非自动过程，无法满足在大数据时代的数据处理要求。

可见，目前现有技术中还没有关于医疗大数据的自动术语标准化的研究，且现有技术的匹配分词方式较为单一，难以针对海量医疗大数据进行准确的标准化处理。

发明内容

本发明的实施例提供一种医疗大数据的数据标准化处理方法及装置，以解决目前现有技术中还没有关于医疗大数据的自动术语标准化的研究，且现有技术的匹配分词方式较为单一，难以针对海量医疗大数据进行准确的标准化处理的问题。

为达到上述目的，本发明采用如下技术方案：

一种医疗大数据的数据标准化处理方法，包括：

获取原始数据中的待处理语句；

将所述待处理语句进行单字切分，确定待处理语句中的每个文字；

根据预先训练完成的CRF训练模型，确定待处理语句中的每个文字在待处理语句中的实体标记，并确定待处理语句的实体标记序列；

根据待处理语句的实体标记序列，确定待处理语句的第一组候选实体；

根据预先设置的医学本体术语抽词策略，对所述待处理语句进行抽词，确定第二组候选实体；

若第一组候选实体和第二组候选实体不相同，根据预先设置的判断策略从第一组候选实体和第二组候选实体中确定待处理语句中的实体，并确定实体类型；

根据预先设置的句法分析筛选规则，对待处理语句中的实体进行筛选，确定待处理语句中的候选标准化术语，并根据所述实体类型确定候选标准化术语类型；