[发明专利]一种肿瘤专病数据库构建系统、方法、电子设备和介质

说明书

本申请提供了一种肿瘤专病数据库构建系统、方法、电子设备和介质，其中，该系统包括：数据拆分模块，用于将原始肿瘤专病病理文本拆分为基础文本信息和待结构化提取的文本信息；数据预处理模块；模型预测模块，用于对预处理后的文本信息进行预测；字典标注模块，用于对预处理后的文本信息进行字典标注；数据合并模块，用于对预测结果和字典标注结果进行数据合并；数据封装模块，用于将数据合并后的文本信息与基础文本信息进行数据封装；指标归一化模块，用于得到结构化病理文本；结构化数据存储模块，用于生成肿瘤专病数据库，可以提供病理文本结构化处理系统框架，深度考虑病理医生的需求而开发，深度契合病理科医生的生产和科研需求。

技术领域

本申请涉及文本处理领域，具体而言，涉及一种肿瘤专病数据库构建系统、方法、电子设备和介质。

背景技术

传统的医疗文本结构化方案中，基于临床数据的文本抽取，大多以疾病、症状、手术为主。然而纯病理文本和临床文本差距巨大，病理医生和临床医生关注的指标细节差异也很大，临床数据的标注方法、抽取方法以及架构系统并不能满足病理医生的日常生产和科研需求。

发明内容

本申请的目的在于提供一种肿瘤专病数据库构建系统、方法、电子设备和介质，可以提供病理文本结构化处理系统框架，深度考虑病理医生的需求而开发，深度契合病理科医生的生产和科研需求。

第一方面，本申请实施例提供一种肿瘤专病数据库构建系统，包括：

数据拆分模块，用于将获取的原始肿瘤专病病理文本拆分为基础文本信息和待结构化提取的文本信息；

数据预处理模块，用于对所述待结构化提取的文本信息进行预处理；

模型预测模块，用于利用命名实体识别模型对预处理后的文本信息进行预测；

字典标注模块，用于对预处理后的文本信息进行字典标注；

数据合并模块，用于对预测结果和字典标注结果进行数据合并；

数据封装模块，用于将数据合并后的文本信息与所述基础文本信息按照预设规则进行数据封装；

指标归一化模块，用于对数据封装后的文本信息进行指标归一化处理，得到结构化病理文本；

结构化数据存储模块，用于将所述结构化病理文本存储到数据库中，生成肿瘤专病数据库。

在一种可能的实施方式中，所述数据预处理模块具体用于：对所述待结构化提取的文本信息进行包括全半角转换、特殊符号转换和噪音过滤中至少一项的预处理。

在一种可能的实施方式中，所述模型预测模块包括：

训练单元，用于利用历史病理文本报告训练命名实体识别模型，并采用BIOES标注模式进行标注；

预测单元，用于利用命名实体识别模型对预处理后的文本信息进行预测，得到包括文本内容、标签、在文本中的开始位置和在文本中的结束位置的预测结果。

在一种可能的实施方式中，所述字典标注模块包括：

字典构建单元，用于构建字典；

信息提取单元，用于通过所述字典和正则表达式的方式提取包括文本内容、标签、在文本中的开始位置和在文本中的结束位置的字典标注结果。

在一种可能的实施方式中，所述数据合并模块具体用于：当所述预测结果和字典标注结果不一致时，基于第一接口和第二接口的取值确定采纳所述预测结果或字典标注结果。

在一种可能的实施方式中，所述数据封装模块包括：

切分单元，用于将数据合并后的文本信息按照嵌套层级的对应标签进行切分；