[发明专利]一种医学实体识别方法

说明书

本发明公开了一种医学实体识别方法，涉及信息抽取技术领域，包括如下步骤：根据采集值选择合适的采集员对待识别的医疗文本进行采集、存储；然后对采集的医疗文本进行分析，获取得到医疗文本的识别优先表；反馈该医疗文本在识别优先表所处的序列位置至控制中心；所述控制中心按照反馈的序列位置对该医疗文本进行识别，使得医疗文本的识别有序进行，有条不紊，提高识别效率；通过半监督学习过程进行迭代自学习，对预测分词结果进行过滤与校准；本发明能够根据推送值合理选择对应的全科医生进行人工核对，提高核对效率，同时根据预测分词结果的核对值确定进行人工核对的全科医生人数，有效减少人力成本，同时提高核对的准确性。

技术领域

本发明涉及信息抽取技术领域，特别涉及一种医学实体识别方法。

背景技术

医疗命名实体识别旨在从医疗文本中提取医疗实体，并对其类别进行分类，例如药物，手术，症状，疾病和身体部位。例如，给出一个句子“五月前患者出现下肢水肿”，医疗命名实体识别的目标是从这句话中提取“下肢”和“水肿”，并将它们分别分类为身体部位实体和疾病实体。医疗命名实体识别是智能医疗保健中的一项重要任务，也是许多下游任务的重要先决条件，例如药物重新定位，实体链接和临床决策支持系统。因此，近年来医疗命名实体识别越来越受到关注。

公布号CN107168946A的文件公开了一种医疗文本数据的命名实体识别方法，本文采用隐马尔可夫模型对原始医学文本进行序列标注，得到预测分词结果。在预测分词处理结束后，利用半监督学习方法对分词结果进行迭代自学习，以得到准确的分词及命名实体识别结果。

但是本专利中缺乏对原始医疗文本的分级处理，没有形成一个有序的医疗文本命名实体识别依据；在医疗文本的命名实体识别过程中，容易造成某些医疗文本遗漏识别或重复识别的问题；且在对种子词集进行审查时，无法根据推送值选择合适的工作人员进行审查，提高审查效率。

发明内容

针对现有技术存在的不足，本发明目的是提供一种医学实体识别方法。本发明能够根据采集值选择合适的采集员对待识别的医疗文本进行采集、存储，提高采集效率，然后对采集的医疗文本进行分析，获取得到医疗文本的识别优先表；反馈该医疗文本在识别优先表所处的序列位置至控制中心；所述控制中心按照反馈的序列位置对该医疗文本进行识别，使得医疗文本的识别有序进行，有条不紊，提高识别效率；能够根据推送值合理选择对应的全科医生进行人工核对，提高核对效率，同时根据预测分词结果的核对值确定进行人工核对的全科医生人数，有效减少人力成本，同时提高核对的准确性。

本发明的目的可以通过以下技术方案实现：

一种医学实体识别方法，包括如下步骤：

步骤一：对待识别的医疗文本进行采集、存储；

步骤二：对采集的医疗文本进行分析，获取得到医疗文本的识别优先表；反馈该医疗文本在识别优先表所处的序列位置至控制中心；所述控制中心按照反馈的序列位置对该医疗文本进行识别；

步骤三：收集医学词典，将其整理为疾病词库、症状词库、检查词库、治疗词库；利用收集到的医学词典通过隐马尔可夫模型对医疗文本进行标注，得到预测分词结果；

步骤四：通过半监督学习过程进行迭代自学习，对预测分词结果进行过滤与校准；选取对应的全科医生进行人工核对、查漏补缺；得到最终的医疗文本的医疗命名实体识别结果。

进一步地，所述步骤一中对待识别的医疗文本进行采集、存储，具体包括：

S11：获取当前时间上班的工作人员并将其标记为初选人员；

S12：将初选人员的入职时间与系统当前时间进行时间差计算得到初选人员的入职时长并标记为SD；

设定初选人员的年龄为SF；设定初选人员的采集次数为SG；

S13：将入职时长、年龄和录入次数进行归一化处理并取其值；