基于依存句法分析的超聲檢查報告結(jié)構(gòu)化處理方法.pdf

1、超聲檢查報告記錄了病人在一次超聲檢查后得到的影像描述及醫(yī)生的診斷結(jié)果，是重要的臨床信息，也是醫(yī)學(xué)領(lǐng)域研究重要的數(shù)據(jù)來源。為了能夠更準(zhǔn)確地描述患者的病情，醫(yī)生通常以自然語言書寫各類檢查報告的內(nèi)容，上述非結(jié)構(gòu)化數(shù)據(jù)描述不利于計算機(jī)進(jìn)行自動分析和處理，在一定程度上阻礙了醫(yī)療大數(shù)據(jù)的信息挖掘和知識發(fā)現(xiàn)，因此有必要在分析之前進(jìn)行結(jié)構(gòu)化處理。目前針對中文自然語言的文本結(jié)構(gòu)化處理方法主要采用的是信息關(guān)系抽取技術(shù)，然而該方法的可擴(kuò)展性較差，而超聲檢查報

2、告中對不同檢查部位具有不同的表述特征，所以現(xiàn)有的中文信息關(guān)系抽取技術(shù)無法適用于超聲檢查報告文本的結(jié)構(gòu)化處理。
　　為解決上述問題，本文在傳統(tǒng)信息關(guān)系抽取技術(shù)的基礎(chǔ)上結(jié)合句法分析方法，并根據(jù)超聲檢查報告特有的語法特征，提出了一種基于依存句法分析的醫(yī)療指標(biāo)結(jié)構(gòu)化處理方法。該方法通過分析文本句子結(jié)構(gòu)，獲取句中各成分之間的依存關(guān)系及語義特征，同時構(gòu)建依存關(guān)系樹，最終從依存關(guān)系樹中獲取器官組織或病癥的屬性描述，進(jìn)而將非結(jié)構(gòu)化的超聲檢查報告提

3、取成key-value形式的結(jié)構(gòu)化數(shù)據(jù)，方便計算機(jī)進(jìn)行分析處理。本文所做的研究如下：
　　首先，本文對現(xiàn)有中文自然語言結(jié)構(gòu)化處理方法的現(xiàn)狀進(jìn)行了歸納，探討了實體關(guān)系抽取、依存句法分析以及基于機(jī)器學(xué)習(xí)方法等結(jié)構(gòu)化處理方法的優(yōu)缺點，同時對本文涉及的同義詞識別方法和文本標(biāo)注方法的研究現(xiàn)狀也作了說明。接著對本文所使用的Word2vec詞向量訓(xùn)練工具和HanLP中文自然語言處理工具的工作原理進(jìn)行了闡述。
　　其次，對本文所提出的基于依

4、存句法分析結(jié)構(gòu)化處理方法的整體框架作了說明，分別介紹了該框架中的主要模塊，并對其中的核心算法依次作了詳細(xì)說明。設(shè)置預(yù)處理模塊是為了消除一義多詞現(xiàn)象，通過神經(jīng)網(wǎng)絡(luò)語言模型構(gòu)建超聲檢查報告的同義詞表得以實現(xiàn)；指標(biāo)提取模塊中利用依存關(guān)系樹生成結(jié)構(gòu)化模板，并采用切分短句和文本標(biāo)注相結(jié)合的分治剪裁策略簡化依存關(guān)系樹結(jié)構(gòu)，使語法關(guān)系更加清晰，提高結(jié)構(gòu)化結(jié)果的準(zhǔn)確度；在后處理模塊中對噪聲數(shù)據(jù)進(jìn)行修正，同時優(yōu)化算法，提高其可擴(kuò)展性。
　　最后，本