申请/专利权人：山东浪潮智慧医疗科技有限公司

申请日：2021-08-30

公开（公告）日：2024-03-22

公开（公告）号：CN113821618B

主分类号：G06F16/332

分类号：G06F16/332;G16H10/60;G06F40/242;G06F40/284;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.03.15#专利申请权的转移;2022.01.07#实质审查的生效;2021.12.21#公开

摘要：本发明特别涉及一种电子病历是否类细项提取方法与系统。该电子病历是否类细项提取方法与系统，按逗号与句号对输入的电子病例样本中的文本进行分句，并按关键词筛选需要解析的核心语句，得到的待评估语句与待解析细项的映射关系；在完成数据处理后，将得到的待评估语句与待解析细项的映射关系作为输入，通过文本分类模型完成对待评估语句是否类倾向性的评估。该电子病历是否类细项提取方法与系统，样本标注流程简单，同时具备模型自学习能力，进一步提高了模型的泛化能力，使其可以自动适应各种是否类细项提取任务。

主权项：1.一种电子病历是否类细项提取方法，其特征在于：包括以下步骤：第一步，数据处理按逗号与句号对输入的电子病例样本中的文本进行分句，并按关键词筛选需要解析的核心语句，若子句Si中包含关键词字典中的关键字KWij，子句Si将被分到对应的待解析细项Tagi的待评估关键句中，得到的待评估语句与待解析细项Tagi的映射关系；所述Si表示分出的第i个子句，KWij表示第i个解析项的第j个关键字；第二步，模型评估在完成数据处理后，将得到的待评估语句与待解析细项Tagi的映射关系作为输入，通过文本分类模型完成对待评估语句是否类倾向性的评估；模型评估具体流程如下：S2.1.取出待评估语句与待解析细项Tagi映射关系中第i个解析项的第j个解析语句；S2.2.将子句Si作为文本分类模型的输入，文本分类模型假设子句Si长度为m，X1至Xm为输入子句Si的文字，若子句Si长度不足m用’UNK’补齐，若子句Si长度超过m则在长度m处做截断处理；S2.3.基于模型嵌入字典对子句Si进行字嵌入处理，将原句转化为m*Wordembedding的矩阵；其中，模型嵌入字典初始化为随机数，长度为分词字典长度；S2.4.基于模型嵌入字典对句子进行位置嵌入处理，将原句位置嵌入后转化为m*Pos_embedding的矩阵；其中，模型位置嵌入字典初始化为随机数，长度为m；S2.5.原句在完成字嵌入与位置嵌入后合并字嵌入与位置嵌入矩阵，生成m*Wordembedding+Pos_embedding的矩阵；S2.6.合并矩阵经过两层卷积神经网络层，一层最大化池化层和一层softmax层，生成一个二维向量[y1,y2]，最终评估结果Y如下： 若结果为否，则第i个解析项的解析结果为否，然后再次跳转到步骤S2.1，进行下一个解析项的解析；若结果为是，则跳转到步骤S2.2，进行该解析项下一个待解析语句的解析。

全文数据：

权利要求：

百度查询： 山东浪潮智慧医疗科技有限公司 一种电子病历是否类细项提取方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD