(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211385948.4 (22)申请日 2022.11.07 (71)申请人 四川大学 地址 610000 四川省成 都市一环路南 一段 24号 (72)发明人 刘忠禹　曾筱茜　姚佳　应志野　 付平　李春漾　 (74)专利代理 机构 成都高远知识产权代理事务 所(普通合伙) 51222 专利代理师 郑勇力　全学荣 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/295(2020.01) G16H 50/70(2018.01) (54)发明名称 一种基于知识库的可解释性医疗数据结构 化方法和系统 (57)摘要 本发明属于医学数据处理技术领域， 具体涉 及一种基于知识库的可解释性医疗数据结构化 方法和系统。 本发明的方法包括如下步骤： 输入 待结构化医疗文本； 通过医疗知识库指导生成正 则式； 利用知识抽取模型， 采用所述正则式对所 述待结构化医疗文本进行结构化处理； 输出结构 化处理的结果。 本发明还提供用于实现上述方法 的系统。 本发 明针对医疗文本数据实现了可解释 可推理、 鲁棒性强、 可适配不同类别文本的结构 化技术方案， 具有很好的应用前 景。 权利要求书2页 说明书5页 附图3页 CN 115438198 A 2022.12.06 CN 115438198 A 1.一种基于知识库的可解释性医疗数据结构化方法， 其特 征在于， 包括如下步骤： 步骤1， 输入待结构化医疗文本； 步骤2， 通过医疗知识库指导 生成正则式； 步骤3， 利用知识抽取模型， 采用所述正则式对所述待结构化医疗文本进行结构化处 理； 步骤4， 输出 结构化处 理的结果。 2.按照权利要求1所述的医疗数据结构化方法， 其特征在于： 所述步骤3还包括： 对所述 正则式或所述结构化处理的结果进行人工校正； 采用校正后的正则式对对 所述待结构化医 疗文本进行结构化处理， 并迭代至输出准确的结构化结果； 将校正后的正则式更新至所述 医疗知识库中。 3.按照权利要求1所述的医疗数据结构化方法， 其特征在于： 所述医疗知识库基于对不 同病种和不同类型的大规模医疗文本数据进 行分析构建得到， 所述医疗知识库包括医学实 体、 实体属性、 结构化 正则式及属性 规范化函数。 4.按照权利要求1所述的医疗数据结构化方法， 其特征在于： 所述知识抽取模型包括实 体描述抽取模块、 属性字段抽取模块和 属性字段规范化模块。 5.按照权利要求4所述的医疗数据结构化方法， 其特征在于： 所述实体描述抽取模块执 行如下步骤： 步骤a1， 接收待结构化医疗文本作为输入， 从所述医疗知识库中获取当前实体正则层 中的实体默认起始字符候选集及默认终止 字符候选集； 步骤a2， 通过遍历起始字符候选集及终止字符候选集， 将所有起始字符和终止字符一 一配对， 生成实体抽取正则； 步骤a3， 遍历完起始及终止字符集后， 将所有正则抽取到的结果非空且字符数最少的 作为最优结果， 输出并传递到属性抽取模块。 6.按照权利要求5所述的医疗数据结构化方法， 其特征在于： 所述属性字段抽取模块执 行如下步骤： 步骤b1， 接收实体抽取最优结果作为输入， 从知识库中获取当前属性默认抽取正则， 并 对输入进行处 理， 同时计算当前正则覆盖率， 公式如下： 覆盖率=抽取 结果非空的文本数/ 输入文本总数 ×100%； 步骤b2， 对当前正则生成的字典树进行剪枝和合并， 生成新的正则并计算覆盖率， 直至 覆盖率不再提升； 步骤b3， 以覆盖率最高的正则抽取结果作为最优结果， 输出并传递到属性字段规范化 模块。 7.按照权利要求6所述的医疗数据结构化方法， 其特征在于： 所述属性字段规范化模块 接收所述属性字段抽取模块的输出结果作为输入， 从医疗知识库中获取当前属性规范化处 理函数对输入的文本进行处 理， 输出最终属性 规范化处 理结果。 8.一种用于执行权利要求1 ‑6任一项所述医疗数据 结构化方法的系统， 其特征在于， 包 括： 输入模块， 用于 输入待结构化医疗文本； 医疗知识库， 用于存 储病理知识图谱， 指导 生成正则式；权　利　要　求　书 1/2 页 2 CN 115438198 A 2知识抽取模型， 用于采用所述 正则式对所述待结构化医疗文本进行 结构化处 理； 输出模块， 用于 输出结构化处 理的结果。 9.按照权利要求8所述的系统， 其特征在于： 还包括人机协同校正模块， 用于对所述正 则式或所述结构化处 理的结果进行 人工校正。 10.一种计算机可读存储介质， 其特征在于： 其上存储有计算机程序， 所述计算机程序 用于实现权利要求1 ‑6任一项所述的医疗数据结构化方法。权　利　要　求　书 2/2 页 3 CN 115438198 A 3