《医疗CT文本结构化研究与系统实现》 -分析与实现

ゝ一纸荒年。 2023-06-20 06:10 10阅读 0赞

### 文章目录 ###

*   *  文章链接
     *  使用理由
     *  文章内容整理
     *   *   *  4，文本结构化算法
             *   *  4,1 句子划分
                 *  4.2 推导规则定义
                 *  4.3 结果归一化
             *  5，结构化处理流程
     *  文章代码

## 文章链接 ##

[知网链接][Link 1]

## 使用理由 ##

引导性的实现一个医疗知识图谱系统。

## 文章内容整理 ##

条件随机场（CRF）和医疗固有规则推导的CT文本命名实体识别的方法。

> 预处理 -> 属性提取 -> 即时结构化

--------------------

分词  
基于字典、基于统计、基于理解

命名体识别  
词的边界识别（难点）  
基于规则和字典、基于统计

> 基于统计的方法主要包括：隐马尔可夫模型、最大熵、支持向量机和条件随机场  
> 采用两者相结合来做处理

--------------------

命名体识别的问题本质可以看做是序列标注问题  
使用到的工具CRF++（用作命名体识别）  
步骤：  
确认标签体系、确认特征模板、预处理、训练

训练的数据文件和特征模板文件AND 测试文件  
实体类别

`特征选取`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70]  
`内部标注规则`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 1]  
`标注类别`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 2]  
例子

> `原始语句：`  
> 脾静脉增粗、迂曲，其内未见明显充盈缺损影。胆囊壁未见明显增厚。 中文分词及标注：  
> 脾／ｎ，静脉／ｎ，增／ｖ，粗／ａ，、／ｗ，迂曲／ａ，，／ｗ，其内／ｒ，未见／ｎｚ，明显乂充盈／ｖ，缺损／ｖ，影／ｎｇ，。／ｗ，胆囊／ｎ，壁／ｎｇ，未见／ｎｚ，明显／ａ，增／ｖ，厚／ａ，。／ｗ  
> `CRF标注结果：`  
> 脾／Ｏ－Ｂ，静脉／Ｏ－Ｅ，增／Ｃ－Ｂ，粗／Ｃ－Ｅ，、／Ｍ，迂曲／Ｓ－Ｓ，，／Ｍ，其内／Ｍ，未见／Ａ－Ｓ，明显／Ｍ，充盈／Ｄ－Ｂ，缺损／Ｄ－Ｉ，影／Ｄ－Ｅ，。脱，胆囊／０－Ｂ，壁／Ｏ－Ｅ，未见／Ａ－Ｓ，明显／Ｍ，增／Ｃ－Ｂ，厚／Ｃ－Ｅ，。／Ｍ  
> `合并相关内部标记得到实体：`  
> 脾静脉／〇，增粗／Ｃ，、／Ｍ，迂曲／Ｓ，，／Ｍ，其内／Ｍ，未见／Ａ，明显／Ｍ，充盈缺损影／Ｄ，。／Ｍ，胆囊壁／０，未见／Ａ，明显／Ｍ，增厚／Ｃ，。／Ｍ  
> …  
> 因此我们可以得到样例中的实体有：“脾静脉”、“增粗”、“迂曲”、“未见”、“充盈缺损影”、“胆囊壁”、“未见”、“増厚”。

#### 4，文本结构化算法 ####

##### 4,1 句子划分 #####

句子划分主要可以分为两类：一是把多个语义连续的句子当做一个句子进行处理，二是把包含有多个内容的长句子，划分为多个独立的短句进行处理。  
`使用CRF++进行句子序列标注`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 3]

> `原始语句：`  
> 肝内外胆管未见扩张及异常密度灶，胆囊不大，壁不厚，其内未见阳性结石影。  
> `中文分词及标注：`  
> 肝／ｎ，内外／ｆ，胆管／ｎ，未见／ｎｚ，扩张／ｖｎ，及／ｃｃ，异常／ａ，密度／ｎ，灶／ｎ，，／ｗ，胆囊／ｎ，不大／ｄ，，／ｗ，壁／ｎｇ，不／ｄ，厚／ａ，，／ｗ，其内／ｒ，未见／ｎｚ，阳性／ｎ，结石／ｎｈｄ，影／ｎｇ，。／ｗＣＲＦ标注结果：２０肝／〇，内外／〇，胆管／〇，未见／〇，扩张／〇，及／〇，异常／〇，密度／〇，灶／〇，，／ｓ，胆囊／〇，不大／〇，，／〇，壁／〇，不／〇，厚／〇，，／〇，其内／〇，未见／〇，阳性／〇，结石／０，影／０，。／Ｓ

##### 4.2 推导规则定义 #####

推导规则分为两类：第一类为生成类型规则，第二类为推导类型规则。

> 规则A 规则D  
> 生成类型规则： A D -> D A  
> 推导类型规则：A D -> D C ==> A - > D -> C

##### 4.3 结果归一化 #####

`词向量 word2Vec`过程

*  分词 - 去除停用词 - 生成训练文本
 *  单词 - 出现数量
 *  构建词的哈夫曼树

#### 5，结构化处理流程 ####

*  预处理阶段  
    数据清洗，构建自定义词库，中文分词，
 *  属性提取阶段

## 文章代码 ##

[Link 1]: https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CMFD&dbname=CMFD201901&filename=1018263812.nh&uid=WEEvREcwSlJHSldRa1FhcEE0QVN2K1B0c3BlajNnTXh1U2Z0bzBOUWk2QT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!&v=MTkyOTVUcldNMUZyQ1VSTE9lWmVabkZpRGtXN3JJVkYyNkZyRytIZG5OclpFYlBJUjhlWDFMdXhZUzdEaDFUM3E=
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191208092506935.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191208092611720.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20191208092750970.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20191208100227824.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3p6enpsZWkxMjMxMjMxMjM=,size_16,color_FFFFFF,t_70