| 融合文字与标签的电子病历命名实体识别 |
| |
| 引用本文： | 赵奎,杜昕娉,高延军,马慧敏.融合文字与标签的电子病历命名实体识别[J].计算机系统应用,2022,31(10):375-381. |
| |
| 作者姓名： | 赵奎 杜昕娉 高延军 马慧敏 |
| |
| 作者单位： | 中国科学院 沈阳计算技术研究所, 沈阳 110168;中国科学院大学, 北京 100049;中国医科大学附属第四医院, 沈阳 110032;东软集团股份有限公司 医疗解决方案事业本部, 沈阳 110003 |
| |
| 基金项目： | 国家水体污染控制与治理科技重大专项(2018ZX07601001) |
| |
| 摘 要： | 准确的命名实体识别是结构化电子病历的基础, 对于电子病历规范化编写有着重要的作用, 而现今的分词工具对于专业的医疗术语无法做到完全正确的区分, 使得结构化电子病历难以实现. 针对医疗实体识别中出现的问题, 本文提出了一种在命名实体识别领域中改进的BiLSTM-CRF深度学习模型. 模型将文字和标签结合作为输入, 在多头注意力机制中使模型关注更多的有用信息, BiLSTM对输入进行特征提取, 得到每个文字在所有标签上的概率, CRF在训练过程中学习到数据集中的约束, 进行解码时可以提高结果的准确率. 实验使用人工标注的1000份电子病历作为数据集, 使用BIO标注方式. 从测试集的结果来看, 相对于传统的BiLSTM-CRF模型, 该模型在实体类别上的F1值提升了3%–11%, 验证了该模型在医疗命名实体识别中的有效性.
|
| 关 键 词： | 结构化电子病历 命名实体识别 BiLSTM CRF 深度学习 |
| 收稿时间： | 2022/1/10 0:00:00 |
| 修稿时间： | 2022/1/30 0:00:00 |
Named Entity Recognition of Electronic Medical Records Based on Texts and Labels |
| |
| ZHAO Kui,DU Xin-Ping,GAO Yan-Jun,MA Hui-Min.Named Entity Recognition of Electronic Medical Records Based on Texts and Labels[J].Computer Systems& Applications,2022,31(10):375-381. |
| |
| Authors: | ZHAO Kui DU Xin-Ping GAO Yan-Jun MA Hui-Min |
| |
| Affiliation: | Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168, China;University of Chinese Academy of Sciences, Beijing 100049, China;The Fourth Affiliated Hospital of China Medical University, Shenyang 110032, China; Medical Solutions Business Division, Neusoft Group Co. Ltd., Shenyang 110003, China |
| |
| Abstract: | |
| |
| Keywords: | structured electronic medical record named entity recognition BiLSTM CRF deep learning |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
