CN110069639A - 一种构建甲状腺超声领域本体的方法 - Google Patents

Abstract

本发明涉及一种构建甲状腺超声领域本体的方法，其特征在于，包括以下步骤：步骤1、对甲状腺超声报告进行数据预处理；步骤2、实体抽取；步骤3、依存关系抽取；步骤4、语义关系抽取；步骤5、构建甲状腺超声领域本体。在甲状腺超声报告中，本发明的主要关注点在于甲状腺和甲状腺病灶的病变情况，并不需要过于关注人体其余组织或基因层面的知识，所以本发明立足于解剖学的基础构建了适合于甲状腺超声领域的医学本体。运用甲状腺超声领域本体可以更好地从超声报告中提取有用的诊疗信息，从而更好地辅助医生进行病情诊断和治疗。

Description

一种构建甲状腺超声领域本体的方法

技术领域

本发明涉及一种构建甲状腺超声领域本体语义树的方法。

背景技术

超声检查报告是超声影像检查的影像结果记录的载体。甲状腺超声检查是一种常见的甲状腺检查项目，医生通过超声检查对甲状腺及其周围进行检查，甲状腺超声检查的影像表现中对甲状腺和甲状腺病灶分别进行了描述，对于病人的病情诊断和疾病分析预测有非常重要的作用。但现在医学上的超声检查报告大多都是非结构化的，而且存在很多叙述性质的文本信息，对于存储和深度挖掘其中包含的临床信息非常不利，所以对于超声报告进行结构化处理变得尤为重要。

本体学习是近年语义学习领域的研究热点，其目的在于通过概念识别和关系抽取的方式，从非结构化文本中得到领域本体。领域本体主要是用来描述某个专业的学科领域内的概念和概念之间存在的关系，或者是某一专业学科领域的基本原理或基本理论，它在这一特定的领域是可以重用的，领域本体在信息检索、智能问答、知识搜索和分类等任务中发挥着重要的作用。本体在医学领域有很多尝试和运用，例如李晓瑛等人利用一体化医学语言系统(The Unified Medical System,UMLS)和医学系统命名法-临床术语(SNOMED CT)搭建肿瘤本体，以扩充肿瘤本体知识库。UMLS，即统一医学语言系统，是美国国立医学图书馆主要开发的巨型医学术语系统，它涵盖了临床、基础、药学、生物学等医学学科内容，还包括一些和医学相关学科的知识，收录了200万个医学概念。UMLS对于设计信息检索和病历系统有非常重要的作用。SNOMED CT是一种临床医学术语标准。它提供了一套全面统一的医学术语系统，涵盖了大多数方面的临床信息，例如疾病、所见、操作、微生物等，可以协调一致地在不同学科、专业之间实现对临床数据的存储、检索等。中文版的SNOMED电子版中包含了14万多的词条，主要分为了11个模块：解剖学、形态学、功能、活有机体、化学制品、药品和生物制品等，每个词条都赋予唯一的编码。人类发育解剖学本体(HUMAT)是有关人类解剖学的数据库，分为标准解剖学和详细解剖学两个目录，还提供了大量的有关人类胚胎发育和相关信息的网页。通过分析现有的医学本体我们可以发现，现有的医学本体主要关注点要么在宏观层面，例如人类解剖学的本体，都是基于人体的单纯组织层次。要么在微观层面，例如基因本体，主要是研究基因产物的功能。

发明内容

本发明的目的是：针对甲状腺超声报告，给出甲状腺超声领域语义树构建方法，从而实现从非结构化甲状腺超声文本中提取知识。

为了达到上述目的，本发明选择了本体这一概念。在人工智能领域中，本体被定义为一个概念的显示规范，主要描述某个领域中存在的概念和概念之间存在的相互关系，可以作为信息系统中捕获、存储和处理领域知识的有效工具。领域本体主要是用来描述某个专业的学科领域内的概念和概念之间存在的关系，或者是某一专业学科领域的基本原理或基本理论。但是现有的医学本体关注点都在于微观层面，为了解决这一问题，本发明针对甲状腺超声报告提出了甲状腺超声领域本体，来实现对甲状腺超声报告中知识的提取和结构化。本发明的具体技术方案是提供了一种构建甲状腺超声领域本体的方法，其特征在于，包括以下步骤：

步骤1、对甲状腺超声报告进行数据预处理，包括以下步骤：

步骤1.1、通过结合病理学和解剖学的先验知识，将甲状腺超声报告分为3个段落：用于描述甲状腺部分的段落、用于描述甲状旁腺区的段落、用于描述颈部淋巴结的段落。

步骤1.2、依据甲状腺超声报告对甲状腺各个组织的不同部位的描述，对上一步获得的3个段落进行分块处理，每个段落分为不同的文字块；

步骤1.3、依据标点符号对上一步获得的文字块进行分句处理，将文字块分为不同的短句；

步骤2、实体抽取

通过自定义分词结合规则抽取上一步所获得的所有短句中包含的具体实体；

步骤3、依存关系抽取

进行依存句法分析，得到所有短句中具体实体之间的依存关系；

步骤4、语义关系抽取

运用机器学习或深度学习的方法，结合上一步获得的依存关系得到语义关系；

步骤5、构建甲状腺超声领域本体，包括以下步骤：

步骤5.1、根据病理学和解剖学的先验知识，获得甲状腺超声领域本体的基础层次框架；

步骤5.2、根据步骤4得到的具体实体及抽象实体的语义关系向本体基础框架上添加其余内容，从而得到甲状腺超声领域的本体树。

优选地，步骤1.1中，所述用于描述甲状腺的段落包含所述甲状腺超声报告中用于描述甲状腺腺体的内容和用于描述结节的内容。

优选地，步骤1.2中，对段落进行分块时依据：甲状腺超声报告对甲状腺各个组织的左侧、右侧、双侧的描述、对甲状腺腺体的峡部的描述。

优选地，步骤1.3中，所述标点符号包括句号、逗号、分号。

优选地，步骤2中，所述实体包括器官、组织、位置、属性和属性值5个方面。

优选地，步骤3中，通过调用哈工大自然语言处理工具LTP进行所述依存句法分析。

优选地，步骤3中，所述依存关系包括主谓关系、动宾关系、动补关系、定中关系。

优选地，步骤4中，获取所述语义关系基于如下规则：

规则1：如果词对(W_i,W_j)之间存在主谓关系，分以下两种情况考虑：

1)该词对的谓语词不存在动宾关系，则W_i为属性，W_j为属性值，则形成的关系三元组表示为(W_i,W_j,Value-of)，式中，Value-of表示属性值关系；

2)该词对的谓语词与其他词之间存在动宾关系，即存在主谓宾结构，这时将谓语去掉，主语在前，宾语在后，关系三元组表示为(W_i,W_j,Exist)，式中，Exist表示存在关系；

规则2：如果词对(W_i,W_j)之间存在定中关系，分四种情况进行考虑：

1)定中关系存在主语之前，则关系三元组表示为(W_i,W_j,Attritube-of)，式中，Attritube-of表示属性关系；

2)根据甲状腺超声本体基础层次框架的先验知识得，甲状腺分为左叶、右叶、峡部，他们之间存在Part-of关系，颈部淋巴结和左侧颈部、右侧颈部同上；

3)若定语W_i为名词，主语之前为名词，则关系三元组表示为(W_i,W_j,Attritube-of)；

4)若宾语之前为形容词，则与之成定中关系的可以合并，宾语在前，形容词修饰在后，则关系三元组表示为(W_i,W_j,Value-of)；

规则3：如果报告中出现方位词时，将方位词取出作为甲状腺的属性值；

规则4：如果词对(W_i,W_j)之间存在状中关系，并且谓语词和其他词对存在动宾关系，此时省略谓语。

在甲状腺超声报告中，本发明的主要关注点在于甲状腺和甲状腺病灶的病变情况，并不需要过于关注人体其余组织或基因层面的知识，所以本发明立足于解剖学的基础构建了适合于甲状腺超声领域的医学本体。运用甲状腺超声领域本体可以更好地从超声报告中提取有用的诊疗信息，从而更好地辅助医生进行病情诊断和治疗。

附图说明

图1为甲状腺超声领域本体的基础层次框架的示意图。

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。

本发明的技术方案是首先对甲状腺超声报告进行数据预处理，即分段、分句处理，然后对其进行自定义词典分词，利用依存句法规则提取出甲状腺超声报告中包含的实体。接着对各个分句进行依存句法分析，得到每个分句中的依存关系。再利用基于规则的方法结合依存关系得到语义关系，从而得到甲状腺超声报告语义树。总体步骤如下：

步骤1、数据预处理。数据预处理主要包括对甲状腺超声报告进行分段、分块、分句。

步骤1.1、通过结合病理学和解剖学的先验知识，可以将甲状腺超声报告分为3段：甲状腺、甲状旁腺区、颈部淋巴结，其中甲状腺包含甲状腺腺体和结节等内容。

分段的标准主要结合了甲状腺超声报告的病理学知识，通过请教医生和查阅相关文献，发现甲状腺超声报告的影像表现中一般以CDFI作为分段标志。当遇到描述CDFI的短句时，说明可以在这里进行分段处理。

例如有下列一份报告：“甲状腺:甲状腺左、右叶大小及形态饱满，峡部厚度正常，边界清楚，表面光滑、包膜完整，内部呈密集中等回声，回声分布均匀。CDFI：未见明显异常血流信号。右侧甲状腺下极可见一个混合性回声,大小约6×3×4mm，形状呈类圆形,内部回声欠均匀，边界尚清，内部未见明显点状强回声,CDFI：可见少许血流信号。双侧甲状旁腺区未见明显占位性病变。双侧颈部见低回声数个，右侧之一大小：16×4mm，左侧之一大小：16×4mm，淋巴门结构可见，CDFI：少量血流信号。”按照本发明的方法可以将其分为如下三段：

甲状腺部分又可分为腺体背景和结节两部分。例如上述例子中，可将甲状腺部分分为如下两部分：

步骤1.2、分块主要是对甲状腺、甲状旁腺区、颈部淋巴结三部分进行左、右分块处理。因为甲状腺超声检查中一般都包括对甲状腺各个组织的左侧和右侧描述，有时也会包括对双侧的描述。甲状腺腺体中还包括对于峡部的描述，所以需要对其进行区分以利于下一步依存句法分析处理。

例如对于上述例子报告中，可对其进行如下分块处理：

其余部分和上述方法相同，此处不再赘述。

步骤1.3、分句方面主要根据句号、逗号、分号等进行分句处理。

例如对于上述例子报告中，可对其进行如下分句处理：

其余部分也和上述分句方法相同。

步骤2、实体抽取。通过自定义分词结合规则抽取超声报告中包含的实体。针对甲状腺超声报告，我们需要抽取的实体主要包括器官、组织、位置、属性和属性值5个方面。

例如对于上述例子报告腺体背景的左侧部分中，可以提取出如下实体：

步骤3、依存关系抽取。通过调用哈工大自然语言处理工具LTP进行依存句法分析，得到句子中实体之间的依存关系。针对甲状腺超声报告，本发明重点关注的依存关系包括主谓关系、动宾关系、动补关系、定中关系等。

例如对于上述甲状腺腺体背景部分句子中，可抽取的依存关系包括：

定中关系	甲状腺，左叶
		定中关系	左叶，大小
主谓关系	大小，饱满
		定中关系	左叶，形态
主谓关系	形态，饱满
		主谓关系	边界，清楚
主谓关系	表面，光滑
		主谓关系	包膜，完整
主谓宾关系	内部，呈，回声
		主谓关系	回声，密集中等
动补关系	回声分布，均匀
		定中关系	CDFI血流信号，未见明显异常

步骤4、语义关系抽取。因为超声报告中不仅包括具体实体，还包括抽象实体，而依存句法分析仅能分析出句子间具体实体之间的关系，不能得到涉及抽象实体的关系。所以需要运用基于规则的方法，结合依存关系来得到语义关系。语义关系的抽取主要基于规则，将短句内的每个词对的依存关系映射到语义关系。

在这里定义词对为(W_i,W_j)，主要规则包括：

规则1：如果词对(W_i,W_j)之间存在主谓关系，分以下两种情况考虑：

1)该词对的谓语词不存在动宾关系，则W_i为属性，W_j为属性值，则形成的关系三元组表示为(W_i,W_j,Value-of)，式中，Value-of表示属性值关系。

2)该词对的谓语词与其他词之间存在动宾关系，即存在主谓宾结构，这时将谓语去掉，主语在前，宾语在后，关系三元组表示为(W_i,W_j,Exist)，式中，Exist表示存在关系。

规则2：如果词对(W_i,W_j)之间存在定中关系，分四种情况进行考虑：

1)定中关系存在主语之前，则关系三元组表示为(W_i,W_j,Attritube-of)，式中，Attritube-of表示属性关系。

2)根据甲状腺超声本体基础层次框架的先验知识得，甲状腺分为左叶、右叶、峡部，他们之间存在Part-of关系，颈部淋巴结和左侧颈部、右侧颈部同上。

3)若定语W_i为名词，主语之前为名词，则关系三元组表示为(W_i,W_j,Attritube-of)。

4)若宾语之前为形容词，则与之成定中关系的可以合并，宾语在前，形容词修饰在后，则关系三元组表示为(W_i,W_j,Value-of)。

规则3：如果报告中出现下极、中下极等方位词时，将方位词取出作为甲状腺的属性值。

规则4：如果词对(W_i,W_j)之间存在状中关系，并且谓语词和其他词对存在动宾关系，此时谓语可省略。例如“甲状腺左侧可见一个低回声”，这个句子中“左侧”和“可见”之间存在状中关系，“可见”和“回声”之间存在动宾关系，则此时可省略“可见”，即形成关系三元组(左侧,回声,Exist)。

Part-of	甲状腺，左叶
		Attribute-of	左叶，大小
Value-of	大小，饱满
		Attribute-of	左叶，形态
Value-of	形态，饱满
		Value-of	边界，清楚
Value-of	表面，光滑
		Value-of	包膜，完整
Exist	内部，回声
		Value-of	回声，密集中等
Value-of	回声分布，均匀
		Value-of	CDFI血流信号，未见明显异常

步骤5、构建甲状腺超声领域本体。

步骤5.1、根据病理学和解剖学的先验知识，可以得到如图1所示的甲状腺超声领域本体的基础层次框架。

步骤5.2、根据前面得到的实体间的语义关系向本体基础框架上添加其余内容，从而得到甲状腺超声领域的本体。

Claims (8)

1.一种构建甲状腺超声领域本体的方法，其特征在于，包括以下步骤：

步骤1、对甲状腺超声报告进行数据预处理，包括以下步骤：

步骤1.1、通过结合病理学和解剖学的先验知识，将甲状腺超声报告分为3个段落：用于描述甲状腺部分的段落、用于描述甲状旁腺区的段落、用于描述颈部淋巴结的段落。

步骤1.2、依据甲状腺超声报告对甲状腺各个组织的不同部位的描述，对上一步获得的3个段落进行分块处理，每个段落分为不同的文字块；

步骤1.3、依据标点符号对上一步获得的文字块进行分句处理，将文字块分为不同的短句；

步骤2、实体抽取

通过自定义分词结合规则抽取上一步所获得的所有短句中包含的具体实体；

步骤3、依存关系抽取

进行依存句法分析，得到所有短句中具体实体之间的依存关系；

步骤4、语义关系抽取

运用机器学习或深度学习的方法，结合上一步获得的依存关系得到语义关系；

步骤5、构建甲状腺超声领域本体，包括以下步骤：

步骤5.1、根据病理学和解剖学的先验知识，获得甲状腺超声领域本体的基础层次框架；

步骤5.2、根据步骤4得到的具体实体及抽象实体的语义关系向本体基础框架上添加其余内容，从而得到甲状腺超声领域的本体树。

2.如权利要求1所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤1.1中，所述用于描述甲状腺的段落包含所述甲状腺超声报告中用于描述甲状腺腺体的内容和用于描述结节的内容。

3.如权利要求1所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤1.2中，对段落进行分块时依据：甲状腺超声报告对甲状腺各个组织的左侧、右侧、双侧的描述、对甲状腺腺体的峡部的描述。

4.如权利要求1所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤1.3中，所述标点符号包括句号、逗号、分号。

5.如权利要求1所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤2中，所述实体包括器官、组织、位置、属性和属性值5个方面。

6.如权利要求1所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤3中，通过调用哈工大自然语言处理工具LTP进行所述依存句法分析。

7.如权利要求1所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤3中，所述依存关系包括主谓关系、动宾关系、动补关系、定中关系。

8.如权利要求7所述的一种构建甲状腺超声领域本体的方法，其特征在于，步骤4中，获取所述语义关系基于如下规则：

规则1：如果词对(W_i,W_j)之间存在主谓关系，分以下两种情况考虑：

1)该词对的谓语词不存在动宾关系，则W_i为属性，W_j为属性值，则形成的关系三元组表示为(W_i,W_j,Value-of)，式中，Value-of表示属性值关系；

2)该词对的谓语词与其他词之间存在动宾关系，即存在主谓宾结构，这时将谓语去掉，主语在前，宾语在后，关系三元组表示为(W_i,W_j,Exist)，式中，Exist表示存在关系；

规则2：如果词对(W_i,W_j)之间存在定中关系，分四种情况进行考虑：

1)定中关系存在主语之前，则关系三元组表示为(W_i,W_j,Attritube-of)，式中，Attritube-of表示属性关系；

2)根据甲状腺超声本体基础层次框架的先验知识得，甲状腺分为左叶、右叶、峡部，他们之间存在Part-of关系，颈部淋巴结和左侧颈部、右侧颈部同上；

3)若定语W_i为名词，主语之前为名词，则关系三元组表示为(W_i,W_j,Attritube-of)；

4)若宾语之前为形容词，则与之成定中关系的可以合并，宾语在前，形容词修饰在后，则关系三元组表示为(W_i,W_j,Value-of)；

规则3：如果报告中出现方位词时，将方位词取出作为甲状腺的属性值；

规则4：如果词对(W_i,W_j)之间存在状中关系，并且谓语词和其他词对存在动宾关系，此时省略谓语。