CN112541056B - 医学术语标准化方法、装置、电子设备及存储介质 - Google Patents

医学术语标准化方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112541056B
CN112541056B CN202011502982.6A CN202011502982A CN112541056B CN 112541056 B CN112541056 B CN 112541056B CN 202011502982 A CN202011502982 A CN 202011502982A CN 112541056 B CN112541056 B CN 112541056B
Authority
CN
China
Prior art keywords
matched
medical term
original
term
terms
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011502982.6A
Other languages
English (en)
Other versions
CN112541056A (zh
Inventor
王文祥
祝莎莎
黄婉琳
周玉红
王琪
黄智勇
周炜
赵大平
陈效华
严尧琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Winning Health Technology Group Co Ltd
Original Assignee
Winning Health Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Winning Health Technology Group Co Ltd filed Critical Winning Health Technology Group Co Ltd
Priority to CN202011502982.6A priority Critical patent/CN112541056B/zh
Publication of CN112541056A publication Critical patent/CN112541056A/zh
Application granted granted Critical
Publication of CN112541056B publication Critical patent/CN112541056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G06F16/90344—Query processing by using string matching techniques
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明实施例公开了一种医学术语标准化方法、装置、电子设备及存储介质，该方法包括：获取原始医学术语，对原始医学术语进行预处理得到待匹配原始医学术语，并分别确定待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；基于预设的医学数据库，获取待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词，并分别确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值；基于字符相似度以及核心匹配评估值，确定与原始医学术语相对应的至少一个目标标准医学术语。通过本发明实施例的技术方案，实现了提升医学术语标准化的效率以及准确率的技术效果。

Description

医学术语标准化方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及医疗信息技术领域，尤其涉及一种医学术语标准化方法、装置、电子设备及存储介质。
背景技术
医学术语是医学领域里的专业用语，用来表示医学领域里的各种事物、现象、特性、关系和过程等(如疾病诊断、药物、手术操作、检查检验等)。这些术语是临床信息系统表达医学信息的必要成分。但是，因为各个医院对医学术语的使用上存在差异性，会导致同一个含义的医学术语表述多样化，为后续的病历数据的分析等工作带来了很大的困难。
目前，对医学术语进行标准化的方法通常是由医学专业人员整理以及实现标准化的。但是，由于依靠医学专业人员使用人工的方式进行整理，工作量大并且工作效率低，同时，还可能存在医学专业人员的专业知识不足或误操作导致的医学术语标准化错误的情况。
发明内容
本发明实施例提供了一种医学术语标准化方法、装置、电子设备及存储介质，以实现提升医学术语标准化的效率以及准确率的技术效果。
第一方面，本发明实施例提供了一种医学术语标准化方法，该方法包括：
获取原始医学术语，对所述原始医学术语进行预处理得到待匹配原始医学术语，并分别确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
基于预设的医学数据库，获取所述待匹配原始医学术语的核心特征词以及所述待匹配标准医学术语的核心特征词，并分别确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值；
基于所述字符相似度以及所述核心匹配评估值，确定与所述原始医学术语相对应的至少一个目标标准医学术语。
第二方面，本发明实施例还提供了一种医学术语标准化装置，该装置包括：
字符相似度确定模块，用于获取原始医学术语，对所述原始医学术语进行预处理得到待匹配原始医学术语，并分别确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
核心匹配评估值确定模块，用于基于预设的医学数据库，获取所述待匹配原始医学术语的核心特征词以及所述待匹配标准医学术语的核心特征词，并分别确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值；
目标标准医学术语确定模块，用于基于所述字符相似度以及所述核心匹配评估值，确定与所述原始医学术语相对应的至少一个目标标准医学术语。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的医学术语标准化方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例任一所述的医学术语标准化方法。
本发明实施例的技术方案，通过获取原始医学术语并对原始医学术语进行预处理得到待匹配原始医学术语，能够初步过滤掉原始医学术语中的干扰信息，得到待匹配原始医学术语，进而确定待匹配原始医学术语与待匹配标准医学术语的字符相似度，通过原始医学术语的字符串与标准医学术语的字符串之间的相似度，来确定待匹配原始医学术语与待匹配标准医学术语的相近程度，并且根据待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词确定核心匹配评估值，进一步通过能够表征待匹配原始医学术语的关键信息的核心特征词，与表征待匹配标准医学术语的关键信息的核心特征词的匹配度，来确定待匹配原始医学术语与待匹配标准医学术语的相近程度；最后根据字符相似度以及核心匹配评估值确定目标标准医学术语，即，通过字符相似度以及核心匹配评估值综合来确定待匹配标准医学术语中与原始医学术语相近的目标标准医学术语，解决了人工进行医学术语标准化时产生的标准化效率低以及准确率低的问题，实现了提升医学术语标准化的效率以及准确率的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种医学术语标准化方法流程示意图；
图2为本发明实施例二所提供的一种医学术语标准化方法流程示意图；
图3为本发明实施例三所提供的一种医学术语标准化方法流程示意图；
图4为本发明实施例四所提供的一种医学术语标准化装置的结构示意图；
图5为本发明实施例五所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种医学术语标准化方法流程示意图，本实施例可适用于根据原始医学术语生成相对应的目标标准医学术语的情况，该方法可以由医学术语标准化装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，可选的，电子设备可以是移动终端等。
如图1所述，本实施例的方法具体包括如下步骤：
S110、获取原始医学术语，对原始医学术语进行预处理得到待匹配原始医学术语，并分别确定待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度。
其中，原始医学术语可以是临床医疗术语，例如：可以是医嘱和/或病历中医生实际使用的医学术语，也可以临床医学信息统计时使用的医学术语。
待匹配原始医学术语可以是原始医学术语经过预处理后得到的医学术语。预处理可以包括统一大小写，去除停用词，去除符号，去除空格以及处理否定词中的至少一项。待匹配标准医学术语可以是预先建立的医学数据库中包含的医学术语，用于将医学术语标准化使用。医学数据库可以是根据先知经验和/或书本知识建立的包括标准医学术语的数据库，该医学数据库可以实时或定期进行维护和更新，以使医学数据库中的标准医学术语符合实际标准化需求。
可以理解的是，原始医学术语可能会因人而异，不同的医务工作者针对同一医学信息可能会用到不同的医学表述方式。医学信息例如可以是疾病信息、症状信息或者检查检验信息等。待匹配标准医学术语可以理解为结构化的统一采用标准表述方式表述的医学术语。
具体的，可以获取医学文本中需要进行标准化的原始医学术语，并将原始医学术语进行预处理，以完成统一大小写，去除空格以及特殊符号，去除无实际业务意义的词语和处理否定词等操作，进而将预处理后的原始医学术语作为待匹配原始医学术语。可以分别确定待匹配原始医学术语与医学数据库中各待匹配标准医学术语的字符相似度，计算字符相似度的方法可以是最长公共子序列(Longest Common Subsequence，LCS)算法，也可以是Jaro–Winkler(字符匹配)算法等，在本实施例中不作具体限定。
在临床医学中，由于医学诊断的复杂性以及个体差异性，会出现同症不同病，同病不同药的情况。本发明实施例的技术方案，在梳理医学术语之间的相似度时，对其包含的可能会引起差异的信息进行了充分考虑。例如：医学术语的表述方式、医学术语对应的标本信息以及与标本信息对应的指标信息等。示例性地，为了更准确的确定待匹配原始医学术语与待匹配标准医学术语的字符相似度，可以根据待匹配原始医学术语与待匹配标准医学术语的表述方式、标本信息以及指标信息，分别确定字符相似度，具体实现方式如下：
第一、分别基于待匹配原始医学术语的表述方式、标本信息以及指标信息，确定待匹配原始医学术语与待匹配标准医学术语的表述字符相似度，标本字符相似度以及指标字符相似度。
其中，表述方式可以是医学术语的字面信息，标本信息可以包括用于获取医学信息的目标标本，如：指血、静脉血和/或尿液等；还可以包括采集目标标本的医学信息的方式，如：CT检测侧位、头部核磁共振等；指标信息是与目标标本相对应的待检查或检验的医学指标。从某些医学术语的表述方式中可以获取相对应的标本信息和/或指标信息。由于存在某些医学术语的表述方式中不包含标本信息和/或指标信息的情况，可以根据预先建立的医学术语与对应的标本信息和指标信息的关联关系，例如：皮质醇8Am(血)-静脉血-皮质醇。
示例性的，待匹配原始医学术语的表述方式为皮质醇8Am(血)，该待匹配原始医学术语所对应的标本信息可以是静脉血，该待匹配原始医学术语所对应的指标信息可以是皮质醇。
需要说明的是，确定待匹配原始医学术语与每个待匹配标准医学术语的表述字符相似度，标本字符相似度以及指标字符相似度可以采用类似的实现方式，为了清楚的介绍本实施例技术方案，以其中一个待匹配标准医学术语为例来介绍。
具体的，可以根据待匹配原始医学术语的表述方式和/或待匹配原始医学术语的关联信息中确定与待匹配原始医学术语相对应的标本信息以及指标信息，并可以获取待匹配标准医学术语的表述方式、标本信息以及指标信息。根据待匹配原始医学术语的表述方式与待匹配标准医学术语的表述方式确定表述字符相似度；根据待匹配原始医学术语的标本信息与待匹配标准医学术语的标本信息确定标本字符相似度；根据待匹配原始医学术语的指标信息与待匹配标准医学术语的指标信息确定指标字符相似度。计算字符相似度的方法可以是最长公共子序列(Longest Common Subsequence，LCS)算法，也可以是Jaro–Winkler(字符匹配)算法等，在本实施例中不作具体限定。
第二、根据表述字符相似度，标本字符相似度以及指标字符相似度，确定待匹配原始医学术语与至少一个标准医学术语的字符相似度。
具体的，根据确定的表述字符相似度，标本字符相似度以及指标字符相似度可以通过计算确定待匹配原始医学术语与至少一个标准医学术语的字符相似度。上述计算方式可以是通过求和，或者加权求和等方式计算。
需要说明的是，若通过加权求和的方式确定待匹配原始医学术语与至少一个标准医学术语的字符相似度，则权重值的设定可以是根据实际业务经验和/或实际情况需求设定的，也可以是通过训练完成的机器学习模型确定的权重值。
S120、基于预设的医学数据库，获取待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词，并分别确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值。
其中，医学数据库中可以包括各待匹配标准医学术语的核心特征词。核心特征词可以是医学术语中的关键词。核心匹配评估值可以衡量待匹配原始医学术语与待匹配标准医学术语之间的关键词相似度。
具体的，根据核心特征词确定方法可以确定待匹配原始医学术语的核心特征词，该核心特征词的数量可以是一个或多个。待匹配标准医学术语的核心特征词的数量也可以是一个或多个。示例性地，待匹配原始医学术语的核心特征词确定方式可以是基于统计特征的关键词提取方式、基于词图模型的关键词提取方式或基于主题模型的关键词提取方式等，在本实施例中不作具体限定。
需要说明的是，构建医学数据库时，医学数据库中各待匹配标准医学术语的核心特征词确定方式也可以是基于统计特征的关键词提取方式、基于词图模型的关键词提取方式或基于主题模型的关键词提取方式等，在本实施例中不作具体限定。
接下来，以基于统计特征的关键词提取方式中的词频-逆文本值(TF-IDF，TermFrequency–Inverse Document Frequency)为例，介绍待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值具体确定方式：
步骤一、针对待匹配原始医学术语以及待匹配标准医学术语进行分词处理，分别确定分词单元。
其中，分词处理可以是基于分词词典或结巴分词工具等将待匹配原始医学术语划分为至少一个分词单元的方式。分词单元可以是分词处理后的结果，每个待匹配原始医学术语所对应的分词单元可以是一个或多个，每个待匹配标准医学术语所对应的分词单元也可以是一个或多个。
具体的，可以基于分词词典将待匹配原始医学术语划分为至少一个分词单元，或者是基于结巴工具将待匹配原始医学术语划分为至少一个分词单元。确定待匹配标准医学术语的分词单元的方式也可以是基于分词词典或结巴分词工具等方式。
可选的，医学数据库中可以预先存储各个分词单元所对应的同义词和近义词，所述同义词和近义词包括但不限于中文表述，英文表述，缩写，以及约定俗成的表达等。例如：核磁共振成像在医学数据库中获取的同义词和近义词包括磁共振，磁共振成像，核成像技术，MRI以及Magnetic Resonance Imaging等。根据上述医学数据库，可以确定待匹配原始医学术语的分词单元的同义词和近义词，以便于后续确定核心特征词时使用。
步骤二、根据词频-逆文本值，确定待匹配原始医学术语的至少一个待匹配核心特征词以及各待匹配标准医学术语的至少一个标准核心特征词。
其中，词频的计算方式可以是某个分词单元及其同义词和近义词在医学文章中的出现次数与该医学文章总词数的比值，逆文本频率可以是医学数据库中医学文章总数与包含某个分词单元及其同义词和近义词的文章数量的比值加一后再求对数获得的值。词频-逆文本值为词频与逆文本频率的乘积。
具体的，根据词频-逆文本值可以确定预设数量的分词单元为核心特征词，也可以确定词频-逆文本值大于预设数值的分词单元为核心特征词。根据上述方式可以确定待匹配原始医学术语的待匹配核心特征词。同理，可以确定医学数据库中的各待匹配标准医学术语的标准核心特征词。
需要说明的是，核心特征词的数量可以是一个或多个，通常情况下是一个或者两个。
步骤三、根据待匹配核心特征词以及标准核心特征词，确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值。
可选地，根据待匹配原始医学术语以及待匹配标准医学术语中相匹配的核心特征词的数量，以及待匹配标准医学术语的核心特征词的总数量，确定核心匹配评估值。
具体的，核心匹配评估值可以是根据如下公式确定：
其中，Score表示核心匹配评估值，n表示待匹配核心特征词与标准核心特征词相匹配的核心特征词数量，N表示标准核心特征词的数量。
示例性的，待匹配核心特征词包括A，B以及C，标准核心特征词包括B以及D。此时，待匹配核心特征词与标准核心特征词相匹配的核心特征词为B，数量为1。并且，标准核心特征词的数量为2。根据上述公式可以确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值为
S130、基于字符相似度以及核心匹配评估值，确定与原始医学术语相对应的至少一个目标标准医学术语。
其中，目标标准医学术语可以是一个或多个，若目标标准医学术语为一个，那么目标标准医学术语为原始医学术语进行标准化后的医学术语，若目标标准医学术语为多个，则目标标准医学术语可以是原始医学术语标准化的多个候选项。
具体的，根据字符相似度以及核心匹配评估值可以通过处理确定与原始医学术语相对应的至少一个目标标准医学术语，处理方式可以是将字符相似度以及核心匹配评估值进行求和、加权求和或求乘积等方式。
为了更清楚的介绍本实施例中确定目标标准医学术语的方法，可以按照如下步骤来执行：
步骤一、根据字符相似度以及核心匹配评估值进行加权求和，确定综合匹配评估值。
其中，综合匹配评估值可以是衡量待匹配标准医学术语与待匹配原始医学术语的匹配程度的值。
具体的，可以根据预先设置的权重，对字符相似度以及核心匹配评估值进行加权求和，将加权求和的结果作为综合匹配评估值。还可以根据机器学习模型训练确定字符相似度的权重值以及核心匹配评估值的权重值，通过加权求和的方式确定综合匹配评估值。
可选的，根据公式S＝w1S1+w2S2确定综合匹配评估值，其中，S表示综合匹配评估值，w1表示字符相似度的权重值，w2表示核心匹配评估值的权重值，S1表示字符相似度，S2表示核心匹配评估值。
步骤二、基于综合匹配评估值，确定与原始医学术语相对应的目标标准医学术语。
具体的，可以将综合匹配评估值最高的一个待匹配标准医学术语作为目标标准医学术语，还可以将综合匹配评估值从高至低排序，将预设数量或预设比例的待匹配标准医学术语作为目标标准医学术语，例如：将综合匹配评估值排名前十的待匹配标准医学术语作为目标标准医学术语，或者，将综合匹配评估值排名前1％的待匹配标准医学术语作为目标标准医学术语。
本发明实施例的技术方案，通过获取原始医学术语并对原始医学术语进行预处理得到待匹配原始医学术语，能够初步过滤掉原始医学术语中的干扰信息，得到待匹配原始医学术语，进而确定待匹配原始医学术语与待匹配标准医学术语的字符相似度，通过原始医学术语的字符串与标准医学术语的字符串之间的相似度，来确定待匹配原始医学术语与待匹配标准医学术语的相近程度，并且根据待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词确定核心匹配评估值，进一步通过能够表征待匹配原始医学术语的关键信息的核心特征词，与表征待匹配标准医学术语的关键信息的核心特征词的匹配度，来确定待匹配原始医学术语与待匹配标准医学术语的相近程度；最后根据字符相似度以及核心匹配评估值确定目标标准医学术语，即，通过字符相似度以及核心匹配评估值综合来确定待匹配标准医学术语中与原始医学术语相近的目标标准医学术语，解决了人工进行医学术语标准化时产生的标准化效率低以及准确率低的问题，实现了提升医学术语标准化的效率以及准确率的技术效果。
实施例二
图2为本发明实施例二所提供的一种医学术语标准化方法流程示意图，本实施例在上述实施例的基础上，为了进一步准确的确定与原始医学术语相对应的目标标准医学术语，可以在前述实施例的基础上，结合语义匹配评估值对目标标准医学术语进行更新，可选地，本实施例的医学术语标准化方法还包括：分别确定每个所述目标标准医学术语与所述待匹配原始医学术语的语义匹配评估值；基于所述字符相似度，所述核心匹配评估值以及所述语义匹配评估值对所述目标标准医学术语进行更新。其中，与上述实施例相同或相应的术语的解释在此不再赘述。
如图2所述，本实施例的方法具体包括如下步骤：
S210、获取原始医学术语，对原始医学术语进行预处理得到待匹配原始医学术语，并分别确定待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度。
S220、基于预设的医学数据库，获取待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词，并分别确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值。
S230、基于字符相似度以及核心匹配评估值，确定与原始医学术语相对应的至少一个目标标准医学术语。
S240、分别确定每个目标标准医学术语与待匹配原始医学术语的语义匹配评估值。
其中，目标标准医学术语可以是多个。从多个目标标准医学术语中，选择出与原始医学术语匹配度高的目标标准医学术语，可以是通过语义匹配评估值来确定。语义匹配评估值可以是通过语义匹配方法确定出的目标标准医学术语与待匹配原始医学术语的语义匹配度。语义匹配方法是自然语言处理中的一个分支，可以用于衡量不同文本的相似度，语义匹配方法可以是通过深度语义匹配模型(Deep Structured Semantic Models，DSSM)，卷积神经网络-深度语义匹配模型(Convolutional Neural Networks-Deep StructuredSemantic Models，CLSM)或长短期记忆网络-深度语义匹配模型(Long Short-TermMemory-Deep Structured Semantic Models，LSTM-DSSM)等深度学习模型实现的。优选的，在本实施例中，可以使用医学领域中的预训练语言模型。
需要说明的是，确定待匹配原始医学术语与每个目标标准医学术语的语义匹配评估值均是采用相同的方式，为了清楚的介绍本实施例技术方案，以其中一个目标标准医学术语为例来介绍。
具体的，可以将当前目标标准医学术语以及待匹配原始医学术语作为模型的输入，输入至预先训练的用于医学术语语义匹配的深度学习模型中，确定当前目标标准医学术语与待匹配原始医学术语的语义匹配评估值。
为了使深度学习模型对语义匹配的效果更准确，可以预先对该深度学习模型进行训练。
可选的，基于训练完成的深度学习模型，分别确定每个目标标准医学术语与待匹配原始医学术语的语义匹配评估值。
其中，深度学习模型一般是基于大规模数据训练得到的，在本实施例中，深度学习模型可以是预训练的深度语言学习模型。其中，预训练的深度语言学习模型的精细调节阶段可以是根据实际需求自行设计及训练的。可选的，在预训练的深度语言学习模型的精细调节阶段，可以基于医学术语正例样本集以及医学术语负例样本集训练得到。正例样本集和负例样本集的划分依据可以是：将目标标准医学术语与待匹配原始医学术语语义匹配度高的样本作为正例样本，将目标标准医学术语与待匹配原始医学术语语义匹配度低的样本作为负例样本。
需要说明的是，预训练的深度语言学习模型的基础阶段是使用业界公开开源的模型，该模型可以提供医学领域术语的高维向量表示。将正例样本集和负例样本集的数据输入至预训练的深度语言学习模型中，可以对该模型进行精细调节。在结果输出阶段，可以增加非线性的Softmax函数层，以获得准确的语义匹配评估值。
具体的，基于预先确定的医学术语正例样本集以及医学术语负例样本集对预训练的深度语言学习模型进行精细调节，将当前目标标准医学术语以及待匹配原始医学术语作为模型的输入，输入至训练完成的预训练的深度语言学习模型中，确定当前目标标准医学术语与待匹配原始医学术语的语义匹配评估值。
可选的，深度学习模型的训练过程可以是：针对待训练深度学习模型，将训练样本集数据作为待训练深度学习模型的输入，得到与训练样本集数据相对应的输出评估值。基于输出评估值与训练样本数据的设定输出值，计算待训练深度学习模型中损失函数的损失值，基于损失值，调整待训练深度学习模型中的参数。将损失函数达到收敛作为训练目标，对待训练深度学习模型进行训练，得到初步训练的深度学习模型。进一步，根据校验样本数据，对待训练深度学习评估模型进行校验，基于校验结果，确定训练完成的深度学习模型。
S250、基于字符相似度，核心匹配评估值以及语义匹配评估值对目标标准医学术语进行更新。
具体的，根据字符相似度，核心匹配评估值以及语义匹配评估值可以通过求和、加权求和或求乘积等计算方式确定待匹配原始医学术语与各目标标准医学术语的匹配概率。根据字符相似度，核心匹配评估值以及语义匹配评估值还可以通过预先训练的分类模型确定待匹配原始医学术语与各目标标准医学术语的匹配概率。根据待匹配原始医学术语与各目标标准医学术语的匹配概率可以更新目标标准医学术语，可以是将各目标标准医学术语按照匹配概率进行从高至低排序。进而，确定预设数量或预设比例排序靠前的目标标准医学术语为新的目标标准医学术语，并更新原有的目标标准医学术语。
为了准确并且快捷的更新目标标准医学术语，可以使用预先训练的分类模型来确定待匹配原始医学术语与各目标标准医学术语的匹配概率。
可选的，针对每个目标标准医学术语，将待匹配原始医学术语与目标标准医学术语的字符相似度，核心匹配评估值以及语义匹配评估值输入预先训练完成的分类模型中，确定待匹配原始医学术语与目标标准医学术语的匹配概率。根据每个目标标准医学术语与待匹配原始医学术语的匹配概率，对目标标准医学术语进行更新。
具体的，可以根据训练样本集训练分类模型，根据预先训练完成的分类模型来确定待匹配原始医学术语与目标标准医学术语的匹配概率。可以是将待匹配原始医学术语与目标标准医学术语的字符相似度，核心匹配评估值以及语义匹配评估值作为输入，输入至预先训练完成的分类模型中，得到待匹配原始医学术语与目标标准医学术语的匹配概率。在本实施例中，分类模型可以使用机器学习二分类模型，例如：逻辑回归模型(LogisticRegression，LR)、XGBoost模型、LightGBM模型或者是其他模型等，在此不作限定。根据模型输出的与各目标标准医学术语相对应的匹配概率，进行从高至低的排序，将预设数量或预设比例的目标标准医学术语作为新的目标标准医学术语，以更新目标标准医学术语。其中，预设数量小于原有目标标准医学术语的数量。
示例性的，目标标准医学术语包括：A，B，C，D，E，F，G以及H，根据预先训练的分类模型确定的上述各目标标准医学术语与待匹配原始医学术语的匹配概率分别为0.58,0.25,0.75,0.65,0.44,0.95,0.63以及0.73。将目标标准医学术语按照匹配概率从高至低排序得到：0.95-F，0.75-C，0.73-H，0.65-D，0.63-G，0.58-A，0.44-E以及0.25-B。若预设数量为3，则可以确定F，C以及H为新的目标标准医学术语，并将原有的目标标准医学术语更新为F，C以及H。
本发明实施例的技术方案，通过确定待匹配原始医学术语与待匹配标准医学术语的语义匹配评估值，并且结合字符相似度以及核心匹配评估值更新目标标准医学术语，即，通过字符相似度，核心匹配评估值以及语义匹配评估值来确定进一步筛选目标标准医学术语，解决了人工进行医学术语标准化时产生的标准化效率低以及准确率低的问题，实现了进一步提升医学术语标准化的效率以及准确率的技术效果。
实施例三
图3为本发明实施例三所提供的一种医学术语标准化方法的优选实施例的流程示意图，具体为确定与原始医学术语匹配的目标标准医学术语时使用，其中，与上述各实施例相同或相应的术语的解释在此不再赘述。
如图3所述，具体的方法如下：
S310、获取原始医学术语表述，并对针对原始医学术语表述进行预处理，将预处理后的结果作为待匹配原始医学术语。
其中，预处理包括统一大小写，去除空格、特殊符号，去除无实际业务意义的词语，以及否定词处理等。
S320、分别计算待匹配原始医学术语表述与各标准医学术语的字符相似度。
其中，字符相似度包括表述字符相似度，标本字符相似度以及指标字符相似度，可以采用LCS，Jaro–Winkler等方法确定字符相似度。根据表述字符相似度，标本字符相似度以及指标字符相似度确定字符相似度的方法可以使加权求和方法，权重的设置可以依据业务经验进行调整，或者可以通过训练分类器训练获取。
S330、基于预设的医学知识库，获取各标准医学术语的核心特征词。
具体的，可以采用开源的结巴组件，以及医学知识库中的自定义词典和停用词词典，确定各标准医学术语的分词单元。基于医学知识库获取各分词单元的同义词和近义词，包括但是不限于中英文缩略写、约定俗成的同义表达等。分别计算每个分词单元的词频-逆文档频率，基于词频-逆文档频率确定各标准医学术语的核心特征词。
S340、分别计算待匹配原始医学术语与各标准医学术语的核心特征词的匹配得分。
具体的，可以按照S330的核心特征词确定方法，确定待匹配原始医学术语的核心特征词。可以基于下述公式计算核心特征词的匹配得分：
其中，Score表示核心特征词的匹配得分，n表示待匹配原始医学术语的核心特征词与标准医学术语的核心特征词相匹配的核心特征词数量，N表示标准医学术语的核心特征词的数量。
S350、根据字符相似度以及核心特征词的匹配得分，计算综合匹配得分，并将各标准医学术语按照综合匹配得分从高至低排序，确定预设数量的标准医学术语为候选项。
具体的，综合匹配得分可以基于下述公式计算得出。
S＝w1S1+w2S2
其中，S表示综合匹配得分，w1表示字符相似度的权重值，w2表示核心特征词的匹配得分的权重值，S1表示字符相似度，S2表示核心特征词的匹配得分。
进而，可以依据综合匹配得分，获取预设数量的标准医学术语作为候选项，该预设数量通常取10或者20等，具体取值可以根据实际情况设定。
S360、基于预设的深度学习模型，计算各候选项与待匹配原始医学术语的语义匹配得分。
具体的，基于预设的预训练的深度学习模型，构建正例和负例训练集，输出各候选项与待匹配原始医学术语的语义匹配得分。可选的，深度学习模型为预训练的深度语言学习模型。
S370、根据字符相似度、核心特征词的匹配得分以及语义匹配得分，通过预先构建的有监督分类器确定匹配概率，并将各候选项按照匹配概率从高至低排序，确定预设数量的候选项为目标标准医学术语。
具体的，可以预先构建二分类的分类器，本实施例中可以采用LR、XGBoost、或LightGBM等分类器模型。根据字符相似度、核心特征词的匹配得分以及语义匹配得分，通过预先构建二分类的分类器，返回匹配概率最大的预设数量的候选项，其中，预设数量为正整数，小于候选项数量，通常可以取3等。
本发明实施例的技术方案，通过获取原始医学术语并对原始医学术语进行预处理得到待匹配原始医学术语，能够初步过滤掉原始医学术语中的干扰信息，得到待匹配原始医学术语，进而确定待匹配原始医学术语与待匹配标准医学术语的字符相似度以及核心特征词的匹配得分，并确定候选项。进一步，确定各候选项与待匹配原始医学术语的语义匹配得分，根据字符相似度、核心特征词的匹配得分以及语义匹配得分从候选项中确定目标标准医学术语。解决了人工进行医学术语标准化时产生的标准化效率低以及准确率低的问题，实现了提升医学术语标准化的效率以及准确率的技术效果。
实施例四
图4为本发明实施例四所提供的一种医学术语标准化装置的结构示意图，该装置包括：字符相似度确定模块410，核心匹配评估值确定模块420和目标标准医学术语确定模块430。
其中，字符相似度确定模块410，用于获取原始医学术语，对所述原始医学术语进行预处理得到待匹配原始医学术语，并分别确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；核心匹配评估值确定模块420，用于基于预设的医学数据库，获取所述待匹配原始医学术语的核心特征词以及所述待匹配标准医学术语的核心特征词，并分别确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值；目标标准医学术语确定模块430，用于基于所述字符相似度以及所述核心匹配评估值，确定与所述原始医学术语相对应的至少一个目标标准医学术语。
可选的，该医学术语标准化装置，还包括：
语义匹配评估值确定模块，用于分别确定每个目标标准医学术语与待匹配原始医学术语的语义匹配评估值；
目标标准医学术语更新模块，用于基于字符相似度，核心匹配评估值以及语义匹配评估值对目标标准医学术语进行更新。
可选的，语义匹配评估值确定模块，具体用于基于预训练的深度语言学习模型，分别确定每个目标标准医学术语与待匹配原始医学术语的语义匹配评估值，其中，预训练的深度语言学习模型基于医学术语正例样本集以及医学术语负例样本集训练得到。
可选的，目标标准医学术语更新模块，具体用于基于字符相似度，核心匹配评估值以及语义匹配评估值，通过预先训练完成的分类模型，对目标标准医学术语进行更新。
可选的，目标标准医学术语更新模块，具体用于针对每个目标标准医学术语，将待匹配原始医学术语与目标标准医学术语的字符相似度，核心匹配评估值以及语义匹配评估值输入预先训练完成的分类模型中，确定待匹配原始医学术语与目标标准医学术语的匹配概率；根据每个目标标准医学术语与待匹配原始医学术语的匹配概率，对目标标准医学术语进行更新。
可选的，字符相似度确定模块410，具体用于分别基于待匹配原始医学术语的表述方式、标本信息以及指标信息，确定待匹配原始医学术语与待匹配标准医学术语的表述字符相似度，标本字符相似度以及指标字符相似度；根据表述字符相似度，标本字符相似度以及指标字符相似度，确定待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度。
可选的，核心匹配评估值确定模块420，具体用于针对待匹配原始医学术语以及待匹配标准医学术语进行分词处理，分别确定分词单元；根据词频-逆文本值，确定待匹配原始医学术语的至少一个待匹配核心特征词以及各待匹配标准医学术语的至少一个标准核心特征词；根据待匹配核心特征词以及标准核心特征词，确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值。
本发明实施例的技术方案，通过获取原始医学术语并对原始医学术语进行预处理得到待匹配原始医学术语，能够初步过滤掉原始医学术语中的干扰信息，得到待匹配原始医学术语，进而确定待匹配原始医学术语与待匹配标准医学术语的字符相似度，通过原始医学术语的字符串与标准医学术语的字符串之间的相似度，来确定待匹配原始医学术语与待匹配标准医学术语的相近程度，并且根据待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词确定核心匹配评估值，进一步通过能够表征待匹配原始医学术语的关键信息的核心特征词，与表征待匹配标准医学术语的关键信息的核心特征词的匹配度，来确定待匹配原始医学术语与待匹配标准医学术语的相近程度；最后根据字符相似度以及核心匹配评估值确定目标标准医学术语，即，通过字符相似度以及核心匹配评估值综合来确定待匹配标准医学术语中与原始医学术语相近的目标标准医学术语，解决了人工进行医学术语标准化时产生的标准化效率低以及准确率低的问题，实现了提升医学术语标准化的效率以及准确率的技术效果。
本发明实施例所提供的医学术语标准化装置可执行本发明任意实施例所提供的医学术语标准化方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述医学术语标准化装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
实施例五
图5为本发明实施例五所提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图5显示的电子设备50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该电子设备50交互的设备通信，和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且，电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器512通过总线503与电子设备50的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的医学术语标准化方法。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种医学术语标准化方法，该方法包括：
获取原始医学术语，对原始医学术语进行预处理得到待匹配原始医学术语，并分别确定待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
基于预设的医学数据库，获取待匹配原始医学术语的核心特征词以及待匹配标准医学术语的核心特征词，并分别确定待匹配原始医学术语与待匹配标准医学术语的核心匹配评估值；
基于字符相似度以及核心匹配评估值，确定与原始医学术语相对应的至少一个目标标准医学术语。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种医学术语标准化方法，其特征在于，包括：
获取原始医学术语，对所述原始医学术语进行预处理得到待匹配原始医学术语，并分别确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
基于预设的医学数据库，获取所述待匹配原始医学术语的核心特征词以及所述待匹配标准医学术语的核心特征词，并分别确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值；
基于所述字符相似度以及所述核心匹配评估值，确定与所述原始医学术语相对应的至少一个目标标准医学术语；
所述分别确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度，包括：
分别基于所述待匹配原始医学术语的表述方式、标本信息以及指标信息，确定所述待匹配原始医学术语与所述待匹配标准医学术语的表述字符相似度，标本字符相似度以及指标字符相似度；
根据所述表述字符相似度，所述标本字符相似度以及所述指标字符相似度，确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
其中，与所述待匹配原始医学术语相对应的标本信息以及指标信息由所述待匹配原始医学术语的表述方式和/或所述待匹配原始医学术语的关联关系确定；与所述待匹配标准医学术语相对应的标本信息以及指标信息由所述待匹配标准医学术语的表述方式和/或所述待匹配标准医学术语的关联关系确定。
2.根据权利要求1所述的方法，其特征在于，还包括：
分别确定每个所述目标标准医学术语与所述待匹配原始医学术语的语义匹配评估值；
基于所述字符相似度，所述核心匹配评估值以及所述语义匹配评估值对所述目标标准医学术语进行更新。
3.根据权利要求2所述的方法，其特征在于，所述分别确定每个所述目标标准医学术语与所述待匹配原始医学术语的语义匹配评估值，包括：
基于预训练的深度语言学习模型，分别确定每个所述目标标准医学术语与所述待匹配原始医学术语的语义匹配评估值，其中，所述预训练的深度语言学习模型基于医学术语正例样本集以及医学术语负例样本集训练得到。
4.根据权利要求2所述的方法，其特征在于，所述基于所述字符相似度，所述核心匹配评估值以及所述语义匹配评估值对所述目标标准医学术语进行更新，包括：
基于所述字符相似度，所述核心匹配评估值以及所述语义匹配评估值，通过预先训练完成的分类模型，对所述目标标准医学术语进行更新。
5.根据权利要求2所述的方法，其特征在于，所述基于所述字符相似度，所述核心匹配评估值以及所述语义匹配评估值，通过预先训练完成的分类模型，对所述目标标准医学术语进行更新，包括：
针对每个所述目标标准医学术语，将所述待匹配原始医学术语与目标标准医学术语的字符相似度，核心匹配评估值以及语义匹配评估值输入预先训练完成的分类模型中，确定所述待匹配原始医学术语与所述目标标准医学术语的匹配概率；
根据每个所述目标标准医学术语与所述待匹配原始医学术语的所述匹配概率，对所述目标标准医学术语进行更新。
6.根据权利要求1所述的方法，其特征在于，所述获取所述待匹配原始医学术语的核心特征词以及所述待匹配标准医学术语的核心特征词，并分别确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值，包括：
针对所述待匹配原始医学术语以及所述待匹配标准医学术语进行分词处理，分别确定分词单元；
根据词频-逆文本值，确定待匹配原始医学术语的至少一个待匹配核心特征词以及各待匹配标准医学术语的至少一个标准核心特征词；
根据所述待匹配核心特征词以及所述标准核心特征词，确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值。
7.一种医学术语标准化装置，其特征在于，包括：
字符相似度确定模块，用于获取原始医学术语，对所述原始医学术语进行预处理得到待匹配原始医学术语，并分别确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
核心匹配评估值确定模块，用于基于预设的医学数据库，获取所述待匹配原始医学术语的核心特征词以及所述待匹配标准医学术语的核心特征词，并分别确定所述待匹配原始医学术语与所述待匹配标准医学术语的核心匹配评估值；
目标标准医学术语确定模块，用于基于所述字符相似度以及所述核心匹配评估值，确定与所述原始医学术语相对应的至少一个目标标准医学术语；
所述字符相似度确定模块，具体用于分别基于所述待匹配原始医学术语的表述方式、标本信息以及指标信息，确定所述待匹配原始医学术语与所述待匹配标准医学术语的表述字符相似度，标本字符相似度以及指标字符相似度；根据所述表述字符相似度，所述标本字符相似度以及所述指标字符相似度，确定所述待匹配原始医学术语与至少一个待匹配标准医学术语的字符相似度；
其中，与所述待匹配原始医学术语相对应的标本信息以及指标信息由所述待匹配原始医学术语的表述方式和/或所述待匹配原始医学术语的关联关系确定；与所述待匹配标准医学术语相对应的标本信息以及指标信息由所述待匹配标准医学术语的表述方式和/或所述待匹配标准医学术语的关联关系确定。
8.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的医学术语标准化方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的医学术语标准化方法。
CN202011502982.6A 2020-12-18 2020-12-18 医学术语标准化方法、装置、电子设备及存储介质 Active CN112541056B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011502982.6A CN112541056B (zh) 2020-12-18 2020-12-18 医学术语标准化方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011502982.6A CN112541056B (zh) 2020-12-18 2020-12-18 医学术语标准化方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112541056A CN112541056A (zh) 2021-03-23
CN112541056B true CN112541056B (zh) 2024-05-31

Family

ID=75019147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011502982.6A Active CN112541056B (zh) 2020-12-18 2020-12-18 医学术语标准化方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112541056B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966153B (zh) * 2021-03-30 2023-10-27 卫宁健康科技集团股份有限公司 术语映射方法、装置、电子设备以及存储介质
CN113591458B (zh) * 2021-07-29 2023-09-01 平安科技（深圳）有限公司 基于神经网络的医学术语处理方法、装置、设备及存储介质
CN113808758B (zh) * 2021-08-31 2024-06-07 联仁健康医疗大数据科技股份有限公司 一种检验数据标准化的方法、装置、电子设备和存储介质
CN113793668A (zh) * 2021-09-17 2021-12-14 平安科技（深圳）有限公司 基于人工智能的症状标准化方法、装置、电子设备及介质
CN113656604B (zh) 2021-10-19 2022-02-22 之江实验室 基于异构图神经网络的医疗术语规范化系统及方法
CN114185869A (zh) * 2021-12-03 2022-03-15 四川新网银行股份有限公司 一种基于数据标准的数据模型稽核的方法
CN116166698B (zh) * 2023-01-12 2023-09-01 之江实验室 一种基于通用医疗术语的快速构建队列方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004102790A (ja) * 2002-09-11 2004-04-02 Nippon Telegr & Teleph Corp <Ntt> オントロジー変換装置、オントロジー変換方法、オントロジー変換プログラムおよび記録媒体
CN101930462A (zh) * 2010-08-20 2010-12-29 华中科技大学 一种综合的本体相似度检测方法
CN104699767A (zh) * 2015-02-15 2015-06-10 首都经济贸易大学 一种面向中文语言的大规模本体映射方法
CN106250382A (zh) * 2016-01-28 2016-12-21 新博卓畅技术（北京）有限公司 一种元数据管理引擎系统及实现方法
CN106933806A (zh) * 2017-03-15 2017-07-07 北京大数医达科技有限公司 医疗同义词的确定方法和装置
CN109002436A (zh) * 2018-07-12 2018-12-14 上海金仕达卫宁软件科技有限公司 基于长短期记忆网络的医疗文本术语自动识别方法及系统
CN109033080A (zh) * 2018-07-12 2018-12-18 上海金仕达卫宁软件科技有限公司 基于概率转移矩阵的医疗术语标准化方法及系统
CN109408820A (zh) * 2018-10-17 2019-03-01 长沙瀚云信息科技有限公司 一种医学术语映射系统和方法、设备及存储介质
CN111026840A (zh) * 2019-11-26 2020-04-17 腾讯科技（深圳）有限公司 文本处理方法、装置、服务器和存储介质
CN111160012A (zh) * 2019-12-26 2020-05-15 上海金仕达卫宁软件科技有限公司 医学术语识别方法、装置和电子设备
CN111242014A (zh) * 2020-01-10 2020-06-05 天津理工大学 尿沉渣细胞显微图像的液滴成像方法及装置
CN111274400A (zh) * 2020-01-20 2020-06-12 医惠科技有限公司 一种医学术语系统的构建方法、装置、设备及存储介质
CN111652299A (zh) * 2020-05-26 2020-09-11 泰康保险集团股份有限公司 一种业务数据自动匹配的方法及设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9461876B2 (en) * 2012-08-29 2016-10-04 Loci System and method for fuzzy concept mapping, voting ontology crowd sourcing, and technology prediction
EP3877948A4 (en) * 2018-11-05 2022-11-23 Huron Technologies International Inc. MEDICAL IMAGE MANAGEMENT SYSTEMS AND METHODS

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004102790A (ja) * 2002-09-11 2004-04-02 Nippon Telegr & Teleph Corp <Ntt> オントロジー変換装置、オントロジー変換方法、オントロジー変換プログラムおよび記録媒体
CN101930462A (zh) * 2010-08-20 2010-12-29 华中科技大学 一种综合的本体相似度检测方法
CN104699767A (zh) * 2015-02-15 2015-06-10 首都经济贸易大学 一种面向中文语言的大规模本体映射方法
CN106250382A (zh) * 2016-01-28 2016-12-21 新博卓畅技术（北京）有限公司 一种元数据管理引擎系统及实现方法
CN106933806A (zh) * 2017-03-15 2017-07-07 北京大数医达科技有限公司 医疗同义词的确定方法和装置
CN109002436A (zh) * 2018-07-12 2018-12-14 上海金仕达卫宁软件科技有限公司 基于长短期记忆网络的医疗文本术语自动识别方法及系统
CN109033080A (zh) * 2018-07-12 2018-12-18 上海金仕达卫宁软件科技有限公司 基于概率转移矩阵的医疗术语标准化方法及系统
CN109408820A (zh) * 2018-10-17 2019-03-01 长沙瀚云信息科技有限公司 一种医学术语映射系统和方法、设备及存储介质
CN111026840A (zh) * 2019-11-26 2020-04-17 腾讯科技（深圳）有限公司 文本处理方法、装置、服务器和存储介质
CN111160012A (zh) * 2019-12-26 2020-05-15 上海金仕达卫宁软件科技有限公司 医学术语识别方法、装置和电子设备
CN111242014A (zh) * 2020-01-10 2020-06-05 天津理工大学 尿沉渣细胞显微图像的液滴成像方法及装置
CN111274400A (zh) * 2020-01-20 2020-06-12 医惠科技有限公司 一种医学术语系统的构建方法、装置、设备及存储介质
CN111652299A (zh) * 2020-05-26 2020-09-11 泰康保险集团股份有限公司 一种业务数据自动匹配的方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A review of medical terminology standards and structured reporting;Abdullah Awaysheh等;《Journal of Veterinary Diagnostic Investigation》;20180130;第30卷(第1期);第17-25页 *
临床检验指标术语库的构建与病历挖掘应用;张知行等;《中文信息学报》;20201215;第34卷(第12期);第100-110页 *

Also Published As

Publication number Publication date
CN112541056A (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN112541056B (zh) 医学术语标准化方法、装置、电子设备及存储介质
CN111274806B (zh) 分词和词性识别方法、装置及电子病历的分析方法、装置
CN109522551B (zh) 实体链接方法、装置、存储介质及电子设备
CN109670054B (zh) 知识图谱构建方法、装置、存储介质及电子设备
CN113345577B (zh) 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质
US11670420B2 (en) Drawing conclusions from free form texts with deep reinforcement learning
CN111581976A (zh) 医学术语的标准化方法、装置、计算机设备及存储介质
CN110517767B (zh) 辅助诊断方法、装置、电子设备及存储介质
US20210183526A1 (en) Unsupervised taxonomy extraction from medical clinical trials
CN114186070A (zh) 基于人工智能模型的医学术语归一化方法、装置
CN111259664B (zh) 医学文本信息的确定方法、装置、设备及存储介质
CN115995281A (zh) 一种基于数据治理的专病数据库的数据检索方法及装置
CN112579750A (zh) 相似病案的检索方法、装置、设备及存储介质
CN113808758B (zh) 一种检验数据标准化的方法、装置、电子设备和存储介质
CN111553140A (zh) 数据处理方法、数据处理设备及计算机存储介质
US20240143605A1 (en) System And Method For Improved State Identification And Prediction In Computerized Queries
Ravikumar et al. Machine learning model for clinical named entity recognition
CN116564539B (zh) 基于信息抽取和实体归一的医学相似病例推荐方法和系统
CN113111660A (zh) 数据处理方法、装置、设备和存储介质
Li et al. Improved deep belief network model and its application in named entity recognition of Chinese electronic medical records
US11783244B2 (en) Methods and systems for holistic medical student and medical residency matching
CN114461085A (zh) 医疗输入推荐方法、装置、设备及存储介质
CN114068028A (zh) 医疗问诊数据处理方法及装置、可读存储介质及电子设备
CN114139530A (zh) 同义词提取方法、装置、电子设备及存储介质
CN114300127A (zh) 问诊处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant