CN116705345A - 医疗实体标注方法、装置、设备及存储介质 - Google Patents

医疗实体标注方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116705345A
CN116705345A CN202310617770.XA CN202310617770A CN116705345A CN 116705345 A CN116705345 A CN 116705345A CN 202310617770 A CN202310617770 A CN 202310617770A CN 116705345 A CN116705345 A CN 116705345A
Authority
CN
China
Prior art keywords
labeling
entity
model
medical
original
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.)
Pending
Application number
CN202310617770.XA
Other languages
English (en)
Inventor
原丽娜
刘道云
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.)
Kangjian Information Technology Shenzhen Co Ltd
Original Assignee
Kangjian Information Technology Shenzhen 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 Kangjian Information Technology Shenzhen Co Ltd filed Critical Kangjian Information Technology Shenzhen Co Ltd
Priority to CN202310617770.XA priority Critical patent/CN116705345A/zh
Publication of CN116705345A publication Critical patent/CN116705345A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及数字医疗领域的人工智能技术，揭露了一种医疗实体标注方法，包括：获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合，基于预设的神经网络构建原始联合标注模型，利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型，利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。本发明还涉及区块链技术，所述质检标注结果可存储在区块链的节点中。本发明还提出一种医疗实体标注装置、电子设备以及可读存储介质。本发明可以提高医疗实体标注的效率。

Description

医疗实体标注方法、装置、设备及存储介质
技术领域
本发明涉及数字医疗及人工智能技术领域，尤其涉及一种医疗实体标注方法、装置、电子设备及可读存储介质。
背景技术
随着计算力和数据量的大幅度提升，人工智能技术获得进一步的发展，应用人工智能解决医疗领域问题已成为了热点，例如，通过人工智能对医疗场景中的对话进行实体标注，从而辅助医生问诊。
现有技术中，医疗问诊文本数据结构化标注是个专业性强、复杂、繁琐的工作，需要耗费大量的人力。并且由于用户对病症的表述相对比较口语化，这也在一定程度上增加了标注的复杂性。当标注问题复杂，标注人员较多时，标注的一致性也难以保证。因此亟需一种能够保证标注一致性的同时，提高标注准确性及效率的方法。
发明内容
本发明提供一种医疗实体标注方法、装置、电子设备及可读存储介质，其主要目的在于可以提高医疗实体标注的效率。
为实现上述目的，本发明提供的一种医疗实体标注方法，包括：
获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
基于预设的神经网络构建原始联合标注模型；
利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
可选地，所述对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合，包括：
将所述原始医疗问诊对话文本集合中包含预设关键词的文本分类为有效文本，以及将所述原始医疗问诊对话文本集合中不包含预设关键词的文本分类为无效文本；
对所述有效文本进行实体预标注，汇总所有实体预标注后的有效文本及无效文本，得到问诊训练数据集合。
可选地，所述对所述有效文本进行实体预标注，包括：
对所述有效文本进行分词，得到分词结果，对所述分词结果进行频率统计并挑选出预设频率对应的分词作为医疗实体词；
获取预构建的医疗补充词，基于所述医疗实体词及所述医疗补充词构建医疗标注库；
利用所述医疗标注库对所述有效文本进行实体标注，得到原始标注有效文本，利用接收到的标注修改指令对所述原始标注有效文本进行修正，得到标准标注有效文本。
可选地，所述基于预设的神经网络构建原始联合标注模型，包括：
将预构建的语义表征模型作为共享编码层；
在所述共享编码层后串联一个全连接层，以及在所述共享编码层后串联一个预构建的实体抽取模型；
汇总所述共享编码层、所述全连接层及所述实体抽取模型得到原始联合标注模型，其中，共享编码层与全连接层串联用于文本分类，共享编码层与实体抽取模型串联用于实体标注及抽取。
可选地，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型，包括：
利用所述原始联合标注模型的共享编码层对所述问诊训练数据集合中的训练文本进行特征编码，得到特征向量；
利用所述共享编码层后的全连接层对所述特征向量进行文本分类，得到文本分类结果，并基于所述文本分类结果计算第一损失；
利用所述共享编码层后的实体抽取模型对所述特征向量进行实体标签预测，得到预测实体，基于所述预测实体计算第二损失；
对所述第一损失及所述第二损失进行加权联合，得到训练总损失，在所述训练总损失不满足预设的损失阈值时，调整所述原始联合标注模型中的模型参数，并返回所述利用所述共享编码层后的全连接层对所述特征向量进行文本分类的步骤，直至所述训练总损失满足所述损失阈值时，停止训练，得到所述标准联合标注模型。
可选地，所述利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果，包括：
利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果；
计算所述实体预测结果的预测准确率，在所述预测准确率小于预设的质检阈值时，接收用户输入的质检修改指令对所述实体预测结果进行修正，得到修正标注数据；
将所述修正标注数据作为问诊训练数据，并返回所述利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果的步骤，进行迭代，直至将预测准确率大于等于所述质检阈值时的实体预测结果作为质检标注结果。
可选地，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型之后，所述方法还包括：基于所述标准联合标注模型及获取的医疗业务对话集合构建医疗实体标注平台。
为了解决上述问题，本发明还提供一种医疗实体标注装置，所述装置包括：
实体预标注模块，用于获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
模型构建模块，用于基于预设的神经网络构建原始联合标注模型；
模型训练模块，用于利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
实体标注模块，用于利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的医疗实体标注方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的医疗实体标注方法。
本发明通过文本分类及实体预标注处理，可以统一标注标准，确保标注的一致性。并且通过联合训练的标准联合标注模型对问诊训练数据集合进行循环质检，可以提高医疗实体标注的准确率，同时仅需在循环质检时少量进行人工标注，大大提高了实体标注的效率。因此本发明提出的医疗实体标注方法、装置、电子设备及计算机可读存储介质，可以提高医疗实体标注的效率。
附图说明
图1为本发明一实施例提供的医疗实体标注方法的流程示意图；
图2为本发明一实施例提供的医疗实体标注装置的功能模块图；
图3为本发明一实施例提供的实现所述医疗实体标注方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种医疗实体标注方法。所述医疗实体标注方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述医疗实体标注方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的医疗实体标注方法的流程示意图。在本实施例中，所述医疗实体标注方法包括以下步骤S1-S4：
S1、获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合。
本发明实施例中，所述原始医疗问诊对话文本集合是指线上问诊时，问诊医生与患者的对话文本。
详细地，所述对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合，包括：
将所述原始医疗问诊对话文本集合中包含预设关键词的文本分类为有效文本，以及将所述原始医疗问诊对话文本集合中不包含预设关键词的文本分类为无效文本；
对所述有效文本进行实体预标注，汇总所有实体预标注后的有效文本及无效文本，得到问诊训练数据集合。
本发明一可选实施例中，所述文本分类是指对原始医疗问诊对话文本集合，先进行有效文本和无效文本的分类，其中有效文本定义为用户或医生对话中包含疾病、症状描述或药品等医学实体的文本，无效文本定义为寒暄或与疾病咨询无关的文本。比如：“宝宝咳嗽好几天了，今天去医院拍了胸片，是支气管炎”作为有效文本，“好的医生，谢谢。”作为无效文本。所述实体预标注是指对有效文本中的出现的医疗实体进行标注。
具体地，所述对所述有效文本进行实体预标注，包括：
对所述有效文本进行分词，得到分词结果，对所述分词结果进行频率统计并挑选出预设频率对应的分词作为医疗实体词；
获取预构建的医疗补充词，基于所述医疗实体词及所述医疗补充词构建医疗标注库；
利用所述医疗标注库对所述有效文本进行实体标注，得到原始标注有效文本，利用接收到的标注修改指令对所述原始标注有效文本进行修正，得到标准标注有效文本。
本发明一可选实施例中，针对有效文本，进行实体词的预标注，预标注步骤具体为：(1)对有效文本应用jieba分词算法进行分词，对分词结果进行统计分析，整理出其中的高频疾病、症状、检查、药品等实体词。利用预构建的医疗补充词，包含疾病、症状、检查、特殊时期等类型，构建医疗标注库；(2)针对每一条有效文本，标识出步骤(1)中整理出来的高频疾病、症状、检查、药品等实体词及其类型，作为原始标注有效文本；(3)人工检查核对步骤(2)的机器预打标结果，人工对机器预打标结果进行标注校验，把机器没有抽出的实体及其类型标注出来，对预打标错误的结果进行修正，这样就得到了一批人工核对后的标注数据，作为模型的训练数据。例如：宝宝咳嗽(症状)好几天了，今天去医院拍了胸片(检查)，是支气管炎(疾病)。
S2、基于预设的神经网络构建原始联合标注模型。
本发明实施例中，所述原始联合标注模型用来执行有效无效文本分类任务和医学实体抽取任务，两个子任务共享编码层，在共享编码层之后的模型结构各自分别聚焦于两个子任务。
详细地，所述基于预设的神经网络构建原始联合标注模型，包括：
将预构建的语义表征模型作为共享编码层；
在所述共享编码层后串联一个全连接层，以及在所述共享编码层后串联一个预构建的实体抽取模型；
汇总所述共享编码层、所述全连接层及所述实体抽取模型得到原始联合标注模型，其中，共享编码层与全连接层串联用于文本分类，共享编码层与实体抽取模型串联用于实体标注及抽取。
本发明一可选实施例中，由于bert模型基于自注意力机制具有很强的语义表征优势，作为联合任务的共享编码层，可以建立两个子任务之间的依赖，并利用实体之间的子句特征增强特征表征能力。所述实体抽取模型可以为Bi-LSTM+CRF模型。
S3、利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型。
详细地，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型，包括：
利用所述原始联合标注模型的共享编码层对所述问诊训练数据集合中的训练文本进行特征编码，得到特征向量；
利用所述共享编码层后的全连接层对所述特征向量进行文本分类，得到文本分类结果，并基于所述文本分类结果计算第一损失；
利用所述共享编码层后的实体抽取模型对所述特征向量进行实体标签预测，得到预测实体，基于所述预测实体计算第二损失；
对所述第一损失及所述第二损失进行加权联合，得到训练总损失，在所述训练总损失不满足预设的损失阈值时，调整所述原始联合标注模型中的模型参数，并返回所述利用所述共享编码层后的全连接层对所述特征向量进行文本分类的步骤，直至所述训练总损失满足所述损失阈值时，停止训练，得到所述标准联合标注模型。
本发明一可选实施例中，对于有效无效文本分类任务：通过bert模型进行特征编码之后，获取特征向量，在全连接层，采用softmax激活函数激活，进行一个二分类任务，选择交叉熵损失函数计算模型损失，计为第一损失loss1；对于实体抽取任务：bert模型进行特征编码之后，得到特征向量，并加入jieba分词的词性特征，拼接作为实体抽取模型的输入，经过Bi-LSTM+CRF模型结构实现实体抽取任务。即将正向LSTM与反向LSTM在各个位置输出的隐状态序列按位置拼接，得到完整的隐状态序列n*m维(h1,h2,…,hn)，在设置dropout后，接入一个线性层，将隐状态序列从m维映射到k维，k是问诊训练数据集合的标注(实体类型)数，从而得到各个类别标签的发射概率，记作矩阵P，其中每个元素Pij可以看作分词xi分类到第j个标签的打分值，最后接入CRF层，计算出标签的转移概率，得到概率最大的实体标签类型，选择交叉熵损失函数计算模型损失，计为第二损失loss2。模型最终的损失函数为有效无效文本分类任务和实体抽取任务的损失函数之和。
S4、利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
本发明实施例中，由于所述标准联合标注模型中联合了有效无效文本分类任务及实体抽取任务，可以更准确的进行实体标注。
详细地，所述利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果，包括：
利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果；
计算所述实体预测结果的预测准确率，在所述预测准确率小于预设的质检阈值时，接收用户输入的质检修改指令对所述实体预测结果进行修正，得到修正标注数据；
将所述修正标注数据作为问诊训练数据，并返回所述利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果的步骤，进行迭代，直至将预测准确率大于等于所述质检阈值时的实体预测结果作为质检标注结果。
本发明一可选实施例中，对于模型的实体预测结果计算预测实体的预测准确，若未达到预先设定的质检阈值(如90％)，则进一步进行人工核对标注，对模型打标错误的结果进行修正，这样就又得到了一批人工核对后的打标数据。重复质检训练，当预测准确率达到预先设定的质检阈值时停止迭代，此时输出的结果作为质检标注结果。
本发明另一可选实施例中，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型之后，所述方法还包括：基于所述标准联合标注模型及获取的医疗业务对话集合构建医疗实体标注平台。
本发明实施例中，所述医疗业务对话集合可以为诊中推荐、医疗知识智能问答机器人等场景的医疗会话文本，通过标准联合标注模型及医疗业务对话集合搭建自动标注平台，模型输出结果可在自动标注平台上展示，标注人员可在自动标注平台上进行标注、修改、删除等操作，操作后的结果可导出作为医疗实体，也可继续作为模型的输入，实现标注和训练的闭环，整个过程仅需人工少量修改，提高了医疗实体标注抽取的准确性及效率。
本发明通过文本分类及实体预标注处理，可以统一标注标准，确保标注的一致性。并且通过联合训练的标准联合标注模型对问诊训练数据集合进行循环质检，可以提高医疗实体标注的准确率，同时仅需在循环质检时少量进行人工标注，大大提高了实体标注的效率。因此本发明提出的医疗实体标注方法，可以提高医疗实体标注的效率。
如图2所示，是本发明一实施例提供的医疗实体标注装置的功能模块图。
本发明所述医疗实体标注装置100可以安装于电子设备中。根据实现的功能，所述医疗实体标注装置100可以包括实体预标注模块101、模型构建模块102、模型训练模块103及实体标注模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述实体预标注模块101，用于获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
所述模型构建模块102，用于基于预设的神经网络构建原始联合标注模型；
所述模型训练模块103，用于利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
所述实体标注模块104，用于利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
详细地，所述医疗实体标注装置100各模块的具体实施方式如下：
步骤一、获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合。
本发明实施例中，所述原始医疗问诊对话文本集合是指线上问诊时，问诊医生与患者的对话文本。
详细地，所述对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合，包括：
将所述原始医疗问诊对话文本集合中包含预设关键词的文本分类为有效文本，以及将所述原始医疗问诊对话文本集合中不包含预设关键词的文本分类为无效文本；
对所述有效文本进行实体预标注，汇总所有实体预标注后的有效文本及无效文本，得到问诊训练数据集合。
本发明一可选实施例中，所述文本分类是指对原始医疗问诊对话文本集合，先进行有效文本和无效文本的分类，其中有效文本定义为用户或医生对话中包含疾病、症状描述或药品等医学实体的文本，无效文本定义为寒暄或与疾病咨询无关的文本。比如：“宝宝咳嗽好几天了，今天去医院拍了胸片，是支气管炎”作为有效文本，“好的医生，谢谢。”作为无效文本。所述实体预标注是指对有效文本中的出现的医疗实体进行标注。
具体地，所述对所述有效文本进行实体预标注，包括：
对所述有效文本进行分词，得到分词结果，对所述分词结果进行频率统计并挑选出预设频率对应的分词作为医疗实体词；
获取预构建的医疗补充词，基于所述医疗实体词及所述医疗补充词构建医疗标注库；
利用所述医疗标注库对所述有效文本进行实体标注，得到原始标注有效文本，利用接收到的标注修改指令对所述原始标注有效文本进行修正，得到标准标注有效文本。
本发明一可选实施例中，针对有效文本，进行实体词的预标注，预标注步骤具体为：(1)对有效文本应用jieba分词算法进行分词，对分词结果进行统计分析，整理出其中的高频疾病、症状、检查、药品等实体词。利用预构建的医疗补充词，包含疾病、症状、检查、特殊时期等类型，构建医疗标注库；(2)针对每一条有效文本，标识出步骤(1)中整理出来的高频疾病、症状、检查、药品等实体词及其类型，作为原始标注有效文本；(3)人工检查核对步骤(2)的机器预打标结果，人工对机器预打标结果进行标注校验，把机器没有抽出的实体及其类型标注出来，对预打标错误的结果进行修正，这样就得到了一批人工核对后的标注数据，作为模型的训练数据。例如：宝宝咳嗽(症状)好几天了，今天去医院拍了胸片(检查)，是支气管炎(疾病)。
步骤二、基于预设的神经网络构建原始联合标注模型。
本发明实施例中，所述原始联合标注模型用来执行有效无效文本分类任务和医学实体抽取任务，两个子任务共享编码层，在共享编码层之后的模型结构各自分别聚焦于两个子任务。
详细地，所述基于预设的神经网络构建原始联合标注模型，包括：
将预构建的语义表征模型作为共享编码层；
在所述共享编码层后串联一个全连接层，以及在所述共享编码层后串联一个预构建的实体抽取模型；
汇总所述共享编码层、所述全连接层及所述实体抽取模型得到原始联合标注模型，其中，共享编码层与全连接层串联用于文本分类，共享编码层与实体抽取模型串联用于实体标注及抽取。
本发明一可选实施例中，由于bert模型基于自注意力机制具有很强的语义表征优势，作为联合任务的共享编码层，可以建立两个子任务之间的依赖，并利用实体之间的子句特征增强特征表征能力。所述实体抽取模型可以为Bi-LSTM+CRF模型。
步骤三、利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型。
详细地，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型，包括：
利用所述原始联合标注模型的共享编码层对所述问诊训练数据集合中的训练文本进行特征编码，得到特征向量；
利用所述共享编码层后的全连接层对所述特征向量进行文本分类，得到文本分类结果，并基于所述文本分类结果计算第一损失；
利用所述共享编码层后的实体抽取模型对所述特征向量进行实体标签预测，得到预测实体，基于所述预测实体计算第二损失；
对所述第一损失及所述第二损失进行加权联合，得到训练总损失，在所述训练总损失不满足预设的损失阈值时，调整所述原始联合标注模型中的模型参数，并返回所述利用所述共享编码层后的全连接层对所述特征向量进行文本分类的步骤，直至所述训练总损失满足所述损失阈值时，停止训练，得到所述标准联合标注模型。
本发明一可选实施例中，对于有效无效文本分类任务：通过bert模型进行特征编码之后，获取特征向量，在全连接层，采用softmax激活函数激活，进行一个二分类任务，选择交叉熵损失函数计算模型损失，计为第一损失loss1；对于实体抽取任务：bert模型进行特征编码之后，得到特征向量，并加入jieba分词的词性特征，拼接作为实体抽取模型的输入，经过Bi-LSTM+CRF模型结构实现实体抽取任务。即将正向LSTM与反向LSTM在各个位置输出的隐状态序列按位置拼接，得到完整的隐状态序列n*m维(h1,h2,…,hn)，在设置dropout后，接入一个线性层，将隐状态序列从m维映射到k维，k是问诊训练数据集合的标注(实体类型)数，从而得到各个类别标签的发射概率，记作矩阵P，其中每个元素Pij可以看作分词xi分类到第j个标签的打分值，最后接入CRF层，计算出标签的转移概率，得到概率最大的实体标签类型，选择交叉熵损失函数计算模型损失，计为第二损失loss2。模型最终的损失函数为有效无效文本分类任务和实体抽取任务的损失函数之和。
步骤四、利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
本发明实施例中，由于所述标准联合标注模型中联合了有效无效文本分类任务及实体抽取任务，可以更准确的进行实体标注。
详细地，所述利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果，包括：
利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果；
计算所述实体预测结果的预测准确率，在所述预测准确率小于预设的质检阈值时，接收用户输入的质检修改指令对所述实体预测结果进行修正，得到修正标注数据；
将所述修正标注数据作为问诊训练数据，并返回所述利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果的步骤，进行迭代，直至将预测准确率大于等于所述质检阈值时的实体预测结果作为质检标注结果。
本发明一可选实施例中，对于模型的实体预测结果计算预测实体的预测准确，若未达到预先设定的质检阈值(如90％)，则进一步进行人工核对标注，对模型打标错误的结果进行修正，这样就又得到了一批人工核对后的打标数据。重复质检训练，当预测准确率达到预先设定的质检阈值时停止迭代，此时输出的结果作为质检标注结果。
本发明另一可选实施例中，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型之后，所述方法还包括：基于所述标准联合标注模型及获取的医疗业务对话集合构建医疗实体标注平台。
本发明实施例中，所述医疗业务对话集合可以为诊中推荐、医疗知识智能问答机器人等场景的医疗会话文本，通过标准联合标注模型及医疗业务对话集合搭建自动标注平台，模型输出结果可在自动标注平台上展示，标注人员可在自动标注平台上进行标注、修改、删除等操作，操作后的结果可导出作为医疗实体，也可继续作为模型的输入，实现标注和训练的闭环，整个过程仅需人工少量修改，提高了医疗实体标注抽取的准确性及效率。
本发明通过文本分类及实体预标注处理，可以统一标注标准，确保标注的一致性。并且通过联合训练的标准联合标注模型对问诊训练数据集合进行循环质检，可以提高医疗实体标注的准确率，同时仅需在循环质检时少量进行人工标注，大大提高了实体标注的效率。因此本发明提出的医疗实体标注装置，可以提高医疗实体标注的效率。
如图3所示，是本发明一实施例提供的实现所述医疗实体标注方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如医疗实体标注程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如医疗实体标注程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如医疗实体标注程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的医疗实体标注程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
基于预设的神经网络构建原始联合标注模型；
利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
基于预设的神经网络构建原始联合标注模型；
利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种医疗实体标注方法，其特征在于，所述方法包括：
获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
基于预设的神经网络构建原始联合标注模型；
利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
2.如权利要求1所述的医疗实体标注方法，其特征在于，所述对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合，包括：
将所述原始医疗问诊对话文本集合中包含预设关键词的文本分类为有效文本，以及将所述原始医疗问诊对话文本集合中不包含预设关键词的文本分类为无效文本；
对所述有效文本进行实体预标注，汇总所有实体预标注后的有效文本及无效文本，得到问诊训练数据集合。
3.如权利要求2所述的医疗实体标注方法，其特征在于，所述对所述有效文本进行实体预标注，包括：
对所述有效文本进行分词，得到分词结果，对所述分词结果进行频率统计并挑选出预设频率对应的分词作为医疗实体词；
获取预构建的医疗补充词，基于所述医疗实体词及所述医疗补充词构建医疗标注库；
利用所述医疗标注库对所述有效文本进行实体标注，得到原始标注有效文本，利用接收到的标注修改指令对所述原始标注有效文本进行修正，得到标准标注有效文本。
4.如权利要求1中所述的医疗实体标注方法，其特征在于，所述基于预设的神经网络构建原始联合标注模型，包括：
将预构建的语义表征模型作为共享编码层；
在所述共享编码层后串联一个全连接层，以及在所述共享编码层后串联一个预构建的实体抽取模型；
汇总所述共享编码层、所述全连接层及所述实体抽取模型得到原始联合标注模型，其中，共享编码层与全连接层串联用于文本分类，共享编码层与实体抽取模型串联用于实体标注及抽取。
5.如权利要求4所述的医疗实体标注方法，其特征在于，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型，包括：
利用所述原始联合标注模型的共享编码层对所述问诊训练数据集合中的训练文本进行特征编码，得到特征向量；
利用所述共享编码层后的全连接层对所述特征向量进行文本分类，得到文本分类结果，并基于所述文本分类结果计算第一损失；
利用所述共享编码层后的实体抽取模型对所述特征向量进行实体标签预测，得到预测实体，基于所述预测实体计算第二损失；
对所述第一损失及所述第二损失进行加权联合，得到训练总损失，在所述训练总损失不满足预设的损失阈值时，调整所述原始联合标注模型中的模型参数，并返回所述利用所述共享编码层后的全连接层对所述特征向量进行文本分类的步骤，直至所述训练总损失满足所述损失阈值时，停止训练，得到所述标准联合标注模型。
6.如权利要求5所述的医疗实体标注方法，其特征在于，所述利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果，包括：
利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果；
计算所述实体预测结果的预测准确率，在所述预测准确率小于预设的质检阈值时，接收用户输入的质检修改指令对所述实体预测结果进行修正，得到修正标注数据；
将所述修正标注数据作为问诊训练数据，并返回所述利用所述标准联合标注模型输出对所述问诊训练数据的实体预测结果的步骤，进行迭代，直至将预测准确率大于等于所述质检阈值时的实体预测结果作为质检标注结果。
7.如权利要求1至6中任一项所述的医疗实体标注方法，其特征在于，所述利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型之后，所述方法还包括：基于所述标准联合标注模型及获取的医疗业务对话集合构建医疗实体标注平台。
8.一种医疗实体标注装置，其特征在于，所述装置包括：
实体预标注模块，用于获取原始医疗问诊对话文本集合，对所述原始医疗问诊对话文本集合中的文本进行文本分类及实体预标注处理，得到问诊训练数据集合；
模型构建模块，用于基于预设的神经网络构建原始联合标注模型；
模型训练模块，用于利用所述问诊训练数据集合对所述原始联合标注模型进行联合训练，得到标准联合标注模型；
实体标注模块，用于利用所述标准联合标注模型对所述问诊训练数据集合进行循环质检处理，得到质检标注结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的医疗实体标注方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的医疗实体标注方法。
CN202310617770.XA 2023-05-29 2023-05-29 医疗实体标注方法、装置、设备及存储介质 Pending CN116705345A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310617770.XA CN116705345A (zh) 2023-05-29 2023-05-29 医疗实体标注方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310617770.XA CN116705345A (zh) 2023-05-29 2023-05-29 医疗实体标注方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116705345A true CN116705345A (zh) 2023-09-05

Family

ID=87836654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310617770.XA Pending CN116705345A (zh) 2023-05-29 2023-05-29 医疗实体标注方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116705345A (zh)

Similar Documents

Publication Publication Date Title
CN114822812A (zh) 角色对话模拟方法、装置、设备及存储介质
CN111475645B (zh) 知识点标注方法、装置及计算机可读存储介质
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
CN116821373A (zh) 基于图谱的prompt推荐方法、装置、设备及介质
CN116681082A (zh) 离散文本语义分段方法、装置、设备及存储介质
CN114840684A (zh) 基于医疗实体的图谱构建方法、装置、设备及存储介质
CN114220536A (zh) 基于机器学习的疾病分析方法、装置、设备及存储介质
CN116719904A (zh) 基于图文结合的信息查询方法、装置、设备及存储介质
CN116737933A (zh) 文本分类方法、装置、电子设备及计算机可读存储介质
CN116525053A (zh) 病患报告生成方法、装置、电子设备及介质
CN116705304A (zh) 基于图像文本的多模态任务处理方法、装置、设备及介质
CN116383766A (zh) 基于多模态数据的辅诊方法、装置、设备及存储介质
CN116702776A (zh) 基于跨中西医的多任务语义划分方法、装置、设备及介质
CN116664949A (zh) 目标物缺陷检测方法、装置、设备及存储介质
CN116468025A (zh) 电子病历结构化方法、装置、电子设备及存储介质
CN115510188A (zh) 文本关键词关联方法、装置、设备及存储介质
CN114548114A (zh) 文本情绪识别方法、装置、设备及存储介质
CN116705345A (zh) 医疗实体标注方法、装置、设备及存储介质
CN112528183B (zh) 基于大数据的网页组件布局方法、装置、电子设备及介质
CN114840560B (zh) 非结构化数据转化及存储方法和装置
CN117149945A (zh) 基于状态机的多模型联动方法、装置、设备及存储介质
CN116631608A (zh) 问诊症状识别方法、装置、设备及存储介质
CN116860944A (zh) 对话生成方法、装置、电子设备及介质
CN116757197A (zh) 文本主题分割方法、装置、设备及存储介质
CN116521867A (zh) 文本聚类方法、装置、电子设备及存储介质

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