KR101607672B1 - Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents - Google Patents

Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents Download PDF

Info

Publication number
KR101607672B1
KR101607672B1 KR1020140120473A KR20140120473A KR101607672B1 KR 101607672 B1 KR101607672 B1 KR 101607672B1 KR 1020140120473 A KR1020140120473 A KR 1020140120473A KR 20140120473 A KR20140120473 A KR 20140120473A KR 101607672 B1 KR101607672 B1 KR 101607672B1
Authority
KR
South Korea
Prior art keywords
structured
information
unit
pattern
text
Prior art date
Application number
KR1020140120473A
Other languages
Korean (ko)
Other versions
KR20160030809A (en
Inventor
이승룡
아프잘 무하마드
Original Assignee
경희대학교 산학협력단
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 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020140120473A priority Critical patent/KR101607672B1/en
Publication of KR20160030809A publication Critical patent/KR20160030809A/en
Application granted granted Critical
Publication of KR101607672B1 publication Critical patent/KR101607672B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Machine Translation (AREA)

Abstract

본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치는 자연어 처리(Natural Language Processing, NLP) 과정을 통해 수신된 비구조화 의학 문서를 정규화(Normalization)하여 정규화된 텍스트를 생성하는 자연어 처리부, 정규화된 텍스트 및 수신된 도메인 모델을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별하는 개체명 인식부, 치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 개체명 인식 정보로부터 구조화된 정보를 생성하는 패턴 인식부 및 구조화된 정보에 기초하여 규정된 템플릿을 작성하는 템플릿 작성부를 포함한다.The apparatus for searching for a substitution-based pattern of an unstructured clinical document according to the present invention includes a natural language processing unit for normalizing an unstructured medical document received through a Natural Language Processing (NLP) process to generate normalized text, An object name recognizing unit for identifying the Named Entity Recognition information by matching the text and the received domain model, a structured information from the object name recognition information using a permutation-based pattern discovery approach, And a template creating unit for creating a template defined based on the structured information.

Description

비구조화 임상 문서의 치환 기반 패턴 검색 장치 및 검색 방법{APPARATUS AND METHOD FOR PERMUTATION BASED PATTERN DISCOVERY TECHNIQUE IN UNSTRUCTURED CLINICAL DOCUMENTS}[0001] APPARATUS AND METHOD FOR PERMUTATION BASED PATTERN DISCOVERY TECHNIQUE IN UNSTRUCTURED CLINICAL DOCUMENTS [0002]

본 발명은 자연어 처리(Natural Language Processing)에 관한 것으로, 보다 상세하게는 자연어 처리 기술을 활용하여 구조화 되지 않은 문서에서 정보를 추출하는 기술에 관한 것이다.BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to natural language processing, and more particularly, to a technique for extracting information from an unstructured document by utilizing a natural language processing technique.

바이오메디컬(Biomedical) 분야에서 활용되는 가용한 의학 정보의 대부분은 비정형 텍스트(Free-text) 형태로 기록된다. 특히, 자유 형태로 작성된 서술형 텍스트(Narrative Text)는 분야별 약어(Abbreviation) 사용 및 맞춤법 때문에, 통일된 형태를 가지기 어렵다. 자유로운 형태로 작성된 문서는 의료 서비스를 제공하는 사람에게는 작성이 편리하지만, 임상 연구, 통계 분석, 의사 결정 지원(Decision Support) 및 다른 종단 역학조사 분야에서 활용하는데 어려움이 있다.Most of the available medical information used in the biomedical field is recorded in free-text format. Especially, narrative text written in free form is difficult to have a unified form because of abbreviation use and spelling. Documents written in a free format are easy to create for healthcare providers, but they are difficult to use in clinical research, statistical analysis, Decision Support and other end-dynamics studies.

의학 관련 분야에서 활용되고 있는 종래의 정보 추출 기술은 퇴원 기록지(Discharge Summaries)나 수술병리검사 보고서 등과 같은 임상 관련 자료에 기재된 의학적 서술(Clinical Narratives)로부터 치료 행위(Medication) 명칭 및 서명을 추출한다. 하지만, 상술한 바와 같이, 상당수의 임상 관련 자료는 정해진 형식(Format)이나 템플릿(Template)을 가지지 않는 경우가 많으며, 특히, 연구 노트나 임상 노트와 같은 경우 서술형 텍스트로 기재되어 있는 경우가 많다. 따라서, 종래의 정보 추출 기술로는 정해진 템플릿을 가지지 않은 서술형 텍스트에서 필요한 정보를 제대로 추출하기 여려우며, 직접 필요한 정보를 검색하기 위해서는 상당한 시간이 요구된다. Conventional information extraction techniques used in the medical field extract the medication names and signatures from the clinical narratives described in the clinical data such as discharge summaries and surgical pathology reports. However, as described above, many clinical data do not have a predetermined format or template, and in many cases, they are described as descriptive texts such as a research note or a clinical note. Therefore, in the conventional information extraction technology, it is desirable to extract necessary information from the descriptive text having no predetermined template, and it takes a considerable time to directly retrieve necessary information.

대한민국 공개특허 제10-2011-0110683호는 참조용어에 기반하는 용어체계 저작지원 시스템에 대해 개시되어 있다. 상기 특허는 의료기관에서 사용되는 의료용어로부터 구조화된 용어체계를 구축하는 내용을 포함한다. 하지만, 상기 특허는 참조용어 체계와의 매핑 관계를 통해 구조화된 용어체계를 구축할 뿐, 불분명한 형식이나 템플릿으로 기재된 서술형 기록으로부터 구조화된 정보를 효과적으로 추출하지 못한다.Korean Patent Laid-Open No. 10-2011-0110683 discloses a term system authoring support system based on reference terms. The patent includes the construction of a structured term system from medical terminology used in a medical institution. However, the above-mentioned patent only constructs a structured term system through the mapping relation with the reference term system, and does not effectively extract the structured information from the descriptive record described in the unclear form or template.

대한민국 공개특허 제10-2011-0110683호Korean Patent Publication No. 10-2011-0110683

본 발명이 해결하고자 하는 과제는 서술 형식으로 쓰여지거나 또는 자유로운 형식으로 기재된 다수의 구조화 되지 않은 의학 문서를 구조화할 수 있는 치환 기반 패턴 검색 장치 및 검색 방법을 제공하는 것이다.A problem to be solved by the present invention is to provide a substitution-based pattern search apparatus and a search method capable of structuring a large number of unstructured medical documents written in a description format or in a free format.

본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치는 자연어 처리(Natural Language Processing, NLP) 과정을 통해 수신된 비구조화 의학 문서를 정규화(Normalization)하여 정규화된 텍스트를 생성하는 자연어 처리부, 정규화된 텍스트 및 수신된 도메인 모델을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별하는 개체명 인식부, 치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 개체명 인식 정보로부터 구조화된 정보를 생성하는 패턴 인식부 및 구조화된 정보에 기초하여 규정된 템플릿을 작성하는 템플릿 작성부를 포함한다. 그리고, 도메인 사전(Domain Lexicons)으로 구성되어 있으며, 요구되는 모든 개체를 위한 엔트리(Entry)가 내장된 도메인 모델을 저장하는 도메인 모델부 및 구조화된 정보를 서로 다른 개체 사이의 명식적 관계를 고려하여 저장하는 구조화 텍스트 저장부를 더 포함할 수 있다.The apparatus for searching for a substitution-based pattern of an unstructured clinical document according to the present invention includes a natural language processing unit for normalizing an unstructured medical document received through a Natural Language Processing (NLP) process to generate normalized text, An object name recognizing unit for identifying the Named Entity Recognition information by matching the text and the received domain model, a structured information from the object name recognition information using a permutation-based pattern discovery approach, And a template creating unit for creating a template defined based on the structured information. A domain model unit for storing a domain model in which an entry for all required entities is built, which is composed of domain lexicons, and a domain model unit for storing structured information in consideration of an explicit relationship between different entities And a structured text storing unit for storing the structured text.

자연어 처리부는 비구조화 의학 문서에서 의미있는 단어를 분류하고, 의미있는 단어를 선택된 특수 문자에 의거하여 개별 단어로 분할하여 토큰화된 단어를 생성하고, 토큰화된 단어에서 철자 변형, 알파벳 소문자화 및 축약을 조절하여 정규화된 텍스트를 생성한다. The natural language processing unit classifies meaningful words in unstructured medical documents, generates meaningful words by dividing them into individual words based on the selected special characters, generates a tokenized word, transforms the tokenized word into spelling, Adjusts the reduction to produce normalized text.

패턴 인식부는 상기 개체명 인식 정보를 구성된 벨류(Value) 및 숫자가 아닌 키(Key)로 구분하고, 구분된 키 및 상기 벨류를 치환하여 비구조화 의학 문서의 패턴을 인식한다. 패턴 인식부는 개체명 인식 정보에서 키의 추출된 배열 및 벨류의 문자열을 매칭한다.The pattern recognition unit identifies the entity name recognition information by a non-structured value and a non-numeric key, and recognizes the pattern of the unstructured medical document by replacing the distinguished key and the value. The pattern recognition unit matches the extracted array of the key and the character string of the value in the object name recognition information.

본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 방법은 자연어 처리(Natural Language Processing, NLP) 과정을 통해 수신된 비구조화 의학 문서를 정규화(Normalization)하여 정규화된 텍스트를 생성한다. 그리고, 정규화된 텍스트 및 수신된 도메인 모델을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별한다. 다음으로, 치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 개체명 인식 정보로부터 구조화된 정보를 생성하고, 구조화된 정보에 기초하여 규정된 템플릿을 작성한다.The replacement-based pattern search method of an unstructured clinical document according to the present invention normalizes the received unstructured medical document through a Natural Language Processing (NLP) process to generate normalized text. Then, the normalized text and the received domain model are matched to identify Named Entity Recognition information. Next, structured information is generated from the entity name recognition information using a permutation-based pattern discovery approach, and a prescribed template is created based on the structured information.

상기 정규화된 텍스트를 생성하는 단계는 상기 비구조화 의학 문서에서 의미있는 단어를 분류하고, 의미있는 단어를 선택된 특수 문자에 의거하여 개별 단어로 분할하여 토큰화된 단어를 생성하고, 토큰화된 단어에서 철자 변형, 알파벳 소문자화 및 축약을 조절하여 정규화된 텍스트를 생성한다. 그리고, 구조화된 정보를 생성하는 단계는 상기 개체명 인식 정보를 구성된 벨류(Value) 및 숫자가 아닌 키(Key)로 구분하고, 구분된 상기 키 및 상기 벨류를 치환하여 상기 비구조화 의학 문서의 패턴을 인식한다.The step of generating the normalized text classifies the meaningful words in the unstructured medical document, generates a tokenized word by dividing the meaningful word into individual words based on the selected special character, Generates normalized text by adjusting spelling variations, lowercase alphabetic characters, and abbreviations. The step of generating the structured information may further include dividing the entity name recognition information into a set value and a non-numeric key, and replacing the separated key and the value, Lt; / RTI >

본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치 및 검색 방법을 통해 구조화되지 않은 의학 문서로부터 구조화된 정보를 추출함으로써, 임상의 또는 연구원들이 정보를 보다 빠르게 검색 및 분류할 수 있으며, 정보의 공유를 용이하게 할 수 있다. 또한, 추출된 구조화된 정보의 환자 사례는 임상 의사 결정 시스템의 지식 베이스에 반영되어 임상 의사 결정을 효과적으로 지원할 수 있다.By extracting structured information from unstructured medical documents through the substitution-based pattern searching apparatus and the searching method of the unstructured clinical document according to the present invention, it is possible for the clinician or the researcher to search and classify information more quickly, Sharing can be facilitated. In addition, patient cases of extracted structured information can be reflected in the knowledge base of the clinical decision system to effectively support clinical decision making.

도 1은 본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치의 일 실시예를 나타내는 구성도이다.
도 2는 본 발명의 일 실시예에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 방법을 나타내는 구성도이다.
1 is a block diagram illustrating an apparatus for searching for a substitution-based pattern in an unstructured clinical document according to an embodiment of the present invention.
FIG. 2 is a block diagram illustrating a substitution-based pattern retrieval method of an unstructured clinical document according to an embodiment of the present invention. Referring to FIG.

이하, 본 발명의 실시예를 첨부된 도면들을 참조하여 상세하게 설명한다. 본 명세서에서 사용되는 용어 및 단어들은 실시예에서의 기능을 고려하여 선택된 용어들로서, 그 용어의 의미는 발명의 의도 또는 관례 등에 따라 달라질 수 있다. 따라서 후술하는 실시예에서 사용된 용어는, 본 명세서에 구체적으로 정의된 경우에는 그 정의에 따르며, 구체적인 정의가 없는 경우는 당업자들이 일반적으로 인식하는 의미로 해석되어야 할 것이다.
Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. The terms and words used in the present specification are selected in consideration of the functions in the embodiments, and the meaning of the terms may vary depending on the intention or custom of the invention. Therefore, the terms used in the following embodiments are defined according to their definitions when they are specifically defined in this specification, and unless otherwise specified, they should be construed in a sense generally recognized by those skilled in the art.

의학 분야에서, 의학 데이터의 상당수는 노트/레포트와 같이 자유로운 형식의 서술형 텍스트로 기재된 의학 문서의 형식으로 생성된다. 이와 같은 의학 데이터는 종종 임상의, 의학 연구원 또는 분석가에 의한 추가적인 분석이 요구된다. 일반적인 의학 문서의 데이터는 구조화되어 있지 않기 때문에, 임상의는 직접 의학 데이터를 구조화된 템플릿에 입력하는 과정을 필요로 한다. 하지만, 이와 같은 작업은 시간을 낭비하고 매일 매일의 의료 실습 과정에서 다양한 문제를 야기할 수 있다. 본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치는 도메인 모델링(Domain Modeling), 개체명 인식(Named Entity Recognition), 새로운 치환 기반(Permutation-based) 패턴 인식 접근법에 따른 속성값 정렬, 템플릿 작성(Template Filling) 및 자연어 처리(Natural Language Processing, NLP) 기술을 활용하여 비구조화 의학 문서에서 구조화된 정보를 추출한다. 이와 같은 방법을 통해, 종래의 규칙 기반 시스템의 한계를 극복한다.
In the medical field, a large number of medical data is generated in the form of medical documents written in free-form narrative text, such as notes / reports. Such medical data often require additional analysis by clinicians, medical researchers or analysts. Since the data in general medical documents are not structured, the clinician needs to input the medical data directly into the structured template. However, this can be time consuming and can lead to various problems in the daily practice of medical practice. The apparatus for searching a substitution-based pattern of an unstructured clinical document according to the present invention includes at least one of Domain Modeling, Named Entity Recognition, a property value sorting according to a permutation-based pattern recognition approach, (Template Filling) and Natural Language Processing (NLP) techniques to extract structured information from unstructured medical documents. In this way, we overcome the limitations of the conventional rule-based system.

도 1은 본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치의 일 실시예를 나타내는 구성도이다.1 is a block diagram illustrating an apparatus for searching for a substitution-based pattern in an unstructured clinical document according to an embodiment of the present invention.

도 1을 참조하면, 본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 장치(100)는 자연어 처리부(110), 개체명 인식부(120), 도메인 모델부(130), 패턴 인식부(140), 구조화 텍스트 저장부(150) 및 템플릿 작성부(160)를 포함한다.1, the substitution-based pattern searching apparatus 100 of an unstructured clinical document according to the present invention includes a natural language processing unit 110, an entity name recognizing unit 120, a domain modeling unit 130, a pattern recognizing unit 140 A structured text storage unit 150, and a template creation unit 160. [

자연어 처리부(110)는 자연어 처리(Natural Language Processing, NLP) 과정을 통해 구조화(Structure)되지 않은 비구조화 의학 문서를 정규화(Normalization)한다. 상당수의 의학 문서는 정해진 형식(Format)이나 템플릿(Template)을 가지지 않는 경우가 많다. 임상의나 연구원이 연구 노트 및 임상 노트 등을 작성할 때, 특정한 스타일로 작성하도록 강요할 수 없다. 따라서, 연구 노트나 임상 노트와 같은 경우 작성자에 의해 자유로운 형식의 서술형 텍스트로 기재되어 있는 경우가 많다. 따라서, 종래의 정보 추출 기술로는 정해진 템플릿을 가지지 않은 서술형 텍스트에서 필요한 정보를 제대로 추출하기 여려우며, 직접 필요한 정보를 검색하기 위해서는 상당한 시간이 요구된다. 이와 같은 문제를 해결하기 위해, 자연어 처리부(110)는 이와 같은 자유로운 형식의 구조화되지 않은 의학 문서를 인식하기 위해 먼저, 자연어 처리 기술을 활용한다. 자연어 처리 기술은 절/문장 경계 식별 및 토큰화(Tonenization) 과정을 포함한다. 자연어 처리부(110)는 일반적인 자연어 처리 과정(NLP)를 통해 이를 수행할 수 있다.The natural language processing unit 110 normalizes an unstructured medical document that is not structured through a Natural Language Processing (NLP) process. Many medical documents often do not have a defined format or template. When a clinician or researcher writes a research note or a clinical note, it can not be forced to write it in a specific style. Therefore, in many cases, such as a research note or a clinical note, it is described as a descriptive text in a free form by the author. Therefore, in the conventional information extraction technology, it is desirable to extract necessary information from the descriptive text having no predetermined template, and it takes a considerable time to directly retrieve necessary information. In order to solve such a problem, the natural language processing unit 110 first utilizes a natural language processing technique to recognize the unstructured medical document of such a free form. The natural language processing technique includes a clause / sentence boundary identification and a tonenization process. The natural language processing unit 110 can perform this through a general natural language processing (NLP).

자연어 처리부(110)는 절/문장 경계 식별 및 토큰화 과정을 통해, 비구조화 의학 문서에서 의미있는 단어(Meaningful Words)를 분류하고, 의미있는 단어를 선택된 특수 문자(Character)에 의거하여 개별 단어로 분할하여 토큰화된 단어를 생성한다. 의미있는 단어는 불용어(Stop Words) 및 기호(괄호, 특수 문자 등)를 제외한 단어의 집합이다. 그리고, 자연어 처리부(110)는 토큰화된 단어에서 철자 변형(Spell Variation), 알파벳 소문자화(Alphabetic Lower Case) 및 축약(Abbreviation)을 조절하여 정규화한다. 예를 들어, 비구조화 의학 문서에 기재된 'Lymph Nodes Level 1'은 알파벳 소문자화 및 복수 단어의 단수화를 이용하여 'lymph node level 1'으로 정규화 된다. 자연어 처리부(110)는 정규화된 텍스트를 개체명 인식부(120)로 전달한다.The natural language processing unit 110 classifies Meaningful Words in the unstructured medical document through clause / sentence boundary identification and tokenizing process, and assigns meaningful words to individual words And generates a tokenized word by dividing it. A meaningful word is a set of words excluding Stop Words and symbols (parentheses, special characters, etc.). Then, the natural language processing unit 110 normalizes the tokenized words by adjusting spell variation, alphabetic lower case, and abbreviation. For example, the 'Lymph Nodes Level 1' described in the unstructured medical document is normalized to 'lymph node level 1' using lower case alphabetic characterization and multiple word shortening. The natural language processing unit 110 transfers the normalized text to the entity name recognizing unit 120.

개체명 인식부(120)는 자연어 처리부(110)로부터 수신된 정규화된 텍스트 및 도메인 모델부(130)로부터 수신된 도메인 모델(Domain Model)을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별한다. 개체명(Named Entity)은 입력 텍스트를 인식할 때 요구되는 개념이다. 그리고, 도메인 모델부(130)로부터 수신된 도메인 모델은 도메인 사전(Domain Lexicons)으로, 요구되는 모든 개체를 위한 엔트리(Entry)가 내장되어 있다. 개체명 인식 과정에서, 어휘 단어(Lexicon Word)는 정확하게 매칭되거나 또는 부분적으로 매칭될 수 있다. 정확한 매칭에서, 매칭된 단어는 부분적인 매칭 동안 추가 프로세싱을 위해 추출된다. 그리고, 부분 매칭 동안에 부분적으로 매칭된 단어는 추출되고, 다음 단어가 추출될 때까지 유지된다. 개체명 인식은 추출된 다음 단어와 연접(Concatenate)되고, 정확한 매칭 여부를 확인한다. 개체명 인식부(120)에서 인식된 개체명 인식 정보는 키(Key) 및 벨류(Value)를 포함한다. 개체명 인식부(120)는 개체명 인식 과정을 통해 생성된 개체명 인식 정보를 패턴 인식부(140)로 전달한다.The entity name recognizing unit 120 identifies the Named Entity Recognition information by matching the normalized text received from the natural language processing unit 110 and the received Domain Model from the domain model unit 130 . Named Entity is a concept that is required when recognizing input text. The domain model received from the domain modeling unit 130 is domain lexicons, and an entry for all required entities is embedded. In the process of recognizing entity names, Lexicon words can be precisely matched or partially matched. In exact matching, the matched words are extracted for further processing during partial matching. Then, the partially matched words during the partial matching are extracted and held until the next word is extracted. The recognition of the entity name is concatenated with the next word extracted, and it is confirmed whether or not it is an exact match. The entity name recognition information recognized by the entity name recognition unit 120 includes a key and a value. The entity name recognition unit 120 transmits the entity name recognition information generated through the entity name recognition process to the pattern recognition unit 140.

도메인 모델부(130)는 도메인 모델을 개체명 분석부(120)로 전달한다. 도메인 모델은 각 개념의 맥락(Context) 및 전체 경계를 배울 수 있도록 설계되었다. 도메인 모델은 개념, 표준화 및 범위의 개념을 이해하는데 도움을 준다. 어휘(Lexicon)는 모든 개념 및 특정 설정을 사용한 어휘의 변형을 찾는 것이 요구된다. 이와 같은 도메인 모델은 개체명 인식부(120)에서 매칭 과정을 통해 정구화된 텍스트의 개체명 인식을 가능하게 한다. The domain modeling unit 130 transfers the domain model to the object name analyzing unit 120. The domain model is designed to learn the context and boundary of each concept. The domain model helps to understand the concepts of concept, standardization and scope. Lexicon is required to find variations of the vocabulary using all concepts and specific settings. In such a domain model, the entity name recognizing unit 120 enables the entity name recognition of the text that has been regularized through the matching process.

패턴 인식부(140)는 수신된 개체명 인식 정보에서 치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 개체명 인식 정보에서 패턴을 식별한다. 필요한 서식인 요구된 템플릿은 관련된 추출된 정보로 채우는 과정을 필요로 한다. 템플릿 종류의 복잡한 부분은 문장에서 발생하는 상관된 정보의 옳바른 식별로서, 보다 상세하게는 속성의 정확한 값을 할당하는 것이다. 텍스트에서, 일부 개념은 숫자가 아닌 벨류(Value)로 표시되며, 일부는 숫자 벨류로 나타난다. 패턴 인식부(140)는 숫자 벨류만을 고려한다. 다른 개념의 시퀀스(Sequence)는 속성값에 대한 정확한 할당을 위해 중요한 역할을 한다. 일부 경우에서, 벨류는 그것의 속성을 따르며, 다른 경우에는 다른 경우에 반해 속성이 그것의 벨류를 따른다. 때때로, 모든 속성들의 값은 바로 뒤에 첫 번째로 나타나며, 때때로 모든 벨류는 그들의 속성 바로 뒤에 나타난다. 먼저, 모든 치환이 생성되고, 공동 특성을 가지는 하나의 단일 패턴을 표현하기 위해 함께 그룹화 된다. 즉, 일반적인 비구조화 의학 문서는 표 1가 같이 각각의 속성과 해당 속성의 값은 순차적으로 나타날 수 있다. 예를 들어, 속성인 임파선(lymphatic chain)과 임파선의 속성값인 5가 순차적으로 나타날 수 있다. 이와 같은 패턴을 인식하기 위해 패턴 인식부(140)는 숫자와 숫자가 아닌 값을 구별하여 패턴 인식을 수행한다.The pattern recognition unit 140 identifies the pattern from the object name recognition information using the permutation-based pattern discovery approach in the received object name recognition information. The required template, which is a required form, needs to be filled with relevant extracted information. The complex part of the template type is the correct identification of the correlated information that occurs in the sentence, and more specifically the assignment of the exact value of the attribute. In text, some concepts are represented by values, not numbers, and some by numeric values. The pattern recognition unit 140 considers only the numerical value. Sequences of other concepts play an important role in the accurate assignment of attribute values. In some cases, a value follows its attribute, while in other cases an attribute follows its value. Occasionally, the values of all attributes appear first immediately after, and sometimes all values appear immediately after their attribute. First, all permutations are generated and grouped together to represent a single pattern with common properties. In other words, the general unstructured medical document can have the value of each attribute and the corresponding attribute sequentially as shown in Table 1. For example, the attribute, the lymphatic chain, and the attribute value of the lymph node, 5, may appear sequentially. In order to recognize such a pattern, the pattern recognition unit 140 performs pattern recognition by distinguishing a non-numeric value from a non-numeric value.

패턴 인식부(140)의 입출력 데이터The input / output data of the pattern recognition unit 140 입력(Input)Input 개체명 식별(Named Entity Recognition(키 및 벨류)Named Entity Recognition (Key and Value)

Figure 112014086282511-pat00001
Figure 112014086282511-pat00001
출력(Output)Output 패턴 인식(Pattern Recognition)Pattern Recognition V1 K1 V2 K2 V3 K3 V4 K4 V5 K5(Permutation)
value key value key value key value key value key(pattern)
V1 K1 V2 K2 V3 K3 V4 K4 V5 K5 (Permutation)
value (key)

개체명 인식부(120)에서 인식된 개체는 키(Key) 및 벨류(Value)를 포함하는 두 파트를 가진다. 표 1을 살펴보면, 텍스트로부터 인식된 개념은 숫자가 아닌 벨류와 숫자인 키를 포함한다. 문제는 어떻게 벨류에 따른 키(또는 키에 따른 벨류) 처럼 다양한 주문에서 개체를 작성할 수 있는 키(임상의 처럼)에 속하는 벨류를 식별하느냐이다. 이를 위해, 패턴 인식부(140)는 치환 기반 패턴 발견 어프로치(Permutation based Pattern Discovery Approach)를 통해 마지막 패턴을 인식한다. 치환 기반 패턴 어프로치는 수학식 1에 의해 생성된 가능성 치환과 함께 키의 추출된 배열(Arrange) 및 벨류 문자열(String)을 매칭한다.The entity recognized by the entity name recognizing unit 120 has two parts including a key and a value. Looking at Table 1, concepts recognized from the text include keys that are numeric and not numeric. The problem is how to identify the values belonging to a key (like a clinician) that can create an object from various orders, such as a key according to a value (or a value according to a key). For this, the pattern recognition unit 140 recognizes the last pattern through the Permutation based Pattern Discovery Approach. The permutation-based pattern approach matches an extracted array (Arrange) and a valued string (String) of the key with the possible permutations generated by Equation (1).

Figure 112014086282511-pat00002
Figure 112014086282511-pat00002

수학식 1에서 N은 치환으로부터 얻어진 키 및 벨류의 세트의 사이즈를 나타낸다. 그리고, r은 각각의 치환 사이즈를 나타낸다. 치환은 텍스트로부터 발생된 키 및 벨류의 배열을 나타낸다. 이와 같은 과정을 통해 인식된 개체명에서 마지막 패턴을 식별한다. 그리고, 패턴 인식부(140)는 인식된 패턴에 기초하여 구조화된 정보(Structured Information)를 생성한다. 즉, 패턴 인식부(140)는 숫자와 숫자가 아닌 속성으로 구분된 키 및 벨류를 치환하여 패턴을 인식함으로써, 비구조화 의학 문서의 구조와 내용(및 흐름)을 파악할 수 있다. 이와 같은 과정을 통해 패턴 인식부(140)는 구조화된 정보를 생성한다. 패턴 인식부(140)는 생성된 구조화된 정보를 구조화 텍스트 저장부(150)로 전달한다.In Equation (1), N represents the size of the set of keys and values obtained from substitution. And, r represents each replacement size. A substitution represents an array of keys and values generated from the text. This process identifies the last pattern in the recognized object name. Then, the pattern recognition unit 140 generates structured information based on the recognized pattern. That is, the pattern recognition unit 140 can recognize the structure and the contents (and the flow) of the unstructured medical document by recognizing the pattern by replacing the key and the valleys classified by the attribute instead of the number and the number. Through this process, the pattern recognition unit 140 generates structured information. The pattern recognition unit 140 transfers the generated structured information to the structured text storage unit 150.

구조화 텍스트 저장부(150)는 패턴 인식부(140)로부터 수신된 구조화된 정보를 구조화된 방식으로 저장한다. 구조화된 정보는 서로 다른 개체 사이의 명시적 관계를 유지한다. 구조화된 방식으로 구조화 텍스트 저장부(150)에 저장된 구조화된 정보는 이후 다양한 분석을 위해 활용될 수 있다. 임상 및 역학조사 연구는 구조화 정보에 따라 수행한다. 이러한 분석의 종류는 정보가 비정형화 스타일로 분산되어 구조화되지 않은 문서를 통해 수행하기는 매우 어렵다. 저장된 구조화된 정보는 환자 사례(Patient Cases)로 고려될 수 있다. 다수의 통계는 환자 사례의 세트로부터 검색할 수 있다. 예를 들어, 나이 및 성별과 연관된 환자에서 발견된 생존율 및 위험 인자가 결정될 수 있다. 임상 연구원은 더 중요한 역학 분석 결과를 찾기 위해 정보 영역을 서로 연결시킬 수 있다. The structured text storage unit 150 stores the structured information received from the pattern recognition unit 140 in a structured manner. Structured information maintains an explicit relationship between different entities. The structured information stored in the structured text storage unit 150 in a structured manner can then be utilized for various analyzes. Clinical and epidemiological studies are conducted according to structured information. This kind of analysis is very difficult to carry out through unstructured documents because information is distributed in an informal style. The stored structured information can be considered as Patient Cases. Multiple statistics can be retrieved from a set of patient cases. For example, the survival rates and risk factors found in patients associated with age and sex can be determined. Clinical researchers can link information domains to find more important epidemiological outcomes.

템플릿 작성부(160)는 구조화 텍스트 저장부(150)에 저장된 구조화된 정보를 이용하여 규정된 템플릿을 작성한다. 구조화된 정보를 통해 작성된 규정된 템플릿은 동일한 포맷을 가지기 때문에, 정보 공유가 용이하며, 필요한 정보를 자동으로 검색할 수 있다.The template creating unit 160 creates a template defined by using the structured information stored in the structured text storage unit 150. Since the prescribed templates created through the structured information have the same format, it is easy to share information, and the necessary information can be automatically searched.

그리고, 구조화 저장부(150)에 저장된 구조화된 정보는 임상 의사 결정 시스템(Clinical Decision Support System)에 적용될 수 있다. 임상 의사 결정 지원 시스템은 중요한 임상 결정 과정에서 임상의를 지원하기 위한 시스템이다. 임상 의사 결정 지원 시스템은 지식 베이스(Knowledge Base)를 활용한다. 그리고, 지식 베이스는 지식 규칙으로 구성된다. 지식 규칙은 구조화된 정보로 저장된 환자 사례로부터 생성될 수 있다. 임상 의사 결정 지원 시스템은 비구조 텍스트로부터 추출된 환자 사례로부터 생성된 지식베이스에서 규칙에 관해 추론할 수 있다.The structured information stored in the structured storage unit 150 may be applied to a clinical decision support system. Clinical decision support system is a system to support clinicians in important clinical decision making process. The clinical decision support system utilizes a knowledge base. The knowledge base consists of knowledge rules. Knowledge rules can be generated from patient cases stored as structured information. Clinical decision support systems can infer about rules from knowledge bases generated from patient cases extracted from unstructured text.

도 2는 본 발명의 일 실시예에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 방법을 나타내는 구성도이다.FIG. 2 is a block diagram illustrating a substitution-based pattern retrieval method of an unstructured clinical document according to an embodiment of the present invention. Referring to FIG.

도 2를 참조하면, 본 발명에 따른 비구조화 임상 문서의 치환 기반 패턴 검색 방법은 먼저, 자연어 처리(Natural Language Processing, NLP) 과정을 통해 구조화(Structure)되지 않은 비구조화 의학 문서를 정규화(Normalization)한다(201). 상당수의 의학 문서는 정해진 형식(Format)이나 템플릿(Template)을 가지지 않는 경우가 많다. 임상의나 연구원이 연구 노트 및 임상 노트 등을 작성할 때, 특정한 스타일로 작성하도록 강요할 수 없다. 따라서, 연구 노트나 임상 노트와 같은 경우 작성자에 의해 자유로운 형식의 서술형 텍스트로 기재되어 있는 경우가 많다. 따라서, 종래의 정보 추출 기술로는 정해진 템플릿을 가지지 않은 서술형 텍스트에서 필요한 정보를 제대로 추출하기 여려우며, 직접 필요한 정보를 검색하기 위해서는 상당한 시간이 요구된다. 이와 같은 문제를 해결하기 위해, 이와 같은 자유로운 형식의 구조화되지 않은 의학 문서를 인식하기 위해 먼저, 자연어 처리 기술을 활용한다. 자연어 처리 기술은 절/문장 경계 식별 및 토큰화(Tonenization) 과정을 포함한다.Referring to FIG. 2, a method for searching for a substitution-based pattern in an unstructured clinical document according to the present invention comprises the steps of normalizing an unstructured medical document that is not structured through a Natural Language Processing (NLP) (201). Many medical documents often do not have a defined format or template. When a clinician or researcher writes a research note or a clinical note, it can not be forced to write it in a specific style. Therefore, in many cases, such as a research note or a clinical note, it is described as a descriptive text in a free form by the author. Therefore, in the conventional information extraction technology, it is desirable to extract necessary information from the descriptive text having no predetermined template, and it takes a considerable time to directly retrieve necessary information. In order to solve such a problem, natural language processing technology is first used to recognize unstructured medical documents of such free form. The natural language processing technique includes a clause / sentence boundary identification and a tonenization process.

자연어 처리 단계는 절/문장 경계 식별 및 토큰화 과정을 통해, 비구조화 의학 문서에서 의미있는 단어(Meaningful Words)를 분류하고, 의미있는 단어를 선택된 특수 문자(Character)에 의거하여 개별 단어로 분할하여 토큰화된 단어를 생성한다. 의미있는 단어는 불용어(Stop Words) 및 기호(괄호, 특수 문자 등)를 제외한 단어의 집합이다. 그리고, 자연어 처리 단계는 토큰화된 단어에서 철자 변형(Spell Variation), 알파벳 소문자화(Alphabetic Lower Case) 및 축약(Abbreviation)을 조절하여 정규화한다. 예를 들어, 비구조화 의학 문서에 기재된 'Lymph Nodes Level 1'은 알파벳 소문자화 및 복수 단어의 단수화를 이용하여 'lymph node level 1'으로 정규화 된다. The natural language processing step classifies Meaningful Words in unstructured medical documents through clause / sentence boundary identification and tokenization process and divides meaningful words into individual words based on selected special characters Generates a tokenized word. A meaningful word is a set of words excluding Stop Words and symbols (parentheses, special characters, etc.). The natural language processing step is normalized by adjusting Spell Variation, Alphabetic Lower Case, and Abbreviation in the tokenized word. For example, the 'Lymph Nodes Level 1' described in the unstructured medical document is normalized to 'lymph node level 1' using lower case alphabetic characterization and multiple word shortening.

다음으로, 수신된 정규화된 텍스트 및 도메인 모델(Domain Model)을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별한다(202). 개체명(Named Entity)은 입력 텍스트를 인식할 때 요구되는 개념이다. 그리고, 도메인 모델부(130)로부터 수신된 도메인 모델은 도메인 사전(Domain Lexicons)으로, 요구되는 모든 개체를 위한 엔트리(Entry)가 내장되어 있다. 개체명 인식 과정에서, 어휘 단어(Lexicon Word)는 정확하게 매칭되거나 또는 부분적으로 매칭될 수 있다. 정확한 매칭에서, 매칭된 단어는 부분적인 매칭 동안 추가 프로세싱을 위해 추출된다. 그리고, 부분 매칭 동안에 부분적으로 매칭된 단어는 추출되고, 다음 단어가 추출될 때까지 유지된다. 개체명 인식은 추출된 다음 단어와 연접(Concatenate)되고, 정확한 매칭 여부를 확인한다. 개체명 식별 단계에서 인식된 개체명 인식 정보는 키(Key) 및 벨류(Value)를 포함한다. Next, the received normalized text and the Domain Model are matched to identify Named Entity Recognition information (202). Named Entity is a concept that is required when recognizing input text. The domain model received from the domain modeling unit 130 is domain lexicons, and an entry for all required entities is embedded. In the process of recognizing entity names, Lexicon words can be precisely matched or partially matched. In exact matching, the matched words are extracted for further processing during partial matching. Then, the partially matched words during the partial matching are extracted and held until the next word is extracted. The recognition of the entity name is concatenated with the next word extracted, and it is confirmed whether or not it is an exact match. The entity name recognition information recognized in the entity name identification step includes a key and a value.

도메인 모델은 각 개념의 맥락(Context) 및 전체 경계를 배울 수 있도록 설계되었다. 도메인 모델은 개념, 표준화 및 범위의 개념을 이해하는데 도움을 준다. 어휘(Lexicon)는 모든 개념 및 특정 설정을 사용한 어휘의 변형을 찾는 것이 요구된다. 이와 같은 도메인 모델은 개체명 인식 단계에서 매칭 과정을 통해 정구화된 텍스트의 개체명 인식을 가능하게 한다.The domain model is designed to learn the context and boundary of each concept. The domain model helps to understand the concepts of concept, standardization and scope. Lexicon is required to find variations of the vocabulary using all concepts and specific settings. In this domain model, it is possible to recognize the object name of the text that has been regularized through the matching process at the object name recognition step.

다음으로, 치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 개체명 인식 정보에서 패턴을 식별한다(203). 필요한 서식인 요구된 템플릿은 관련된 추출된 정보로 채우는 과정을 필요로 한다. 템플릿 종류의 복잡한 부분은 문장에서 발생하는 상관된 정보의 옳바른 식별로서, 보다 상세하게는 속성의 정확한 값을 할당하는 것이다. 텍스트에서, 일부 개념은 숫자가 아닌 벨류(Value)로 표시되며, 일부는 숫자 벨류로 나타난다. 패턴 인식부(140)는 숫자 벨류만을 고려한다. 다른 개념의 시퀀스(Sequence)는 속성값에 대한 정확한 할당을 위해 중요한 역할을 한다. 일부 경우에서, 벨류는 그것의 속성을 따르며, 다른 경우에는 다른 경우에 반해 속성이 그것의 벨류를 따른다. 때때로, 모든 속성들의 값은 바로 뒤에 첫 번째로 나타나며, 때때로 모든 벨류는 그들의 속성 바로 뒤에 나타난다. 먼저, 모든 치환이 생성되고, 공동 특성을 가지는 하나의 단일 패턴을 표현하기 위해 함께 그룹화 된다. Next, a pattern is identified in the entity name recognition information using a permutation-based pattern discovery approach (203). The required template, which is a required form, needs to be filled with relevant extracted information. The complex part of the template type is the correct identification of the correlated information that occurs in the sentence, and more specifically the assignment of the exact value of the attribute. In text, some concepts are represented by values, not numbers, and some by numeric values. The pattern recognition unit 140 considers only the numerical value. Sequences of other concepts play an important role in the accurate assignment of attribute values. In some cases, a value follows its attribute, while in other cases an attribute follows its value. Occasionally, the values of all attributes appear first immediately after, and sometimes all values appear immediately after their attribute. First, all permutations are generated and grouped together to represent a single pattern with common properties.

인식된 개체는 키(Key) 및 벨류(Value)를 포함하는 두 파트를 가진다. 텍스트로부터 인식된 개념은 숫자가 아닌 벨류와 숫자인 키를 포함한다. 문제는 어떻게 벨류에 따른 키(또는 키에 따른 벨류) 처럼 다양한 주문에서 개체를 작성할 수 있는 키(임상의 처럼)에 속하는 벨류를 식별하느냐이다. 이를 위해, 패턴 인식부(140)는 치환 기반 패턴 발견 접근법(Permutation based Pattern Discovery Approach)을 통해 마지막 패턴을 인식한다. 치환 기반 패턴 어프로치는 수학식 1에 의해 생성된 가능성 치환과 함께 키의 추출된 배열(Arrange) 및 벨류 문자열(String)을 매칭한다.The recognized object has two parts including a key and a value. Concepts recognized from the text include keys that are numeric and not numeric. The problem is how to identify the values belonging to a key (like a clinician) that can create an object from various orders, such as a key according to a value (or a value according to a key). For this, the pattern recognition unit 140 recognizes the last pattern through the Permutation based Pattern Discovery Approach. The permutation-based pattern approach matches an extracted array (Arrange) and a valued string (String) of the key with the possible permutations generated by Equation (1).

치환은 텍스트로부터 발생된 키 및 벨류의 배열을 나타낸다. 이와 같은 과정을 통해 인식된 개체명에서 마지막 패턴을 식별한다. 그리고, 패턴 인식부(140)는 인식된 패턴에 기초하여 구조화된 정보(Structured Information)를 생성한다. A substitution represents an array of keys and values generated from the text. This process identifies the last pattern in the recognized object name. Then, the pattern recognition unit 140 generates structured information based on the recognized pattern.

구조화된 정보는 서로 다른 개체 사이의 명시적 관계를 유지한다. 구조화된 방식으로 구조화 텍스트 저장부(150)에 저장된 구조화된 정보는 이후 다양한 분석을 위해 활용될 수 있다. 임상 및 역학조사 연구는 구조화 정보에 따라 수행한다. 이러한 분석의 종류는 정보가 비정형화 스타일로 분산되어 구조화되지 않은 문서를 통해 수행하기는 매우 어렵다. 저장된 구조화된 정보는 환자 사례(Patient Cases)로 고려될 수 있다. 다수의 통계는 환자 사례의 세트로부터 검색할 수 있다. 예를 들어, 나이 및 성별과 연관된 환자에서 발견된 생존율 및 위험 인자가 결정될 수 있다. 임상 연구원은 더 중요한 역학 분석 결과를 찾기 위해 정보 영역을 서로 연결시킬 수 있다. Structured information maintains an explicit relationship between different entities. The structured information stored in the structured text storage unit 150 in a structured manner can then be utilized for various analyzes. Clinical and epidemiological studies are conducted according to structured information. This kind of analysis is very difficult to carry out through unstructured documents because information is distributed in an informal style. The stored structured information can be considered as Patient Cases. Multiple statistics can be retrieved from a set of patient cases. For example, the survival rates and risk factors found in patients associated with age and sex can be determined. Clinical researchers can link information domains to find more important epidemiological outcomes.

다음으로, 구조화된 정보를 이용하여 규정된 템플릿을 작성한다(204). 구조화된 정보를 통해 작성된 규정된 템플릿은 동일한 포맷을 가지기 때문에, 정보 공유가 용이하며, 필요한 정보를 자동으로 검색할 수 있다. 그리고, 구조화된 정보는 임상 의사 결정 시스템에 적용될 수 있다. 임상 의사 결정 지원 시스템은 중요한 임상 결정 과정에서 임상의를 지원하기 위한 시스템이다. 임상 의사 결정 지원 시스템은 지식 베이스를 활용한다. 그리고, 지식 베이스는 지식 규칙으로 구성된다. 지식 규칙은 구조화된 정보로 저장된 환자 사례로부터 생성될 수 있다. 임상 의사 결정 지원 시스템은 비구조 텍스트로부터 추출된 환자 사례로부터 생성된 지식베이스에서 규칙에 관해 추론할 수 있다.
Next, a prescribed template is created using the structured information (204). Since the prescribed templates created through the structured information have the same format, it is easy to share information, and the necessary information can be automatically searched. And structured information can be applied to clinical decision systems. Clinical decision support system is a system to support clinicians in important clinical decision making process. The clinical decision support system utilizes knowledge base. The knowledge base consists of knowledge rules. Knowledge rules can be generated from patient cases stored as structured information. Clinical decision support systems can infer about rules from knowledge bases generated from patient cases extracted from unstructured text.

상술한 내용을 포함하는 본 발명은 컴퓨터 프로그램으로 작성이 가능하다. 그리고 상기 프로그램을 구성하는 코드 및 코드 세그먼트는 당분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 작성된 프로그램은 컴퓨터가 읽을 수 있는 기록매체 또는 정보저장매체에 저장되고, 컴퓨터에 의하여 판독되고 실행함으로써 본 발명의 방법을 구현할 수 있다. 그리고 상기 기록매체는 컴퓨터가 판독할 수 있는 모든 형태의 기록매체를 포함한다.
The present invention including the above-described contents can be written in a computer program. And the code and code segment constituting the program can be easily deduced by a computer programmer of the field. In addition, the created program can be stored in a computer-readable recording medium or an information storage medium, and can be read and executed by a computer to implement the method of the present invention. And the recording medium includes all types of recording media readable by a computer.

이상 바람직한 실시예를 들어 본 발명을 상세하게 설명하였으나, 본 발명은 전술한 실시예에 한정되지 않고, 본 발명의 기술적 사상의 범위 내에서 당분야에서 통상의 지식을 가진자에 의하여 여러 가지 변형이 가능하다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, It is possible.

100: 비구조화 임상 문서의 치환 기반 패턴 검색 장치
110: 자연어 처리부
120: 개체명 인식부
130: 도메인 모델부
140: 패턴 인식부
150: 구조화 텍스트 저장부
160: 템플릿 작성부
100: Replacement-based pattern retrieval device for unstructured clinical documents
110: natural language processing unit
120: entity name recognition unit
130: Domain model part
140: pattern recognition unit
150: structured text storage unit
160: Template creation section

Claims (10)

자연어 처리(Natural Language Processing, NLP) 과정을 통해 수신된 비구조화 의학 문서를 정규화(Normalization)하여 정규화된 텍스트를 생성하는 자연어 처리부;
상기 정규화된 텍스트 및 수신된 도메인 모델을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별하는 개체명 인식부;
치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 상기 개체명 인식 정보로부터 구조화된 정보를 생성하는 패턴 인식부; 및
상기 구조화된 정보에 기초하여 규정된 템플릿을 작성하는 템플릿 작성부;
를 포함하며,
상기 도메인 모델은 도메인 사전(Domain Lexicons)으로 구성되어 있으며, 요구되는 모든 개체를 위한 엔트리(Entry)가 내장되는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 장치.
A natural language processing unit for normalizing the received unstructured medical document through a Natural Language Processing (NLP) process to generate normalized text;
An entity name recognizing unit for identifying the Named Entity Recognition information by matching the normalized text and the received domain model;
A pattern recognition unit for generating structured information from the entity name recognition information using a permutation-based pattern discovery approach; And
A template creating unit for creating a template defined based on the structured information;
/ RTI >
Wherein the domain model is composed of domain lexicons and an entry for all required entities is embedded.
제1항에 있어서,
상기 자연어 처리부는 상기 비구조화 의학 문서에서 의미있는 단어를 분류하고, 상기 의미있는 단어를 선택된 특수 문자에 의거하여 개별 단어로 분할하여 토큰화된 단어를 생성하고, 토큰화된 단어에서 철자 변형, 알파벳 소문자화 및 축약을 조절하여 정규화된 텍스트를 생성하는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 장치.
The method according to claim 1,
The natural language processing unit classifies meaningful words in the unstructured medical document, generates a tokenized word by dividing the meaningful word into individual words based on the selected special character, Wherein the normalized text is generated by adjusting the lowercase letter and the abbreviation to generate the normalized text.
제1항에 있어서,
상기 패턴 인식부는 상기 개체명 인식 정보를 구성된 벨류(Value) 및 숫자가 아닌 키(Key)로 구분하고, 구분된 상기 키 및 상기 벨류를 치환하여 상기 비구조화 의학 문서의 패턴을 인식하는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 장치.
The method according to claim 1,
Wherein the pattern recognition unit identifies the entity name recognition information by a non-structured value and a non-numeric key, and recognizes the pattern of the unstructured medical document by replacing the distinguished key and the valence Based non-structured clinical document.
제3항에 있어서,
상기 패턴 인식부는,
Figure 112014086282511-pat00003
를 통해,
상기 개체명 인식 정보에서 키의 추출된 배열 및 벨류의 문자열을 매칭하며, 상기 N은 치환으로부터 얻어진 키 및 벨류의 세트의 사이즈를 나타내고, 상기 r은 각각의 치환 사이즈를 나타내는 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 장치.
The method of claim 3,
Wherein the pattern recognition unit comprises:
Figure 112014086282511-pat00003
Through the,
Matching the extracted array and value strings of the keys in the entity name recognition information, wherein N represents a size of a set of keys and values obtained from the substitution, and r represents a size of each substitution, A substitution based pattern search apparatus for a document.
제1항에 있어서,
상기 도메인 모델을 저장하는 도메인 모델부;
를 더 포함하는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 장치.
The method according to claim 1,
A domain model unit for storing the domain model;
Based pattern search apparatus of claim 1, further comprising:
제1항에 있어서,
상기 구조화된 정보를 서로 다른 개체 사이의 명식적 관계를 고려하여 저장하는 구조화 텍스트 저장부;
를 더 포함하는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 장치.
The method according to claim 1,
A structured text storage unit for storing the structured information in consideration of an explicit relationship between different entities;
Based pattern search apparatus of claim 1, further comprising:
자연어 처리(Natural Language Processing, NLP) 과정을 통해 수신된 비구조화 의학 문서를 정규화(Normalization)하여 정규화된 텍스트를 생성하는 단계;
상기 정규화된 텍스트 및 수신된 도메인 모델을 매칭하여 개체명 인식(Named Entity Recognition) 정보를 식별하는 단계;
치환 기반 패턴 발견 접근법(permutation-based pattern discovery approach)을 이용하여 상기 개체명 인식 정보로부터 구조화된 정보를 생성하는 단계; 및
상기 구조화된 정보에 기초하여 규정된 템플릿을 작성하는 단계;
를 포함하며,
상기 도메인 모델은 도메인 사전(Domain Lexicons)으로 구성되어 있으며, 요구되는 모든 개체를 위한 엔트리(Entry)가 내장되는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 방법.
Generating normalized text by normalizing the received unstructured medical document through a Natural Language Processing (NLP) process;
Identifying the Named Entity Recognition information by matching the normalized text and the received domain model;
Generating structured information from the entity-name recognition information using a permutation-based pattern discovery approach; And
Creating a defined template based on the structured information;
/ RTI >
Wherein the domain model is composed of domain lexicons and an entry for all required entities is embedded.
제7항에 있어서,
상기 정규화된 텍스트를 생성하는 단계는 상기 비구조화 의학 문서에서 의미있는 단어를 분류하고, 의미있는 단어를 선택된 특수 문자에 의거하여 개별 단어로 분할하여 토큰화된 단어를 생성하고, 토큰화된 단어에서 철자 변형, 알파벳 소문자화 및 축약을 조절하여 정규화된 텍스트를 생성하는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 방법.
8. The method of claim 7,
The step of generating the normalized text classifies the meaningful words in the unstructured medical document, generates a tokenized word by dividing the meaningful word into individual words based on the selected special character, Wherein the normalized text is generated by adjusting the spelling variant, lowercase alphabetic characterization, and abbreviation to generate the normalized text.
제7항에 있어서,
상기 구조화된 정보를 생성하는 단계는 상기 개체명 인식 정보를 구성된 벨류(Value) 및 숫자가 아닌 키(Key)로 구분하고, 구분된 상기 키 및 상기 벨류를 치환하여 상기 비구조화 의학 문서의 패턴을 인식하는 것을 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 방법.
8. The method of claim 7,
Wherein the step of generating the structured information includes classifying the entity name recognition information into a non-structured medical document by replacing the distinguished key and the value class with a structured value and a non-numeric key, Based on the result of the comparison.
제9항에 있어서,
상기 구조화된 정보를 생성하는 단계는,
Figure 112015101174060-pat00004
를 통해,
상기 개체명 인식 정보에서 키의 추출된 배열 및 벨류의 문자열을 매칭하며, 상기 N은 치환으로부터 얻어진 키 및 벨류의 세트의 사이즈를 나타내고, 상기 r은 각각의 치환 사이즈를 나타내는 특징으로 하는 비구조화 임상 문서의 치환 기반 패턴 검색 방법.
10. The method of claim 9,
Wherein the generating the structured information comprises:
Figure 112015101174060-pat00004
Through the,
Matching the extracted array and value strings of the keys in the entity name recognition information, wherein N represents a size of a set of keys and values obtained from the substitution, and r represents a size of each substitution, A method for retrieving substitution-based patterns in documents.
KR1020140120473A 2014-09-11 2014-09-11 Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents KR101607672B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140120473A KR101607672B1 (en) 2014-09-11 2014-09-11 Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140120473A KR101607672B1 (en) 2014-09-11 2014-09-11 Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents

Publications (2)

Publication Number Publication Date
KR20160030809A KR20160030809A (en) 2016-03-21
KR101607672B1 true KR101607672B1 (en) 2016-04-11

Family

ID=55650945

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140120473A KR101607672B1 (en) 2014-09-11 2014-09-11 Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents

Country Status (1)

Country Link
KR (1) KR101607672B1 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114817386A (en) * 2016-09-28 2022-07-29 医渡云(北京)技术有限公司 Method and device for generating structured medical data
KR102461295B1 (en) * 2017-06-30 2022-11-01 광주과학기술원 A method for normalizing biomedical names
US20210383249A1 (en) * 2018-10-08 2021-12-09 Schlumberger Technology Corporation Automatic fact extraction
KR102632539B1 (en) 2021-03-23 2024-02-05 주식회사 웨이센 Clinical information search system and method using structure information of natural language
CN116304114B (en) * 2023-05-11 2023-08-04 青岛市黄岛区中心医院 Intelligent data processing method and system based on surgical nursing

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012527058A (en) 2009-05-14 2012-11-01 コレクシス・ホールディングス・インコーポレーテッド Method and system for knowledge discovery

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012527058A (en) 2009-05-14 2012-11-01 コレクシス・ホールディングス・インコーポレーテッド Method and system for knowledge discovery

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"자연어처리 기반 바이오 텍스트 마이닝 시스템",박경미 외 1인, 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제17권 제4호, (2011.04.30)*

Also Published As

Publication number Publication date
KR20160030809A (en) 2016-03-21

Similar Documents

Publication Publication Date Title
CN109213870B (en) Document processing
CN110321432B (en) Text event information extraction method, electronic device and nonvolatile storage medium
US10169325B2 (en) Segmenting and interpreting a document, and relocating document fragments to corresponding sections
CN107562732B (en) Method and system for processing electronic medical record
CN109192255B (en) Medical record structuring method
US20190006027A1 (en) Automatic identification and extraction of medical conditions and evidences from electronic health records
Catelli et al. Combining contextualized word representation and sub-document level analysis through Bi-LSTM+ CRF architecture for clinical de-identification
CN114616572A (en) Cross-document intelligent writing and processing assistant
US10176889B2 (en) Segmenting and interpreting a document, and relocating document fragments to corresponding sections
KR101607672B1 (en) Apparatus and method for permutation based pattern discovery technique in unstructured clinical documents
CN112487202B (en) Chinese medical named entity recognition method and device fusing knowledge map and BERT
CN108959566B (en) A kind of medical text based on Stacking integrated study goes privacy methods and system
EP3748640A1 (en) Anonymization of heterogenous clinical reports
CN112132238A (en) Method, device, equipment and readable medium for identifying private data
Ravikumar et al. Machine learning model for clinical named entity recognition
Yan et al. Chemical name extraction based on automatic training data generation and rich feature set
JP6409071B2 (en) Sentence sorting method and calculator
Yogarajan et al. Seeing the whole patient: using multi-label medical text classification techniques to enhance predictions of medical codes
Flores et al. CREGEX: A biomedical text classifier based on automatically generated regular expressions
CN113343680B (en) Structured information extraction method based on multi-type medical record text
Al-Sanabani et al. Improved an algorithm for Arabic name matching
US11361565B2 (en) Natural language processing (NLP) pipeline for automated attribute extraction
JP2007025834A (en) Method and system for supporting input of image diagnostic reading report
Fenz et al. De-identification of unstructured paper-based health records for privacy-preserving secondary use
Grandi ProbQL: A Probabilistic Query Language for Information Extraction from PDF Reports and Natural Language Written Texts

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190107

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200128

Year of fee payment: 5