[发明专利]一种构建甲状腺超声领域本体的方法

说明书

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

技术领域

本发明涉及一种构建甲状腺超声领域本体语义树的方法。

背景技术

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

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

发明内容

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

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

步骤1、对甲状腺超声报告进行数据预处理，包括以下步骤：

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

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