[发明专利]基于领域本体的乳腺超声检查报告结构化方法

权利要求书

1.一种基于领域本体的乳腺超声检查报告结构化方法，其特征在于，包括以下步骤：

(1)对乳腺超声报告进行预处理，得到文本描述块；

(2)对得到的文本描述块基于领域本体语义树获取分支子树路径；具体包括以下子步骤：

(21)采用Jieba分词工具和乳腺医学自定义词典，对文本描述块做分词处理；

(22)依次扫描文本描述块中的每个分词，并判断该分词是否为乳腺超声领域本体分支子树下的指标值节点，若是则在乳腺超声领域本体分支子树下的指标值节点上进行标记，对于由数字单位构成的定量数值词，将短句中的其它词与指标值节点进行内容匹配，并将定量数据词写入该指标节点的子节点，从而确定一条以根节点为入端，以该子节点为终端的路径；

(23)若在乳腺超声领域本体分支子树中，存在指标节点内容相同的多条路径，则将指标值节点的父节点内容和短句中的其它词匹配，以去除误标记的指标值节点，确定与短句正确匹配的路径；

(24)将步骤(23)中得到的路径，添加至分支子树对应的路径集合中；

(25)重复迭代，直至所有的文本描述块中的语句全部处理完为止；

(3)以自顶向下、广度优先的方式，生成乳腺超声语义子树；

(4)将生成的乳腺超声语义子树转化为以表结构存储的结构化数据。

2.根据权利要求1所述的基于领域本体的乳腺超声检查报告结构化方法，其特征在于，所述步骤(1)包括以下子步骤：

(11)构建乳腺医学自定义词典，并使用该自定义词典对乳腺超声报告进行中文分词；

(12)针对乳腺超声报告中的同义词现象，采用Word2Vec模型，使用词向量表征词特征，构建同义词表，用出现频率最高的词替换乳腺超声报告中的其它同义词；

(13)根据乳腺病理学和解剖学的先验知识，对乳腺超声文本进行切分处理，并以切分后的文本描述块做为下一阶段的处理单位。

3.根据权利要求1所述的基于领域本体的乳腺超声检查报告结构化方法，其特征在于，所述步骤(22)中乳腺超声领域本体分支子树以XML形式表示。

4.根据权利要求1所述的基于领域本体的乳腺超声检查报告结构化方法，其特征在于，所述步骤(3)包括以下子步骤：

(31)将各个文本描述块对应的分支子树路径集合，添加至语义子树路径集合中；

(32)获取语义子树路径集合的最大层数，以“乳腺超声语义子树”作为乳腺超声语义子树的根节点内容；

(33)从语义子树路径集合的第二层节点开始，依次对比每条路径的该层节点信息，去除节点内容重复的信息；

(34)若该层去重后的节点数量为1，表示该层节点信息相同，则生成上一节点的子节点；若该层去重后的节点数量大于1，表示上层节点和该层节点均存在多个分支，则针对去重后的每个节点，生成该节点所在路径中上一节点的子节点；

(35)重复上述操作，直至语义子树路径集合的最后一层节点处理完为止。

5.根据权利要求1所述的基于领域本体的乳腺超声检查报告结构化方法，其特征在于，所述步骤(4)中将生成乳腺超声语义子树以XML形式表示，将指标和指标值信息按行写入关系型表中，得到乳腺超声检查报告结构化结果。