一个标准化提取细粒度传统中医药症状实体和关系的框架

科学领域:

• 自然语言处理自然语言处理.
• 医疗信息学 医疗信息学
• 传统中国医药 传统中国医药

背景情况:

• 传统中医电子医疗记录 (TCM EMR) 往往具有半结构化的症状描述,导致信息丢失.
• 在TCM EMR中粗的注释可能导致症状嵌套和数据精度降低.
• 需要在TCM EMR中改善症状表示,以支持智能诊断.

研究的目的:

• 为TCM EMRs开发一个细粒度的症状实体注释系统.
• 将非标准化的症状表达式转换为结构化数据.
• 加强症状信息的相关性和标准化,用于智能TCM诊断和治疗.

主要方法:

• 一个五步的方法,包括准则起草,代注释,命名实体识别 (NER) 模型培训,基于规则的关系提取和规范的输出生成.
• 标注指南是基于现有研究开发的,并通过多次试验来改进.
• 经过NER模型的训练和评估,以及基于规则的关系提取,并对结果进行手动验证.

主要成果:

• 该系统注释了500个TCM EMR,确定了12个实体和10种关系类型,具有高的注释器间协议 (实体的F1分数为93.56%,关系的F1分数为91.23%).
• 创建了一个由39,097个实体和41,373个关系对组成的语料库,生成了15,853个规范化症状句.
• 细粒度系统将TCM症状信息利用率 (TCM-SIU) 提高了8.24%,最好的NER模型获得了92.29%的F1评分,RE达到88.17%的F1评分.

结论:

• 细粒度的症状注释系统显著改善了TCM症状信息的利用.
• 该系统有效地解决了症状嵌套问题,并促进了结构化数据输出,以精确区分症状.
• 这种方法提供了强大的,标准化的数据,对于推进智能TCM诊断和治疗至关重要.