公开(公告)号：CN109800411B

公开(公告)日：2023-07-18

申请号：CN201811476992.X

申请日：2018-12-03

Applicant: 哈尔滨工业大学(深圳)

Inventor： 汤步洲 ,  石雪 ,  陈清财 ,  王晓龙 ,  熊英 ,  蒋德焕

IPC: G06N5/025 ,  G06F16/35 ,  G06F40/211 ,  G06F40/216 ,  G06F40/253 ,  G06F40/268 ,  G06F40/284 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本申请涉及一种临床医疗实体及其属性抽取方法。该方法包括：3个模块：(1)预处理；(2)句子的信息全面性表示；(3)临床医疗实体及其属性抽取的联合学习。其中联合学习方法主要包括两种方式：(1)串行联合方式；(2)并行联合方式。串行联合方式又分为3个子模块：(1)临床医疗实体‑属性识别；(2)临床医疗实体‑属性关系抽取；(3)联合学习；并行联合方式是采用序列标注的方法进行临床医疗实体及其属性联合抽取。该方法对临床医疗辅助决策、临床医疗研究等具有重要意义。

公开(公告)号：CN107977361B

公开(公告)日：2021-05-18

申请号：CN201711278996.2

申请日：2017-12-06

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 汤步洲 ,  石雪 ,  刘增健 ,  陈清财 ,  王晓龙

IPC: G06F40/295 ,  G06F40/30 ,  G06F40/242 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度语义信息表示的中文临床医疗实体识别方法，包括两部分内容：1)中文临床医疗实体的表示方法；2)中文临床医疗实体的识别方法。表示方法包括以下两种：单标签表示和多标签表示。识别方法融入基于医疗领域偏旁部首信息的汉字表示方法，基于CNN获取医疗文本的局部语义信息，基于双向LSTM获取医疗文本的全局语义，并基于Attention机制对句子中不同词的语义信息进行选择。本发明继承了深度学习的优势，具有较少人工特征干预及更高的准确率和召回率等优点。

公开(公告)号：CN109800411A

公开(公告)日：2019-05-24

申请号：CN201811476992.X

申请日：2018-12-03

Applicant: 哈尔滨工业大学(深圳)

Inventor： 汤步洲 ,  石雪 ,  陈清财 ,  王晓龙 ,  熊英 ,  蒋德焕

IPC: G06F17/27 ,  G16H50/70

Abstract: 本申请涉及一种临床医疗实体及其属性抽取方法。该方法包括：3个模块：(1)预处理；(2)句子的信息全面性表示；(3)临床医疗实体及其属性抽取的联合学习。其中联合学习方法主要包括两种方式：(1)串行联合方式；(2)并行联合方式。串行联合方式又分为3个子模块：(1)临床医疗“实体/属性”识别；(2)临床医疗“实体-属性”关系抽取；(3)联合学习；并行联合方式是采用序列标注的方法进行临床医疗实体及其属性联合抽取。该方法对临床医疗辅助决策、临床医疗研究等具有重要意义。

公开(公告)号：CN107977361A

公开(公告)日：2018-05-01

申请号：CN201711278996.2

申请日：2017-12-06

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 汤步洲 ,  石雪 ,  刘增健 ,  陈清财 ,  王晓龙

IPC: G06F17/27 ,  G06F17/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度语义信息表示的中文临床医疗实体识别方法，包括两部分内容：1)中文临床医疗实体的表示方法；2)中文临床医疗实体的识别方法。表示方法包括以下两种：单标签表示和多标签表示。识别方法融入基于医疗领域偏旁部首信息的汉字表示方法，基于CNN获取医疗文本的局部语义信息，基于双向LSTM获取医疗文本的全局语义，并基于Attention机制对句子中不同词的语义信息进行选择。本发明继承了深度学习的优势，具有较少人工特征干预及更高的准确率和召回率等优点。