体检报告异常信息识别方法及系统与流程

本发明涉及医学文本数据处理及医疗信息系统数据标准化，尤其涉及一种应用于体检报告数据处理场景的体检报告异常信息识别方法及系统。

背景技术：

1、体检信息系统接收的报告数据通常来自检验信息系统、医学影像存储与传输系统以及不同厂商的院内业务系统。检验类数据多以项目名称、结果值、单位及参考范围等字段表示，影像类数据则多以检查项目名称和较长的自然语言结果文本表示。为便于后续统计、检索及信息展示，需要将来源不同、表述不同的异常信息转换为统一的数据标签。

2、现有文本匹配方式通常为每一标签维护关键词列表、独立正则表达式或字符级前缀索引。随着分级体系、同义写法和器官描述的增加，重复规则数量随接入机构增加而上升，公共语义前缀无法统一复用。另有方法采用固定词数窗口识别否定描述，但中文报告中的否定作用域往往由逗号、分号或句号分隔，固定窗口难以同时适应相邻子句和长修饰语。

3、现有技术中，目前先依据项目名称选择一套规则，再在整段结果文本中搜索目标词，并以目标词附近是否出现否定词决定是否保留。该做法依赖预先标记的报告类别或固定科室名称，而且把字符距离作为否定作用域，不能利用报告字段结构及标点边界所携带的稳定信息；同时，各条规则独立存放，公共条件的修改仍需逐条同步。

4、因此，现有技术至少存在两个相互关联的技术问题：其一，如何利用报告数据结构自身的稳定差异完成跨来源报告的自动分流，并在规则持续扩展时减少公共匹配条件的重复存储与重复计算；其二，如何在阳性描述与阴性描述位于同一结果文本时，使否定过滤作用于正确子句，同时保护含有"无""低"等字样但作为整体使用的专业术语，从而减少候选信息的误删和漏删。

技术实现思路

1、本发明所要解决的技术问题是，提供一种体检报告异常信息识别方法及系统，以在无需训练分类模型的条件下完成检验类报告与影像类报告的分流，复用不同规则的公共语义条件，并依据标点形成的子句边界约束否定语义的作用范围。

2、为解决上述技术问题，本发明提供一种体检报告异常信息识别方法，应用于体检报告数据处理场景，包括：

3、获取包含字段模式和结果文本的待处理体检报告数据，归一化所述结果文本中的分级符号和分级体系名称，得到规范化报告数据；

4、根据所述字段模式、所述结果文本的文本形态和检查项目名称语义构造报告结构特征，以所述报告结构特征的权重累计值确定报告类型，将所述规范化报告数据分配至检验数值通道或影像语义通道；

5、在所述检验数值通道中基于结果值与参考范围得到检验异常候选；在所述影像语义通道中利用语义条件树匹配所述结果文本，所述语义条件树的节点为语义条件对象、根至叶路径为匹配规则，得到影像异常候选及字符位置区间；

6、依据所述字符位置区间，对所述影像异常候选执行不可拆分术语保护、字母数字连续性筛除、包含关系去重、标点符号分句隔离处理和组合否定过滤，得到保留影像异常候选；

7、汇总所述检验异常候选与所述保留影像异常候选，输出标准化异常信息标签。

8、进一步地，所述根据所述字段模式、所述结果文本的文本形态和检查项目名称语义构造报告结构特征，以所述报告结构特征的权重累计值确定报告类型，将所述规范化报告数据分配至检验数值通道或影像语义通道，包括：检测单位字段、参考范围字段和异常提示字段的存在状态，得到字段存在特征；提取所述结果文本的字符长度、数字格式状态和阳性标记状态，得到文本形态特征；将所述检查项目名称与预设影像项目词表进行匹配，得到项目语义特征；分别将所述字段存在特征、所述文本形态特征和所述项目语义特征与对应的方向权重相乘并累加，得到报告类型评分；将所述报告类型评分与分流阈值比较，在所述报告类型评分位于所述分流阈值的影像侧时分配至所述影像语义通道，在所述报告类型评分位于所述分流阈值的检验侧时分配至所述检验数值通道。

9、进一步地，所述在所述影像语义通道中利用语义条件树匹配所述结果文本，所述语义条件树的节点为语义条件对象、根至叶路径为匹配规则，得到影像异常候选及字符位置区间，包括：从规则数据库读取标准化异常信息标签及对应的有序条件对象序列；将所述有序条件对象序列中的条件对象配置为关键词条件对象、集合条件对象或正则条件对象，并为不同类型的所述条件对象封装统一匹配处理步骤，其中所述统一匹配处理步骤为以规范化结果文本为输入，以满足状态、命中内容和字符位置集合为输出的匹配处理步骤；按照所述有序条件对象序列从所述语义条件树的根节点逐级插入节点，合并内容及类型相同的公共前缀节点，并在末级节点绑定所述标准化异常信息标签；遍历所述语义条件树，对当前节点的子节点调用所述统一匹配处理步骤，剪除未满足对应条件对象的子树；在到达绑定有所述标准化异常信息标签的叶节点时，记录所述叶节点对应语义条件路径所命中的字符位置，得到所述影像异常候选及对应的字符位置区间。

10、进一步地，所述遍历所述语义条件树，对当前节点的子节点调用所述统一匹配处理步骤，剪除未满足对应条件对象的子树，包括：建立包含当前节点标识、已满足条件对象和已命中字符位置的路径状态；按照子节点优先级对所述当前节点的各子节点执行深度优先搜索；在关键词条件对象对应的字符串被所述结果文本包含时记录所述字符串的字符位置；在集合条件对象包含的至少一个候选字符串被所述结果文本包含时记录命中候选字符串及对应的字符位置；在正则条件对象对应的正则表达式与所述结果文本匹配时记录匹配区间；将相应命中信息追加至所述路径状态并进入下一级节点，在当前路径不满足任一子节点时恢复进入所述当前路径前的路径状态并搜索兄弟节点；按照叶节点优先级、路径长度或标签优先级中的至少一种冲突消解条件确定保留的叶节点。

11、进一步地，所述依据所述字符位置区间，对所述影像异常候选执行不可拆分术语保护、字母数字连续性筛除、包含关系去重、标点符号分句隔离处理和组合否定过滤，得到保留影像异常候选，包括：定位预设不可拆分术语在所述结果文本中的术语位置区间，删除字符位置区间与所述术语位置区间部分交叠且未覆盖完整术语的影像异常候选；在影像异常候选命中文本为字母数字串时，计算相邻命中字符位置的差值，删除存在差值不为一的影像异常候选；对任意两个影像异常候选的字符位置集合进行包含关系比较，删除字符位置集合被另一字符位置集合包含的影像异常候选；依据标点位置将所述结果文本划分为子句，在各子句内部独立检测否定触发词，并删除与含否定触发词的子句关联的影像异常候选；将否定词集合与阳性描述词集合进行组合以生成组合否定模式，删除命中所述组合否定模式的影像异常候选，得到所述保留影像异常候选。

12、进一步地，所述依据标点位置将所述结果文本划分为子句，在各子句内部独立检测否定触发词，并删除与含否定触发词的子句关联的影像异常候选，包括：识别所述结果文本中的中文逗号、中文分号和句号，形成按字符位置递增排列的标点边界序列；以相邻两个标点边界之间的字符区间形成对应子句，并建立子句标识与字符区间的映射；将每个影像异常候选的字符位置区间与所述映射比较，确定所述影像异常候选关联的至少一个子句标识；在每个子句内匹配预设否定触发词，并排除位于不可拆分术语内部的否定字；当影像异常候选仅关联一个子句且所述子句含有有效否定触发词时删除所述影像异常候选；当影像异常候选跨越多个子句且任一关联子句含有有效否定触发词时删除所述影像异常候选；保留所关联的全部子句均不含有效否定触发词的影像异常候选。

13、进一步地，在利用所述语义条件树对所述结果文本进行匹配之前和之后，配置递进级联匹配策略，所述递进级联匹配策略包括：对所述结果文本中的罗马数字、分级字母和分级体系名称执行预归一化；将预归一化后的检查项目名称与检索索引中的别名字段进行精确匹配；在精确匹配未命中时利用所述语义条件树进行匹配；在所述语义条件树未命中时对所述结果文本执行全文检索，并根据全文检索评分和编辑距离相似度进行双重筛选；在所述双重筛选未命中时执行逐字顺序匹配；对含有预设分级体系名称的结果文本执行分级实体专项识别；按照首次有效命中或预设级别优先级确定所述影像异常候选。

14、进一步地，所述在所述双重筛选未命中时执行逐字顺序匹配，包括：将目标关键词拆分为保持原始顺序的目标字符序列；建立所述目标字符序列中每个目标字符在所述结果文本中的出现位置集合；在任一目标字符的出现次数超过次数阈值时终止对应目标关键词的逐字顺序匹配；从各出现位置集合中递归选取字符位置，形成候选位置路径；删除未保持所述目标字符序列原始顺序的候选位置路径；在所述目标关键词以字母或数字结尾时，对末位字符执行字符边界校验；将通过所述字符边界校验且覆盖全部目标字符的候选位置路径确定为逐字顺序匹配结果。

15、进一步地，所述对含有预设分级体系名称的结果文本执行分级实体专项识别，包括：读取包含标准化异常信息标签、关键词序列、顺序属性和分级值的分级规则记录；在所述顺序属性为有序时，将所述关键词序列转换为按顺序连接的有序正则模式，所述有序正则模式为相邻关键词之间以受最大字符跨度约束的非贪婪通配符连接的正则表达式；在所述顺序属性为无序时，将所述关键词序列转换为包含多个零宽断言的无序正则模式，所述无序正则模式为各关键词分别以正向零宽断言形式组合于同一子句范围内的正则表达式；为所述分级值添加前向数字边界和后向数字边界，所述前向数字边界用于排除前方紧邻数字的情形，所述后向数字边界用于排除分级值后方紧邻数字或与后方数字构成数值区间的情形，得到分级边界模式；将所述有序正则模式或所述无序正则模式与所述分级边界模式组合，得到分级实体匹配模式；使用所述分级实体匹配模式处理所述结果文本，并将命中记录对应的标准化异常信息标签确定为分级实体识别结果。

16、本发明还提供一种体检报告异常信息识别系统，包括：报告归一化模块，用于获取包含字段模式和结果文本的待处理体检报告数据，归一化所述结果文本中的分级符号和分级体系名称，得到规范化报告数据；报告分流模块，用于根据所述字段模式、所述结果文本的文本形态和检查项目名称语义构造报告结构特征，以所述报告结构特征的权重累计值确定报告类型，将所述规范化报告数据分配至检验数值通道或影像语义通道；候选生成模块，用于在所述检验数值通道中基于结果值与参考范围得到检验异常候选；在所述影像语义通道中利用语义条件树匹配所述结果文本，所述语义条件树的节点为语义条件对象、根至叶路径为匹配规则，得到影像异常候选及字符位置区间；候选过滤模块，用于依据所述字符位置区间，对所述影像异常候选执行不可拆分术语保护、字母数字连续性筛除、包含关系去重、标点符号分句隔离处理和组合否定过滤，得到保留影像异常候选；标签输出模块，用于汇总所述检验异常候选与所述保留影像异常候选，输出标准化异常信息标签。

17、由于报告类型由字段存在性、文本形态和项目名称语义共同确定，分流依据来自报告数据模式本身，不依赖按接入机构重新训练的分类模型，从而能够降低新增数据源的适配成本。由于语义条件树把公共语义条件合并为共享前缀，并在前缀未命中时剪除整棵子树，使规则扩充所需的重复存储和无效匹配次数减少。由于否定过滤先建立标点子句与候选字符位置的映射，再在子句内识别有效否定触发词，否定语义不会因固定字符窗口而跨越相邻发现；配合不可拆分术语保护，可降低专业术语中的单字被误作否定触发词造成的候选误删。