基于自然语言处理的中医病历结构化解析方法及系统与流程

本发明涉及自然语言处理，具体为基于自然语言处理的中医病历结构化解析方法及系统。

背景技术：

1、随着电子病历、结构化录入页面和接口化数据采集在中医诊疗信息化场景中的应用，中医病历中主诉、现病史、既往史、四诊信息、舌象、脉象、症状描述和证候相关字段逐渐以文本记录和结构化记录并存的方式保存。自然语言处理技术常用于对中医自由文本病历进行字符清洗、分句、术语识别、同义词归并、否定语义判断和标准字段映射，从而将原文文本中的症状、舌象、脉象、体征描述转换为可检索、可统计、可作为模型输入的结构化字段。随着证候编码匹配、证候要素识别和中医病历辅助分析需求增加，结构化字段还常被装配为模型入参，用于生成证候编码、字段贡献结果和接口调用结果。

2、例如公告号为cn116882496b的发明专利公开了一种多级逻辑推理的医学知识库构建方法，所述方法包括：将预处理后的医学文本数据映射为字符向量，对医学文本数据中的潜在医学词汇进行编码，将潜在医学词汇的编码信息融入字符向量中，提取医学文本数据中字符序列的局部特征向量，构成多特征融合的医学文本特征向量序列数据；生成表征语义编码信息的全局语义信息矩阵，对全局语义信息矩阵进行解码操作并构建医学知识库。

3、例如公告号为cn116680412b的发明专利公开了一种基于知识图谱的中医处方推荐方法，应用了知识图嵌入模型、多头注意力机制、图卷积等将图谱特征与推荐系统相结合，综合考虑患者情况，进行中医处方推荐，以中医医案描述文本为研究对象，融合中医知识图谱信息，吸取名老中医的临床对症下药经验，充分综合考虑药性、功效、病情和患者的体质等多个个性化因素，在于依据中医的整体论原则及辨证论治的思想，根据患者的不同症状和病情归纳证候选择不同的药材组合，提出融合知识图谱的中医处方推荐方法，考虑个人体征及症状和药物之间的复杂关系，结合每个处方具体分析局部规律，为医生和患者推荐更可靠的处方药材，为中医临床诊疗提供辅助决策支持。

4、但中医病历文本具有表述灵活、词语复用、复合短语较多、否定表达分布不固定、舌脉描述和症状描述交叉出现的特点。同一标准词条可能在不同字段分组中具有不同含义，同一组合短语可能对应多个标准字段编号，同一标准字段编号也可能由多个原文片段共同支撑。若仅输出字段值或证候编码结果，难以说明字段来源于哪个原文片段、是否受到否定边界影响、是否存在跨字段引用关系以及是否存在多片段承接关系。另外，中医病历数据往往同时来源于自由文本、结构化录入记录、既往史记录、四诊字段记录和接口参数记录。不同来源之间可能存在字段取值重复、字段取值冲突、字段情形码不一致、录入批次不同和模板版本差异。现有处理方式在字段融合和模型入参装配过程中，容易将未记录情形码、未识别情形码和空值混同处理，也容易在字段模板版本号与模型版本号不一致时产生入参槽位错配，导致同一标准字段编号在不同模型版本下被装配到不同位置，影响后续证候编码匹配结果的稳定性。

5、因此，针对以上问题，亟待需要基于自然语言处理的中医病历结构化解析方法及系统。

技术实现思路

1、解决的技术问题

2、针对现有技术的不足，本发明提供了基于自然语言处理的中医病历结构化解析方法及系统，解决了现有技术无法准确处理中医病历中跨字段术语复用、多片段字段支撑、否定边界语义识别不准确且解析结果缺乏全链路可追溯性的问题。

3、技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：基于自然语言处理的中医病历结构化解析方法，包括s1，采集中医病历多源数据，并对中医病历多源数据执行预处理操作；s2，读取原文片段与字段模板数据构建片段字段归因矩阵并开展片段归因分析，根据片段归因分析结果生成字段归因记录和归因失败标记；s3，调用字段归因记录与结构化录入记录进行字段融合分析，根据字段融合分析结果执行入参槽位补位、入参槽位重排与模型入参表生成；s4，根据字段特征输入与可追溯约束输入，构建证候编码匹配模型并生成证候编码匹配结果，基于证候编码匹配结果面向外部调用接口生成外部调用归档记录和编码回退记录。

5、进一步地，采集中医病历多源数据的具体步骤为：采集中医病历文本数据：通过电子病历记录读取病历编号、患者编号、就诊编号、病历版本号、段落编号、句子编号、原文文本、记录时刻和修改时刻；通过录入日志读取录入批次号、录入来源码、标准字段编号、字段取值、字段情形码、结构化录入记录、既往史记录、四诊字段记录和接口参数记录；通过字段模板表读取标准字段编号、字段名称、字段分组和字段模板版本号；通过中医术语词典读取词条编号、标准词条、同义词条、组合短语编码、否定触发词和字段分组；通过证候模型接口模板读取证候模型编号、模型版本号、入参字段顺序、标准字段编号和证候编码样本标签。

6、进一步地，对中医病历多源数据执行预处理操作的具体步骤为：对中医病历文本数据执行字符清洗、段落切分、句子切分和字符偏移编号，生成原文片段编号、字符起始偏移、字符结束偏移和字符偏移区间；按照组合短语编码对应的最长短语匹配、标准词条精确匹配和同义词条归并匹配的顺序生成命中方式编码；依据否定触发词和字符偏移区间生成否定边界记录编号；依据字段模板表将标准词条关联至标准字段编号、字段分组和字段模板版本号；结构化录入记录、既往史记录、四诊字段记录和接口参数记录分别按照标准字段编号、字段模板版本号、录入来源码和录入批次号建立字段来源索引。

7、进一步地，读取原文片段与字段模板数据构建片段字段归因矩阵并开展片段归因分析的具体步骤为：以原文片段编号作为行索引，以标准字段编号作为列索引构建片段字段归因矩阵，矩阵单元记录命中方式编码、词条编号、标准词条、字符起始偏移、字符结束偏移、否定边界记录编号、组合短语编码、字段分组、字段模板版本号、跨字段引用编号和多片段承接编号；否定边界记录编号依据否定触发词与标准词条之间的字符间隔生成：存在x个否定触发词时选取字符间隔最小者作为否定起点，并以其后同一句子内最先出现的句末标点或句子结束位作为否定终点，若否定触发词位于前一原文片段编号对应原文片段的末端，且前一原文片段编号与当前原文片段编号属于同一段落编号，二者之间未出现句内终止标点，则将当前原文片段编号纳入同一否定边界记录编号；当同一组合短语编码对应多个标准字段编号时，分别生成矩阵单元记录；当同一原文片段编号对应多个标准字段编号时，生成跨字段引用编号；当i个原文片段编号对应的矩阵单元均指向同一标准字段编号、字段分组和字段模板版本号，且字符偏移区间互不重叠时，生成同一多片段承接编号；按原文片段编号逐行读取片段字段归因矩阵中的非空矩阵单元，先依据命中方式编码、词条编号和标准词条确定矩阵单元的命中归因结果，再依据组合短语编码、字段分组、字段模板版本号、跨字段引用编号和多片段承接编号确定矩阵单元的结构归因结果，并依据否定边界记录编号、字符起始偏移和字符结束偏移确定矩阵单元的扣减归因结果；将同一原文片段编号所在矩阵行内各非空矩阵单元的命中归因结果、结构归因结果和扣减归因结果进行行内加和，得到片段归因值。

8、进一步地，根据片段归因分析结果生成字段归因记录和归因失败标记的具体步骤为：通过实时比对片段归因值和归因阈值，当片段归因值小于归因阈值时，按字符起始偏移和字符结束偏移重算否定边界记录编号，按字段分组和字段模板版本号重排组合短语编码对应的标准字段编号，为同一原文片段编号指向多个标准字段编号的矩阵单元补建跨字段引用编号，为多个原文片段编号对应同一标准字段编号的矩阵单元生成多片段承接编号，若基于修正后的片段字段归因矩阵重新计算所得的片段归因值仍小于归因阈值，则生成归因失败标记；当片段归因值大于或等于归因阈值时，将原文片段编号、字段情形码、标准字段编号、字段分组、字段模板版本号、字段取值和多片段承接编号生成字段归因记录。

9、进一步地，调用字段归因记录与结构化录入记录进行字段融合分析的具体步骤为：以标准字段编号、字段分组和字段模板版本号生成字段比较键，将字段归因记录、结构化录入记录、既往史记录、四诊字段记录和接口参数记录按字段比较键汇集为字段来源记录；对同一字段比较键下的多来源字段取值经同义词条归并后相同且字段情形码相同时，生成同一字段来源记录编号并写入来源集合，否则生成来源冲突记录；未记录情形码和未识别情形码分别生成字段来源记录编号，不合并为同一空值记录，其中，字段来源记录包括字段比较键、标准字段编号、字段取值、字段情形码、录入来源码、原文片段编号、录入批次号、字段模板版本号和来源集合；依据证候模型编号、模型版本号、入参字段顺序和标准字段编号构建入参槽位表，将去重后的字段来源记录装配至对应入参槽位，并为每个入参槽位生成入参槽位编号。

10、进一步地，根据字段融合分析结果执行入参槽位补位、入参槽位重排与模型入参表生成的具体步骤为：当一个标准字段编号对应多个入参槽位时，以证候模型编号、模型版本号和入参字段顺序为约束，分别形成入参引用记录，并在入参引用记录中绑定标准字段编号、字段来源记录编号、字段情形码、入参槽位编号和字段模板版本号；当入参槽位缺少字段来源记录编号时，依据标准字段编号、字段分组和字段模板版本号从字段来源记录中执行槽位补位，补位后仍缺少字段来源记录编号的入参槽位生成入参缺口记录；当入参槽位携带的字段模板版本号与证候模型接口模板中绑定的字段模板版本号不一致时，按照证候模型接口模板生成槽位映射表和版本不一致记录；当不存在入参缺口记录，并且版本不一致记录不存在时，生成模型入参表；存在版本不一致记录时，在已完成入参槽位重排后以入参槽位编号为关联键生成模型入参表。

11、进一步地，根据字段特征输入与可追溯约束输入，构建证候编码匹配模型并生成证候编码匹配结果的具体步骤为：以标准字段编号、录入来源码、字段取值、字段情形码、字段来源记录编号、字段模板版本号和模型版本号作为字段特征输入，以跨字段引用编号和多片段承接编号作为可追溯约束输入，以证候编码样本标签作为训练标签，按照证候编码样本标签、字段情形码和录入来源码采用分层随机采样方法构建证候编码匹配模型，并输出字段贡献清单、追溯链编号、证候编码匹配值和证候编码，其中，字段贡献清单包括入参槽位编号、标准字段编号、字段贡献值、字段情形码和字段来源记录编号；证候编码匹配模型包括字段编码层、来源约束层和引用关系约束层，字段编码层用于对标准字段编号、字段取值和字段情形码进行编码，来源约束层用于比对字段来源记录编号对应的字段模板版本号与模型版本号绑定的字段模板版本号，引用关系约束层用于保留跨字段引用编号和多片段承接编号对应的证据关系。

12、进一步地，基于证候编码匹配结果面向外部调用接口生成外部调用归档记录和编码回退记录的具体步骤为：通过实时比对证候编码匹配值和匹配阈值，当证候编码匹配值小于匹配阈值时，将字段贡献值小于贡献阈值且字段情形码为未识别情形码的入参槽位退回字段来源记录补录，将字段模板版本号与模型版本号对应接口模板不一致的入参槽位依据入参字段顺序执行槽位重排，将同一原文片段编号对应n个标准字段编号但跨字段引用编号为空的字段特征从本轮模型更新样本集中移出，将多片段承接编号非空且对应m个原文片段编号，且字段贡献值小于贡献阈值的字段特征写入补充训练样本，生成模型更新样本记录和模型更新任务记录；基于补录后的字段来源记录和重排后的入参槽位重新生成模型入参表，并再次计算证候编码匹配值；若再次计算所得的证候编码匹配值仍小于匹配阈值，则生成编码回退记录，编码回退记录包括证候编码、证候编码匹配值、字段贡献清单和追溯链编号；当证候编码匹配值大于或等于匹配阈值时，生成外部调用校验指令，将证候编码、证候编码匹配值、字段贡献清单、追溯链编号、模型版本号和字段模板版本号写入外部调用归档记录。

13、进一步地，本发明第二方面提供了基于自然语言处理的中医病历结构化解析系统，应用基于自然语言处理的中医病历结构化解析方法，包括：数据采集与预处理模块，用于采集中医病历多源数据，并对中医病历多源数据执行预处理操作；原文片段字段定位归因模块，用于读取原文片段与字段模板数据构建片段字段归因矩阵并开展片段归因分析，根据片段归因分析结果生成字段归因记录和归因失败标记；字段来源去重与入参装配模块，用于调用字段归因记录与结构化录入记录进行字段融合分析，根据字段融合分析结果执行入参槽位补位、入参槽位重排与模型入参表生成；可追溯约束证候编码匹配模块，用于根据字段特征输入与可追溯约束输入，构建证候编码匹配模型并生成证候编码匹配结果，基于证候编码匹配结果面向外部调用接口生成外部调用归档记录和编码回退记录。

14、本发明具有以下有益效果：

15、（1）本发明，通过构建包含字段编码层、来源约束层和引用关系约束层的证候编码匹配模型，将跨字段引用编号和多片段承接编号作为结构化约束嵌入模型推理流程而非单纯输入特征，使模型在编码过程中保留原文语义关联和证据链关系。进而实现了证候编码匹配准确率与可解释性同步提升的效果，有效解决了现有技术中机器学习模型仅关注字段取值特征、忽略语义关联导致的匹配结果偏差大、推理过程不可解释的问题。

16、（2）本发明，通过构建以原文片段编号为行索引、标准字段编号为列索引的片段字段归因矩阵，在矩阵单元中完整记录命中方式、词条信息、否定边界、跨字段引用及多片段承接等全维度信息，实现了原文片段与标准字段之间多对多映射关系的精准刻画。进而实现了中医病历文本到结构化字段的减少字段映射信息丢失的效果，有效解决了现有技术中采用单向文本实体字段映射模式导致的跨字段术语复用丢失、多片段字段支撑断裂的问题。

17、（3）本发明，通过优化否定边界识别规则并结合片段字段归因矩阵的动态修正机制，能够准确划定否定词作用域，同时自动修正归因错误的字段映射关系，适配中医病历特有的多片段联合描述语义。进而实现了中医病历中否定语义和复杂多对多语义的准确解析的效果，有效解决了现有技术中否定边界识别模糊、无法处理中医分散式症状描述导致的结构化结果错误率高的问题。

18、（4）本发明，通过在解析全链路生成统一的可追溯标识，将原文片段、字段归因、入参装配及证候编码各环节通过追溯链编号关联，同时生成外部调用归档记录和编码回退记录，实现了解析过程的全程留痕。进而实现了中医病历结构化解析结果的全链路可追溯可验证的效果，有效解决了现有技术中解析过程黑盒化、结果无法溯源验证、无法满足医疗数据留痕和审计核验的问题。

19、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。