一种动态预过滤的分科小结生成方法及装置与流程

本发明涉及医疗信息数据处理，尤其涉及体检信息系统中半结构化文本的规则匹配和流程控制技术，具体涉及一种动态预过滤的分科小结生成方法及装置。本发明仅对已经采集并存储的体检分科文本进行计算机数据处理，所生成的分科小结用于人工审核，不输出医学判断结论或处置方案。

背景技术：

1、体检信息系统通常接收多个分科业务模块保存的结构化字段和半结构化文本，并根据预设的小结生成规则从相应数据中提取目标内容，形成供审核的分科小结。影像类分科数据中常见的检查所见文本同时含有自然语言、数值、计量单位和标点分段，数据形态与固定字段存在明显差异。

2、常规实现通常将原始分科文本直接输入分科小结生成引擎，再由关键词规则或固定数值条件决定是否形成小结。另有实现通过在程序代码中加入若干固定排除条件来减少不需要的小结，但每次调整条件均需修改程序并重新部署，且固定条件难以覆盖数值范围与目标关键词在同一文本范围内共同出现的组合情形。

3、与本发明最相关的实现允许操作人员在配置项中录入多个字符串，并在小结生成阶段逐项进行关键词比对。然而，当配置项需要承载正则表达式时，普通字符串切分容易把被转义的分隔符或字符类内部的分隔符误识别为规则边界；规则更新期间，不同处理线程还可能分别读取到更新前后的配置内容，使同一批任务缺乏稳定的规则执行版本。

4、因此，现有处理方式至少存在两个相互关联的技术问题：其一，半结构化分科文本中的数值描述与目标关键词需要组合约束时，简单关键词或单一阈值规则难以形成可动态维护且可稳定执行的匹配对象；其二，动态规则配置若缺少转义安全解析、启用前校验和任务级版本绑定，容易出现规则误切分、编译失败或单次任务执行期间规则漂移，进而造成不应进入小结生成引擎的数据继续占用计算资源，或者应继续处理的数据被提前终止。

技术实现思路

1、本发明所要解决的技术问题是，提供一种动态预过滤的分科小结生成方法及装置，以在分科小结生成之前对半结构化分科文本执行可动态维护的组合规则匹配，并在规则在线更新时保证单次任务所使用规则的一致性和可执行性。

2、为解决上述技术问题，本发明提供一种动态预过滤的分科小结生成方法，应用于体检信息系统，包括：

3、接收预过滤规则配置数据，根据所述预过滤规则配置数据建立规则版本记录，所述规则版本记录包括由分隔符分隔的组合正则字符串、启用状态和版本标识，所述组合正则字符串用于定义预过滤规则，所述预过滤规则用于在调用分科小结生成引擎之前判断原始分科文本是否需要生成分科小结；

4、响应于分科小结生成任务，获取原始分科文本，并根据处于启用状态的所述规则版本记录建立与所述分科小结生成任务绑定的规则快照；

5、按照所述分隔符对所述规则快照中的所述组合正则字符串进行转义感知解析，得到预过滤表达式序列，并将所述预过滤表达式序列编译为匹配对象序列，所述转义感知解析为逐字符扫描所述组合正则字符串、维护转义状态和字符类状态、仅将未处于转义状态且不位于字符类边界之间的所述分隔符识别为规则边界的解析过程；

6、对所述原始分科文本进行规范化处理，得到规范化分科文本，按照所述预过滤表达式序列的顺序，利用所述匹配对象序列对所述规范化分科文本进行匹配；

7、响应于所述匹配对象序列中的任一匹配对象匹配成功，生成规则命中结果并阻止所述原始分科文本进入所述分科小结生成引擎；响应于所述匹配对象序列中的全部匹配对象均匹配失败，生成过滤放行结果并将所述原始分科文本传递至所述分科小结生成引擎，以生成供人工审核的分科小结。

8、进一步地，所述接收预过滤规则配置数据，根据所述预过滤规则配置数据建立规则版本记录，包括：获取规则配置界面提交的所述组合正则字符串和所述启用状态；对所述组合正则字符串中的分隔符、转义符和字符类边界进行转义处理和语法校验；在所述语法校验通过后，为所述组合正则字符串分配单调递增的所述版本标识；将所述组合正则字符串、所述启用状态、所述版本标识和保存时间写入全局规则配置表，形成所述规则版本记录。

9、进一步地，所述对所述组合正则字符串中的分隔符、转义符和字符类边界进行转义处理和语法校验，包括：逐字符扫描所述组合正则字符串并记录当前扫描到的字符的转义状态；识别所述当前扫描到的字符是否位于所述字符类边界之间；仅将未处于所述转义状态且未位于所述字符类边界之间的分隔符确定为规则边界；根据所述规则边界提取候选表达式并去除所述候选表达式的首尾空白字符；拒绝内容为空的所述候选表达式，并对内容非空的所述候选表达式执行括号配对校验、字符类闭合校验和量词位置校验；分别试编译通过校验的所述候选表达式，并在全部所述候选表达式均试编译成功后允许建立处于启用状态的所述规则版本记录。

10、进一步地，所述预过滤表达式序列中的至少一个预过滤表达式包括多个零宽断言子表达式，多个所述零宽断言子表达式用于在同一文本匹配范围内分别约束数值描述和目标关键词，多个所述零宽断言子表达式之间构成逻辑与关系，所述预过滤表达式序列中的不同预过滤表达式之间构成逻辑或关系。

11、进一步地，用于约束所述数值描述的零宽断言子表达式和用于约束所述目标关键词的零宽断言子表达式的构建方式包括：为所述数值描述设置数字左边界和数字右边界，所述数字左边界用于确认待匹配数字之前不存在数字字符，所述数字右边界用于确认数字之后不存在未纳入范围判断的数字字符；采用备选分支分别表示允许匹配的整数位区间和小数位区间；在所述小数位区间之后设置用于限定小数部分位数的量词；在所述数字右边界之后设置一个或多个计量单位备选项；将所述目标关键词设置于正向零宽断言中，并为所述正向零宽断言设置与所述数值描述相同的句段边界，所述句段边界为由句号、分号和换行符限定的文本范围边界；将用于约束所述数值描述的零宽断言子表达式和用于约束所述目标关键词的零宽断言子表达式串接为同一预过滤表达式。

12、进一步地，所述响应于分科小结生成任务，获取原始分科文本，并根据处于启用状态的所述规则版本记录建立与所述分科小结生成任务绑定的规则快照，包括：在所述分科小结生成任务启动时读取指向处于启用状态的所述规则版本记录的活动版本指针，所述活动版本指针用于指示处于启用状态的所述规则版本记录的所述版本标识；

13、根据所述活动版本指针获取对应的所述版本标识和所述匹配对象序列；将所述版本标识和所述匹配对象序列写入所述分科小结生成任务的上下文，形成所述规则快照；在所述分科小结生成任务结束前保持所述规则快照不变。

14、进一步地，所述规则版本记录的更新包括：将新提交的所述预过滤规则配置数据写入处于候选状态的新规则版本记录；对所述新规则版本记录执行所述转义感知解析和全部候选表达式的试编译；利用预设的命中样本文本和放行样本文本对试编译得到的候选匹配对象序列执行回放校验；在所述回放校验通过后，将所述候选匹配对象序列写入以所述新规则版本记录的版本标识为键的编译缓存；以原子更新方式将所述活动版本指针切换至所述新规则版本记录的版本标识；在引用切换前的所述规则快照的分科小结生成任务结束后，释放切换前的所述旧规则快照对应的匹配对象序列。

15、进一步地，所述对所述原始分科文本进行规范化处理，得到规范化分科文本，按照所述预过滤表达式序列的顺序，利用所述匹配对象序列对所述规范化分科文本进行匹配，包括：将所述原始分科文本中的全角字符转换为对应的半角字符，统一换行符和空白字符，保留数值字符、小数点、计量单位和句段边界，并在字符转换过程中建立规范化字符位置至原始字符位置的位置映射表；所述规则命中结果包括根据所述位置映射表确定的原始命中起始位置和原始命中结束位置。

16、进一步地，所述响应于所述匹配对象序列中的任一匹配对象匹配成功，生成规则命中结果并阻止所述原始分科文本进入所述分科小结生成引擎；响应于所述匹配对象序列中的全部匹配对象均匹配失败，生成过滤放行结果并将所述原始分科文本传递至所述分科小结生成引擎，以生成供人工审核的分科小结，包括：在所述匹配对象序列中首个匹配对象匹配成功时，停止调用所述匹配对象序列中的剩余匹配对象；将所述分科小结生成任务的任务标识、所述版本标识、命中的预过滤表达式标识、命中位置和所述原始分科文本经散列运算得到的摘要值写入所述规则命中结果；在调用所述分科小结生成引擎之前查询所述规则命中结果；当查询到与所述任务标识和所述原始分科文本的摘要值对应的所述规则命中结果时，将所述分科小结生成任务设置为过滤终止状态；将所述过滤终止状态和所述规则命中结果写入任务日志，以供规则版本变更后的重放处理。

17、本发明还提供一种动态预过滤的分科小结生成装置，包括规则版本建立模块、规则快照建立模块、规则解析编译模块、文本规范化匹配模块以及流程控制与小结生成模块，各模块分别用于执行上述方法中的对应步骤。

18、由于采用由组合正则字符串、转义感知解析和编译匹配组成的规则执行机制，使得数值描述和目标关键词能够在同一表达式中形成逻辑与约束，不同表达式能够形成逻辑或约束，从而提高了半结构化分科文本预过滤规则的表达能力，并避免了普通字符串切分破坏正则表达式结构。由于在规则启用前执行校验并在任务启动时绑定规则快照，使得规则在线切换不会改变已启动任务所用的匹配对象序列，从而减少了规则编译失败、版本漂移以及错误短路。命中时在调用分科小结生成引擎之前终止任务，能够减少无需执行的小结生成计算和冗余小结，未命中数据仍由原有分科小结生成逻辑处理并输出供人工审核。