基于知识库的医疗检查项目智能多维标化方法、系统、电子设备、存储介质与流程
本技术属于医疗数据处理的，具体涉及一种基于知识库的医疗检查项目智能多维标化方法、系统、电子设备、存储介质。
背景技术：
1、在区域医疗数据协同、医联体/医共体数据汇聚、医疗绩效考核等场景中，需要将不同医疗机构的检查检验数据进行统一汇聚和对比分析。医疗检查项目是临床诊疗过程中产生的重要数据，包括ct、mr、超声、x线/放射、内镜、病理、核医学等多种类型。然而，各医疗机构对同一检查项目的命名方式存在显著差异，导致跨机构数据无法直接关联和对比。例如，同一产科超声检查，在不同机构中可能被命名为“产科彩超(单胎二维彩超+脐血流+胎盘成熟度)”、“彩超(单胎二维彩超+脐血流+胎盘成熟度)”、“胎儿脐血流+胎盘成熟度检查(生育险自费专项)”等多种形式；同一ercp检查，原始科室分类可能被记为“放射”，但实际同时涉及内镜操作与x线透视；同一mr检查可能写作“胆胰管mr成像(mrcp)+上腹部mr平扫+增强(3.0t)”，包含方法、部位、平扫/增强等多个维度。上述命名差异和分类偏差使得基于字符串相等或全文相似度的传统数据处理方法难以实现跨机构检查项目的自动关联，严重制约了医疗数据汇聚后的统计分析、质控管理和临床科研应用，因此需要对医疗检查项目中的各维度词汇进行标化（即标准化）。
2、现有技术中，一种标化方案是采用全文检索引擎与分词技术对检查名称进行拆分，结合人工匹配经验值划分匹配等级，采用智能匹配辅助人工匹配的模式；此类方案采用扁平化的分词匹配模式，无法识别检查项目名称的内在层次结构，输出为单一维度的标准名称映射，无法表达复合项目的多维语义，且缺乏上下文感知机制，同一关键词在不同检查类型下无法差异化映射，也无法处理cta、mrcp等组合缩写词的自动拆解。另一种标化方案针对医学影像检查部位进行标准化，通过整合实时采集数据与历史数据，依托部位标准化模型及同义词/近义词计算实现部位名称统一；但该类方案仅针对检查部位单一维度，不涉及检查类型、检查方法、观测变量等其他维度的标化，适用范围局限于影像质控场景，无法推广到全类型检查项目，且同义词计算未考虑上下文约束，存在歧义风险。还有标化方案结合医学知识图谱与预训练模型进行语义相似度评估，将原始检查项目名称映射到统一的标准检查项目；该类方案依赖知识图谱与深度学习模型，模型训练与图谱构建成本高，输出结果仍为单一标准项目映射，未对检查项目名称进行多维结构化拆解，对于组合缩写词仅通过语义相似度匹配，无法保证拆解为准确的多维标准值组合。
3、可见，现有技术普遍存在缺陷：其一，基于全文或全字符串匹配的标化方法准确率低，无法识别名称内在结构，易产生假阳性与假阴性结果，且全库匹配计算效率低；其二，基于单一词典或单一标准项目的映射方法无法处理复合检查项目，词典维护成本高，无法应对新增的项目组合；其三，缺乏上下文感知的标化机制，同一词汇在不同检查类型下易产生歧义和误标；其四，无法自动处理缩写词和组合词，标化结果不完整；其五，缺乏冲突检测机制，易输出存在逻辑冲突的标化结果。假阴性是指本质相同但被判为不同的检查内容，假阳性是指本质不同，被错误合并的两个完全不同维度的检查内容。
技术实现思路
1、为解决上述的一个或多个问题，本技术的第一方面提供一种基于知识库的医疗检查项目智能多维标化方法，第二方面提供一种基于知识库的医疗检查项目智能多维标化系统，第三方面提供一种电子设备，第四方面提供一种存储介质，用于提高跨医疗机构数据标化联动的医疗检查项目识别准确率。
2、本技术的技术方案内容如下。
3、第一方面的，一种基于知识库的医疗检查项目智能多维标化方法，包括：
4、对跨多个医疗机构或信息系统的原始检查项目名称做预处理、历史对照表匹配，匹配成功直接输出历史标化结果，否则进行后续标化；
5、按照预设分隔符语法层级优先级，对历史对照表匹配失败的原始检查项目的名称进行结构化拆分，得到包含外层主名称、内层子项目的语义列表；
6、基于预构建的多维度医疗知识库，对拆分后的语义列表进行检查类型识别，并对医疗领域缩写组合词进行拆分解析，补充、校正检查类型的标化维度；
7、以识别获取的检查类型为上下文约束，调用对应检查类型的多维度医疗知识库子集，分别完成检查方法、检查部位、观测变量三个维度的标化匹配；
8、基于预设的消歧规则库对多义关键词进行上下文差异化消歧处理，同时基于排除词规则库完成各个标化维度的互斥冲突检测与修正；
9、根据标化匹配结果的覆盖完整度进行置信度分级，对不同置信度结果执行差异化处理，格式化输出包含检查类型、检查方法、检查部位、观测变量的四维标准化结果；
10、审核迭代更新历史对照表、多维度医疗知识库、消歧规则库。
11、作为第一方面的一种实施方式，预处理、历史对照表匹配，具体包括：
12、从多个医疗机构各自的his或pacs或ris医疗信息系统的检查项目字典中，读取原始检查项目的数据；
13、对原始检查项目的数据执行去除无效特殊字符、统一英文字符大小写、标准化分隔符格式的数据清洗操作；
14、将数据清洗操作后的原始检查项目的名称与历史对照表进行字符串精确匹配，匹配成功直接返回历史标化结果。
15、作为第一方面的一种实施方式，分隔符语法层级优先级包括：
16、第一优先级为括号类分隔符，用于提取括号内的内容，区分外层主名称与内层子项目；
17、第二优先级为加号分隔符，用于拆分括号内和/或括号外的多个并列的内层子项目；
18、第三优先级为斜杠、连接符、并列连词，用于拆分同一个外层主名称下的独立语义单元。
19、作为第一方面的一种实施方式，检查类型识别采用最长匹配策略并执行词边界校验，优先匹配多维度医疗知识库中字符长度最长的同义词；
20、若外层主名称及所有内层子项目均未识别到相应的检查类型，则后续维度的标化匹配加载全量的多维度医疗知识库执行，并将对应结果标记为低置信度。
21、作为第一方面的一种实施方式，医疗领域缩写组合词拆分解析通过组合词识别规则库实现；
22、组合词识别规则库存储缩写词与检查类型、检查方法、检查部位的多维映射关系，以及用于匹配变体表述的正则模式；
23、若已识别到检查类型，则组合词拆分解析仅补充、校正检查方法的标化维度；若未识别到检查类型，则组合词拆分解析的同时补充检查类型的标化维度。
24、作为第一方面的一种实施方式，上下文约束下三个维度的标化匹配具体包括：
25、加载当前检查类型对应的检查方法多维度医疗知识库子集、检查部位多维度医疗知识库子集、观测变量多维度医疗知识库子集，仅在上下文约束后的子集范围内执行关键词匹配；
26、若同一内层子项目内的其中一个词汇标化匹配到多个可选的标化维度，则按检查方法优先于检查部位、检查部位优先于观测变量的优先级分配；
27、若同一内层子项目内的不同词汇分别标化匹配到不同标化维度，则同时保留相应的标化维度。
28、作为第一方面的一种实施方式，消歧规则库包括同一多义关键词在不同检查类型下的不同标化维度；
29、上下文差异化消歧处理包括根据已确定的检查类型选取多义关键词对应的标化维度，若无对应标化维度时标记为待人工审核；
30、排除词规则库包括不同检查类型上下文约束下检查方法、检查部位、观测变量各自互斥的标化维度；
31、检测到互斥的标化维度时，按预设的优先级保留高优先级的标化维度并记录互斥冲突信息。
32、第二方面的，一种基于知识库的医疗检查项目智能多维标化系统，包括：
33、前置处理模块，用于对跨多个医疗机构或信息系统的原始检查项目名称做预处理、历史对照表匹配，匹配成功直接输出历史标化结果，否则进行后续标化；
34、结构化拆分模块，用于按照预设分隔符语法层级优先级，对历史对照表匹配失败的原始检查项目的名称进行结构化拆分，得到包含外层主名称、内层子项目的语义列表；
35、识别模块，用于基于预构建的多维度医疗知识库，对拆分后的语义列表进行检查类型识别，并对医疗领域缩写组合词进行拆分解析，补充、校正检查类型的标化维度；
36、标化模块，用于以识别获取的检查类型为上下文约束，调用对应检查类型的多维度医疗知识库子集，分别完成检查方法、检查部位、观测变量三个维度的标化匹配；
37、消歧检修模块，用于基于预设的消歧规则库对多义关键词进行上下文差异化消歧处理，同时基于排除词规则库完成各个标化维度的互斥冲突检测与修正；
38、置信处理模块，用于根据标化匹配结果的覆盖完整度进行置信度分级，对不同置信度结果执行差异化处理，格式化输出包含检查类型、检查方法、检查部位、观测变量的四维标准化结果；
39、迭代模块，用于审核迭代更新历史对照表、多维度医疗知识库、消歧规则库。
40、第三方面的，一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现第一方面所述的基于知识库的医疗检查项目智能多维标化方法。
41、第四方面的，一种存储介质，为计算机可读存储介质，存储有计算机指令，所述计算机指令用于使计算机实现第一方面所述的基于知识库的医疗检查项目智能多维标化方法。
42、本技术相比现有技术，其有益效果在于：
43、标化的准确率更高，误匹配更少；输出保留多维度语义，标化后的数据可用性更强；标化处理的计算量更小，数据处理效率更高；能够自动处理组合缩写词，降低人工维护成本；标化结果逻辑一致性更好；知识库可持续更新适应术语变化。