基于LSTM-CRF的中医医案症状命名实体抽取研究

目的 研究中医医案中症状命名实体的抽取方法,为中医临床信息的自动化抽取提供方法学参考.方法 基于已标注过的名老中医诊治肺癌医案构建长短时记忆网络(LSTM)与条件随机场(CRF)混合模型,应用LSTM层结合预训练字向量抽取医案的抽象特征,通过CRF进行序列标注,使用多分类评价指标对抽取结果进行评价.同时设计不同变体的算...     

基于预训练模型及条件随机场的中医医案命名实体识别

目的：通过建立一种基于预训练模型及条件随机场（CRF）的神经网络,解决目前中医医案命名实体识别效率一般的问题。方法：人工标注所选中医医案的10类命名实体作为训练集和验证集,并构建基于BERT、RoBERTa、ALBERT及CRF的神经网络,以探究对于中医医案命名实体识别任务的最佳预训练模型及CRF对其贡献大小。结果：基于RoBERTa-CRF构建的神经网络在中医医案命名实体识别任务中的性能最优,其对命名实体识别的整体准确率为99.33%,精确率为98.24%,召回率为98.51%,F1分数为98.38%。结论：基于RoBERTa-CRF构建的神经网络能有效实现中医医案命名实体识别,解决其效率一般的问题,并且通过设置恰当的分层学习率,CRF能有效处理命名实体标签间的依赖关系,可为中医医案的高价值数据挖掘奠定的坚实基础。     

基于深度表示的中医病历症状表型命名实体抽取研究

目的：命名实体识别在自然语言处理中是最基本的任务之一,本文通过应用深度表示的方法实现临床上的现病史数据的自动标识。方法：本文随机选取了10 426条现病史句子作为主要的文本研究对象,分别用词嵌入（word2vec）和网络结构特征（node2vec）两种构建向量的方法生成不同的词向量特征,再在基于条件随机场（Conditional Random Field,CRF）和结构化支持向量机（Structured Support Vector Machines,SSVM）的方法上进行十重交叉验证,计算并比较基于深度表示的症状表型命名实体抽取的性能。结果：传统的CRF算法的三个评价指标（准确率,召回率,F 值）为（0.888 9,0.786 9,0.834 8）;基于WENER方法下的CRF和SSVM的评价指标为（0.975 0,0.984 9,0.979 8）和（0.992 8,0.988 9,0.990 8）;在GENER方法下基于词的CRF和SSVM算法的三个评价指标为（0.972 8,0.976 8,0.975 2）和（0.983 3,0.974 5,0.978 8）;GENER方法下基于字的CRF和SSVM算法的评价指标为（0.927 8,0.862 8,0.887 9）和（0.943 7,0.946 8,0.941 3）。结论：深度表示的命名实体抽取算法性能要比传统的非深度表示的命名实体标识算法性能好。另外,通过比较深度表示的两种算法的性能后发现,无论是基于word2vec生成的词向量还是基于node2vec生成的词向量,SSVM模型算法性能均优于CRF算法的性能。     

面向中医临床现病史文本的命名实体抽取方法研究

目的：中医临床病历作为重要的临床数据,以文本的形式记录了医生和患者交互的整个过程。目前,在大数据的背景下,针对临床病历所涵盖的主体问题信息如现病史的分析利用相关研究仍有所欠缺。因此,本文针对中医临床病历中的现病史部分展开症状术语抽取方法研究,为临床病历的进一步使用奠定基础。方法：首先通过随机挑选与专家审核的方式获得了12367份现病史数据,按照疾病种类分成了两组实验,其中糖尿病组包含了4838份数据,脾胃病组7529份数据,以及合并后的混合组12367份数据。并整理出了一份涵盖22996个词的症状术语字典。然后选取滑动窗口特征、词的前后缀特征、词典特征等5种特征模板,使用CRFs 模型开展症状术语命名实体抽取实验。结果：在实验结果评价标准（准确率、召回率和F1 值）上的表现：在开放测试上的评价结果为（0.83、0.8、0.82）、（0.9、0.9、0.89）和（0.88、0.87、0.87）;在十重交叉验证上的评价结果为（0.83、0.82、0.83）、（0.95、0.95、0.95）和（0.93、0.92、0.92）。结论：CRFs模型作为一种优秀的序列标注算法,适用于现病史文本的症状术语命名实体抽取任务。     

实体抽取综述及其在中医药领域的应用＊

随着机器学习、深度学习与人工智能的兴起与发展,自然语言处理技术也不断革新,其中实体抽取作为自然语言处理的子任务,自其提出以来,实现了从基于匹配模式的抽取到基于传统的机器学习方法抽取,再到基于深度学习的抽取的进步与发展。在医疗信息抽取方面,自然语言处理技术也得到了很好地应用,医学信息得到了更深层次的处理和挖掘。面对中医药领域中灵活的、复杂的和海量的中医药信息,利用实体抽取技术可以将中医药领域更为重要的信息抽取,这也是进一步对中医药信息挖掘的关键一步,基础一步。本文概括了中医药各领域实体抽取技术的应用研究情况,为实体抽取技术在中医药领域的进一步应用发展提供参考,以期促进中医药的传承发展,守正创新。     

中医电子病历入院记录信息自动抽取方法研究＊

目的中医电子病历入院记录中包含了丰富的中医诊断信息,多用自然语言形式表达,为提高电子病历的利用以及深度促进知识加工,本文对电子病历入院记录展开信息自动抽取研究。方法本文选择主诉、刻下症等包含症状、舌象、脉象等中医术语的文本,以及现病史、既往病史等叙述性强的病史类文本作为主要研究对象,然后根据文本类型分别进行处理。对于主诉、刻下症等症状文本,直接采用命名实体识别技术,抽取症状实体;对于现病史、既往病史等病史文本,首先进行事件抽取,划分出诊疗事件,然后采用命名实体识别技术,抽取各类实体,最后将各类实体存入数据库。结果利用该方法对某医院骨伤科的电子病历进行了实验,其中对刻下症中症状实体的识别率达83.75%,对现病史中症状、疾病等实体的平均识别率达90.48%。结论本文提出的方法可对电子病历的入院记录信息实现自动抽取并以结构化的方式进行存储,为进一步分析和利用电子病历数据提供了便利,并为中医智能化奠定了坚实的基础。     

基于BiLSTM-CRF的中医文本命名实体识别＊

中医药文本命名实体识别在中医药文本挖掘中占有重要地位,本文通过BiLSTM-CRF方法实现对中医医案文本进行命名实体识别,不仅实现了基本命名实体识别,通过对数据集按照中草药、疾病和症状三个类别进行标记,还能够进行命名实体类别识别。对中医药相关医案进行规整的10292条句子进行序列标注,基于word2vec的向量构建,从而进行模型训练迭代,得到了准确率为97.23%,召回率为89.47%,F值为88.34%的中医药命名实体识别模型。各类别识别中,中草药类别识别精准率为94.41%,召回率为94.36%,F值为94.38%;疾病类别精准率为80.92%,召回率为80.92%,F值为80.92%;症状类别精准率为75.68%,召回率为81.68%,F值为78.56%,人工测试模型效果较好,能够对医案数据进行实体识别。命名实体识别模型较多,但用于中医药相关命名实体识别模型数量微乎其微,构建中医药相关命名实体识别模型,将更加有效的推动中医药文本挖掘发展。     

基于字向量的BiGRU-CRF肺癌医案四诊信息实体抽取研究＊

目的 肺癌医案中蕴含丰富的四诊信息,这些四诊信息对肺癌的研究具有重要意义。本文通过基于字向量的BiGRU-CRF方法实现四诊信息实体抽取研究。方法 研究利用BERT模型对基于自定义词典自动化标注后的肺癌临床数据进行预训练,得到包含上下文语义的字向量,再将其作为BiGRU-CRF模型输入,实现肺癌医案四诊信息命名实体抽取。结果 本文方法对临床表现、舌象、脉象、身体部位、程度副词五类实体抽取的F1值分别为98.17%、99.74%、99.77%、94.72%、93.36%,对比模型BERT-BiLSTM-CRF、BERT模型和Word2vec-BiGRU-CRF模型抽取的F1值分别为（96.46%、99.31%、98.78%、94.95%、92.44%）、（94.38%、95.14%、94.99%、90.89%、91.82%）和（91.27%、97.95%、98.09%、87.01%、86.77%）。结论 本文利用基于字向量的BiGRU-CRF方法具有更强的命名实体识别能力,可以更好地应用于中医医案命名实体抽取研究,进而为医案的关系抽取以及知识图谱构建提供支持。     

基于条件随机场的中医术语抽取方法及其应用探析

中医文献有种类繁多,数量庞大,记录随意,术语表达方式独特等的特点,为知识的获取带来困难。信息抽取技术可以利用计算机对文本信息进行针对性抽取,以结构化的形式将结果储存到数据库中,这种技术可以帮助医学研究者从海量信息中高效获取所需知识。命名实体识别是信息抽取准确与否的关键,对目前常用的几种识别方法进行分析,认为基于统计的方法更适用于中医文献的研究,并选定条件随机场算法,结合中医术语的特点,对该方法及步骤进行了详细阐述。同时,举例介绍了信息抽取技术在中医结构化电子病历及中医专业领域搜索引擎建立中的辅助作用,为其在中医领域的应用提供更广阔的参考思路。     

基于朴素贝叶斯和word2vec的中医电子病历文本信息抽取＊

中医电子病历（electronic medical record,EMR）包含大量的医疗知识和患者健康信息,对该类信息的抽取和挖掘对中医药的传承和创新有着重要意义。然而以纯文本形式记录的中医电子病历是一种非结构化信息,阻碍了中医药临床经验的总结与挖掘。本文主要讨论如何用机器学习算法对非结构化的中医电子病历文本进行信息的分类抽取,抽取出症状、处方、治法等有用信息。先将电子病历文本进行分词,然后进行标签标注,采用朴素贝叶斯和word2vec算法训练形成模型,最后进行模型测试。实验结果表明,该算法模型的信息抽取查准率可达80%以上。该研究在中医电子病历文本信息抽取领域做出了初步探索,为进一步进行中医药领域的数据挖掘和科研工作提供了良好的基础。     

海派中医学术流派医案课程在临床教学中的实施与效果研究

介绍上海中医药大学附属岳阳医院在中医临床实习阶段所开设海派中医学术流派医案课程的课程设置和教学模式。从对该课程的教学实施和师生调查问卷中探讨本课程教学方法,提出：多种教学方法结合,激发学生学习兴趣,培养发现问题、分析问题、解决问题的能力;强化医案学习,拓展临床思路;临证抄方实践,加强临诊能力;注重中医文化传承,提升人文素养。     

试论医案教学法在中医本科教学中的作用

从有利于培养学生的辨证论治思维,深化对于中医基础理论的认识,培养学生分析问题、解决问题的能力,巩固学生的专业思想,提高学生的传统文化素养5方面探讨医案教学法在中医本科教学中不可忽视的作用。     

中医对肠瘘的认识和治疗

基于现代医学对肠瘘治疗的不足之处,本文从中医学视角探讨了中医药对肠瘘的认识和治疗.中医学认为肠瘘的发生主要是因为疮痈发于肠,或内流或外溃,侵蚀肠壁、腹壁、肌表等组织,久不愈合,形成异常的通道,而疮痈产生的脓毒和体内的分泌物甚则饮食循瘘口而流布.治疗采用托里排毒的方法,补益气血,调理脾胃、生肌敛疮结合清热解毒排脓,化痰逐瘀,以标本并治.结果取得了良好的疗效,发挥了中医学的优势和特色.     

对中药毒性的思考

总结分析了有关文献资料对中药毒性的认识，提出理性认识中药的毒性是中药作为天然药物造福于人类和其自身健康发展的需要的观点。认为应该切实加强中药现代化的研究，为生产出安全、有效、稳定、可控的中药制剂提供最强的保障。     

刘清泉教授治疗流行性感冒的中医临证思路

流行性感冒(以下简称流感)是流感病毒引起的一种具有传染性的急性呼吸道疾病。中医学虽无"流感"一词的记载,但属于广义伤寒的范畴。病因多从风、寒、暑、湿、燥、火等六淫邪气以及疠气等外感邪气。不同流感病原类型感染,中医病机又有伤寒、温病的区别。通过对北京地区不用病原类型感染患者观察发现不同病原类型的流行性感冒病毒侵袭人体后所表现的中医病证的区别,因此在中医治疗时也需要辨病与辨证相结合。本文通过总结刘清泉教授治疗流行性感冒病例的中医临证经验,为中医药防治流感提供思路。     

基于中医临床科研信息一体化平台的艾滋病年长者四诊信息特点

目的：探讨艾滋病年长者（年龄≥50岁）中医四诊信息特点,研究其分布规律。方法：通过挖掘分析中医临床科研信息一体化平台中的艾滋病年长者病例资料,统计患者中医四诊信息分布。结果：共纳入分析1579例病例资料。患者中医症状出现频次超过10%者依次为乏力、食欲不振、食少、咳嗽、头晕、容易感冒、大便稀溏、四肢困重、发热与消瘦。主要症状涉及脏腑以“脾（胃）”最多见,“心”、“肺”及“肾”次之。患者舌质以舌淡红、舌淡白及舌质红为主,舌苔以白、薄、黄、腻、厚苔为主;脉象以细脉、沉和弱脉为主。结论：艾滋病年长者的中医四诊信息分布有一定特点,需进一步开展对比研究以明确其特征。     

单病例随机对照试验在中医临床研究中的应用

随机对照试验（RCT）属于一级临床研究设计方案,对多个RCT的Meta分析结果是公认的评价医疗干预措施效果的最佳证据,但有一定的局限性。单病例随机对照试验（N-of-1）是RCT的一种特殊形式,它以单个病例自身作为对照,评价某种药物与对照措施比较对患者本身的差异。中医学临床研究离不开个体化,但目前的临床研究中医个体化特征不能充分体现,这就要求有与之相适应的研究方法。N-of-1将科学的临床研究方法与中医自身规律有机结合,其实施过程简单,可操作性强,研究过程与中医临床诊疗模式完全吻合;疗效评价指标的选择符合中医学特征;疗效评价方法上,将每个患者的N-of-1数据加权合并,采用系统评价的方法,灵活评价中医药的疗效。所以,N-of-1可以用于中医不同治则、不同药物剂量、药物不同加减、名老中医经验继承等的研究,在中医药临床研究中有较好的应用前景。     

从肝论治女性更年期高血压探讨

更年期高血压是临床常见疾病。中医对其有着丰富的理论论述及临床治疗经验,不仅能够降低血压,显著改善更年期症状,而且不良反应少,因此一直成为近年来关注和研究的课题。文章将眩晕的病因病机与女子以肝为先天、女子以血为本等理论相结合,并通过分析临床实际病例,提出更年期高血压应当从肝论治的观点。肝郁血虚、阴虚阳亢为其主要病机,进而提出平肝潜阳、疏肝解郁、滋补肝肾三法并用的治疗原则以及以天麻钩藤饮、逍遥散、百合地黄汤三方加减的代表方剂,以期为临床及科研提供借鉴意义和参考价值。