電子病歷知識庫檢索

申請免費試用、咨詢電話：400-8352-114

    隨著信息科學(xué)和計算機技術(shù)的發(fā)展，醫(yī)院信息系統(tǒng)的開發(fā)小斷深入，電子病歷作為臨床醫(yī)療信息基礎(chǔ)， 逐漸成為現(xiàn)代化醫(yī)院綜合信息系統(tǒng)的核心。電子病歷是患者的訴求，電子病歷既便于跟蹤患者的病患情況，有針對性地對患者的病情進行跟蹤診斷和治療，又有助于患者減少重復(fù)檢查次數(shù)，為患者節(jié)省很多醫(yī)療費用，節(jié)省寶貴的最件診治時問，電子病歷會將新補充的信息與已存在的所有信息建立必要的聯(lián)系，對患者的狀態(tài)進行綜合分析和診斷，主動提示相關(guān)生或患者，提出檢察、治療汁劃等，因此電子病歷具有傳統(tǒng)病無法比擬的優(yōu)勢。何有效利用電子病歷數(shù)據(jù)庫中存儲的大數(shù)據(jù)輔助醫(yī)生進行分析研究與診斷，捉高效率和準確性，已成為待解決的問題。

    本體的提出使得電子病分析技術(shù)從基于文本、內(nèi)容層面提升到語義概念的層面。水體是足慨念模的明確的形式化規(guī)范說明，本體描述了概念的內(nèi)涵以及概念與慨念之間的關(guān)系，具有良好的概念層次結(jié)構(gòu)和對邏輯推的支持。模糊本體和一般本體最大的區(qū)別在于，模糊小體有隸屬度的概念存在、在處理不確切的信息上更具有彈性和優(yōu)勢。
     目前，國外很多學(xué)者正在醫(yī)學(xué)本體領(lǐng)域進行著深入的探索，如美國國立醫(yī)學(xué)圖書館主持的一項長期研究和開發(fā)計劃，即統(tǒng)一醫(yī)學(xué)語言系統(tǒng)，該研究計劃目的是要開發(fā)機讀的知識資源，使許多不同的應(yīng)用程序利用它來彌補不同機讀資源的差異，從而識別與特定用戶需求密切相關(guān)的信息資源。同時，國內(nèi)也有一些學(xué)者正在研究如何將本體應(yīng)用于醫(yī)學(xué)檢索領(lǐng)域。西安電子科技大學(xué)的鞏沐歌以高血壓電子病歷為例，將本體知識庫與高血壓電子病歷中的診斷知識結(jié)合起來，構(gòu)建基于本體的具有智能推理功能的高血壓電子病歷知識庫，為醫(yī)學(xué)領(lǐng)域?qū)＜医⒖晒蚕?、可?fù)用的電子病歷知識庫系統(tǒng)。要芳等人運用本體語言構(gòu)建了電子病歷知識庫，進而運用粗糙集和決策樹方法對電子病歷本體數(shù)據(jù)做挖掘，并通過相似度和信息熵建立電子病歷規(guī)則庫，為醫(yī)生提供電子病歷內(nèi)容信息的語義檢索和分析功能、以及其他病人病歷案例經(jīng)驗的對比分析。
    本文在基于模糊邏輯的基礎(chǔ)上提出一種基于模糊本體的醫(yī)學(xué)數(shù)據(jù)分析方法，它能夠利用領(lǐng)域本體的語義信息對電子病歷資料和用戶檢索條件進行分析和推理，進而得出較為準確的結(jié)果。
    1 系統(tǒng)結(jié)構(gòu)圖
    本文通過模糊本體的支持，構(gòu)建了一個電子病歷檢索分析系統(tǒng)，系統(tǒng)框架如圖1所示：

圖1體系結(jié)構(gòu)圖

    知識庫中的分詞詞庫采用已有的詞典，醫(yī)學(xué)領(lǐng)域模糊本體由熟悉該領(lǐng)域的專家構(gòu)建。在此基礎(chǔ)上，本系統(tǒng)的具體工作流程如下：① 通過與知識庫中詞庫的交互，對電子病歷資料進行特征提取，分詞、頻率統(tǒng)計最終形成關(guān)鍵詞向量；② 與領(lǐng)域模糊本體交互實現(xiàn)由關(guān)鍵詞向量向概念向量的概念映射轉(zhuǎn)換并提交給特征庫，最后提交給查詢模塊；③ 用戶或應(yīng)用軟件由查詢用戶接口輸入查詢條件，查詢條件處理模塊通過與領(lǐng)域模糊本體的映射將各種的查詢條件轉(zhuǎn)換為結(jié)構(gòu)化查詢條件，并通過模糊本體實現(xiàn)由關(guān)鍵詞向量向概念向量的概念映射并提交給查詢模塊；④ 查詢模塊完成概念向量的比對工作，并返回一系列滿足條件查詢的實例，這些實例經(jīng)過結(jié)果處理模塊處理后，存放到結(jié)果集并最終返回給用戶。
    2 技術(shù)實現(xiàn)
    2．1知識庫的構(gòu)建
    知識庫是關(guān)于實體的形式化知識的實現(xiàn)，它在整個系統(tǒng)中占有核心地位。在知識庫中，本體的構(gòu)建是關(guān)鍵。醫(yī)學(xué)語義是對電子病歷內(nèi)容以及數(shù)據(jù)描述的理解，特定的概念集由一組用戶感興趣的對象及對象間的關(guān)系組成。圖2是一個電子病歷知識庫本體的一個實例，是電子病歷語義本體的部分概念結(jié)構(gòu)圖，表明了概念之間的關(guān)系。  

圖2電子病歷知識庫本體概念圖

    模糊本體和一般本體最大的區(qū)別在于，模糊本體具有隸屬度的概念存在，所以可以處理不確切的信息?，F(xiàn)今的醫(yī)學(xué)資料庫中含有許多不確切的信息，模糊本體在處理不確切信息上，更具有彈性和優(yōu)勢。
    因為對象與概念的關(guān)系是對象和屬性的天系的交集，故據(jù)模糊理論，隸屬度交集取最小值。
    模糊本體產(chǎn)生構(gòu)架大斂如網(wǎng)3所爾：
本文任文獻5的基礎(chǔ)上，對模糊本體產(chǎn)生構(gòu)架進行了改進，具體的流程如下：
    第1步：由資料庫『fI獲得信息進行模糊形式概念分析，建構(gòu)}“模糊概念；
    第2步：對模糊概念進行概念相似度計‘算，進行模糊概念聚類，得劍聚類后之模糊概念層次；
    第3步：由聚類后之模糊概念層次映射產(chǎn)生模糊本體；
    第4步：將建構(gòu)之模糊本體轉(zhuǎn)換為OWl 語言，使本體可被其他應(yīng)用程序所使用，進構(gòu)建出語義網(wǎng)構(gòu)架。其中第1步中的模糊形式概念分析包含從確定數(shù)據(jù)的數(shù)據(jù)庫構(gòu)造模糊形式背景、從模糊形式背景構(gòu)造模糊概念。第2步中的模糊概念聚類是采用一定的聚類技術(shù)、依據(jù)結(jié)點問的相似度參數(shù)塒模糊概念上的概念進行聚類，生成模糊概念聚類集合，進而生成模糊概念層次。第3步中的映射分為：① 給模糊概念層次中的概念節(jié)點一個標識，每個標識名對應(yīng)模糊本體中的一個類名；模糊概念之間的層次關(guān)系對應(yīng)本體中相應(yīng)類之間的分類關(guān)系。② 本體中每個類對應(yīng)的屬性南模糊概念層次中相應(yīng)模糊概念內(nèi)涵對應(yīng)的模糊語言變量值表示，屬性的值對應(yīng)形式背景中模糊隸屬度值⑧ 本體巾類的實例，即模糊形式背景的對象。
    2．2概念映射
    電子病歷數(shù)據(jù)進行特征提取，分詞后形成傳統(tǒng)的關(guān)鍵詞向量空間模型。傳統(tǒng)的天鍵詞向量空問模型是將文檔中的詞條看作孤的個體單元，沒有考慮詞條彼此間的語義層次關(guān)系和同義、歧義現(xiàn)象，孤立的詞條單九通過該模型計算后，一般都會與原文件有較大的語意差距。為此，本文結(jié)合模糊輯的相關(guān)知識，提出了一種基于模糊概念層次的向量空間模。
    3 數(shù)值實驗
    本實驗的領(lǐng)域模糊奪體是根據(jù)臨球診斷、科研以技教
學(xué)等對電子病歷中CT圖像檢索的需求而構(gòu)建的。針對CT圖像分成頭部、胸部、腹部、骨盆、其他5大類，每類60幅左右共計300多幅像構(gòu)成圖像庫對模糊本體模型基于文本的檢索方法進行對比實驗。
在實驗中，我們選取了查準率、查全率作為性能測試標準，并采取下圖公式：

輸入查詢內(nèi)容為“頭部圖像”，實驗結(jié)果如圖4～5所示；輸入查詢內(nèi)容為“腹部圖像”，實驗結(jié)果如圖6～7所示：

通過查看對比圖可以看到，模糊本體模型在數(shù)據(jù)查全率上性能要比文本檢索高，并且隨著圖像數(shù)目的不斷增加，模糊本體模型在數(shù)據(jù)查全率上性能趨于穩(wěn)定；在查準率上性能要比文本檢索穩(wěn)定。模糊本體模型充分利用了模糊概念中隸屬度的概念，在處理醫(yī)學(xué)數(shù)據(jù)中存在的不明確信息上具有更大的彈性和優(yōu)勢。
    4 結(jié)束語
    本文對傳統(tǒng)電子病歷檢索分析技術(shù)進行了研究，在研究模糊本體的基礎(chǔ)上，提出了一種基于模糊本體的電子病歷分析方法，該方法利用了隸屬度的概念，并通過具體的數(shù)值實驗對其進行了性能分析，實驗結(jié)果表明，該方法在數(shù)據(jù)查準率、查全率上具有良好的性能。
    【參考文獻】
【1】Unified Medical Language Sestem【EB／OL】(2005—02—15)[2011—03—20]．http：／／www．nlm．nih．gov／pubs／factsheets／umls．
htrrd．
【2】鞏沐歌基于本體的高血壓電子病歷知識庫研究【D】．西安：西安電子科技大學(xué)，2010
【3】要芳．基于本體的電子病歷知識庫研究【D】．西安：西安電子科技大學(xué)，2009．
【4】Chang—Shing Lee，Zhi—W ei Jian，Lin—Kai Huang．A FuzzyOntology and Its Applicationto News Summarization【J】．IEEE Transctions On Systems，M an，And Cybernetics- PartB：Cybemetics，2005，35(10)：5．
【5】Embley D W ，Campbell D M，Smith lL D，et a1．”Ontology—
based extraction and structuring of information from data—
rich unstructured documents，”in Proc[J]．ACM Con~In~
Knowledge M anage，1998：52—59．
【6]陳立波，等．電子病歷結(jié)構(gòu)化引導(dǎo)式輸入模式的設(shè)計和實現(xiàn)卟中國醫(yī)療設(shè)備，2010，25(6)：44—46．
【7】劉成亮，李涵．本體知識庫系統(tǒng)研究UJ．電腦知識與技術(shù)，2008，(18)：1646—1648．
【8】劉安濱．現(xiàn)談電子病歷【j】_中國醫(yī)院管理，2003，(4)：37—38．