第 40 卷 第 8 期 自 动 化 学 报 Vol. 40, No. 8
2014 年 8 月 ACTA AUTOMATICA SINICA August, 2014
电子病历命名实体识别和实体关系抽取研究综述
杨锦锋
1
于秋滨
2
关 毅
1
蒋志鹏
1
摘 要 电子病历 (Electronic medical records, EMR) 产生于临床治疗过程, 其中命名实体和实体关系反映了患者健康状况,
包含了大量与患者健康状况密切相关的医疗知识, 因而对它们的识别和抽取是信息抽取研究在医疗领域的重要扩展. 本文首
先讨论了电子病历文本的语言特点和结构特点, 然后在梳理了命名实体识别和实体关系抽取研究一般思路的基础上, 分析了
电子病历命名实体识别、实体修饰识别和实体关系抽取研究的具体任务和对应任务的主要研究方法. 本文还介绍了相关的共
享评测任务和标注语料库以及医疗领域几个重要的词典和知识库等资源. 最后对这一研究领域仍需解决的问题和未来的发展
方向作了展望.
关键词 电子病历, 命名实体识别, 实体关系抽取, 共享评测任务
引用格式 杨锦锋, 于秋滨, 关毅, 蒋志鹏. 电子病历命名实体识别和实体关系抽取研究综述. 自动化学报, 2014, 40(8):
1537−1562
DOI 10.3724/SP.J.1004.2014.01537
An Overview of Research on Electronic Medical Record Oriented Named Entity
Recognition and Entity Relation Extraction
YANG Jin-Feng
1
YU Qiu-Bin
2
GUAN Yi
1
JIANG Zhi-Peng
1
Abstract Electronic medical records (EMRs) are generated in the process of clinical treatments. Named entities and
entity relations in EMRs reflect patients
0
health conditions and represent patients
0
p ersonalized medical knowledge. Conse-
quently, named entity recognition and entity relation extraction on EMR are important expansion of information extraction
in the medical domain. In this paper, the language characteristic and structure features of EMR narratives are firstly
discussed, and then general methods for named entity recognition and relation extraction are sketched out. Furthermore,
this paper introduces and analyzes the tasks and corresponding methods for named entity recognition, entity assertion
recognition and relation extraction of EMR in detail. Related shared evaluation tasks and annotated corpora as well
as several important dictionaries and knowledge bases are also introduced. Finally, problems to be handled and future
research directions are proposed.
Key words Electronic medical record (EMR), named entity recognition, entity relation extraction, shared task
Citation Yang Jin-Feng, Yu Qiu-Bin, Guan Yi, Jiang Zhi-Peng. An overview of research on electronic medical record
oriented named entity recognition and entity relation extraction. Acta Automatica Sinica, 2014, 40(8): 1537−1562
电子病历 (Electronic medical record, EMR)
是指医务人员在医疗活动过程中, 使用医疗机构信
息系统生成的文字、符号、图表、图形、数据、影像等
数字化信息, 并能实现存储、管理、传输和重现的医
疗记录
[1]
, 是由医务人员撰写面向患者个体描述医疗
活动的记录. 通过分析电子病历能挖掘出大量与患
收稿日期 2013-08-30 录用日期 2013-12-18
Manuscript received August 30, 2013; accepted December 18,
2013
国家自然科学基金 (60975077) 资助
Supported by National Natural Science Foundation of China
(60975077)
本文责任编委 宗成庆
Recommended by Associate Editor ZONG Cheng-Qing
1. 哈尔滨工业大学语言技术中心网络智能研究室 哈尔滨 150001 2.
哈尔滨医科大学附属第二医院病案室 哈尔滨 150086
1. Web Intelligence Laboratory, Language Technology Center,
Harbin Institute of Technology, Harbin 150001 2. Medical
Record Room, The 2nd Affiliated Hospital of Harbin Medical
University, Harbin 150086
者密切相关的医疗知识, 这种认识早已获得共识
[2]
.
比如, 某患者电子病历中, “头 CT 检查显示腔隙性
脑梗死”. 在这句话中, “头 CT” 是检查手段, “腔隙
性脑梗死” 是疾病, 这二者在电子病历信息抽取研
究中被称为命名实体, 这两个实体间的关系是 “头
CT” 证实了 “腔隙性脑梗死” 的发生, 或者说 “腔隙
性脑梗死” 可以通过 “头 CT” 这种检查手段得到确
认. 从电子病历里自动挖掘这些知识就是要自动识
别电子病历文本中与患者健康密切相关的各类命名
实体以及实体间的关系
[3]
, 电子病历命名实体识别和
实体关系抽取是电子病历信息抽取研究的主要内容,
该研究在医学信息学 (Medical informatics) 中用于
临床决策支持 (Clinical decision support, CDS) 研
究服务于医疗专业人员
[4]
, 同时在用户健康信息学
(Consumer health informatics) 中支持用户健康状
况建 模和个性化医疗健 康信息服务研究服务于普通
剩余25页未读，继续阅读
莫问VIVA
- 粉丝: 13
- 资源: 122
我的内容管理
收起
- 我的资源
快来上传第一个资源
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助
评论0