目的:随着多年来国家对医院信息系统的建设,大量的医疗数据被输入、储存以及不断的调用,然而对医疗数据的处理方面依然是短板。以前的研究注重的是数据挖掘与数据分析,对文字本身的处理和分析较少,人工智能的发展正在改变这种现象,这是本研究的主要方向。人工智能的研究主要围绕自然语言处理,自然语言的处理包括分词、词性标注、语义分析等研究方向,本研究基于自然语言处理中的分词、词性标注、命名实体识别等机器学习技术手段,对临床电子病历进行脱敏化处理、标注规范制定、标注语料库的建设、自动标注模型的训练等进行研究,旨在探索自然语言处理技术以及神经网络的前沿算法在中医中文电子病历中的应用效果,为最终的知识图谱的构建乃至智能诊疗的实现储备经验。方法:本课题研究的内容为命名实体识别,其在分类上属于自然语言处理的分词中的一种特殊现象,是一种对某个行业的专有名词先进行手工标注进而结合机器学习算法以达到自动标注目的的研究。本课题的研究方法为在数据准备阶段通过人工方法对病历中的患者个人信息进行脱敏化处理。在标注规范制定阶段参考已发表文献公开的标注规范结合本研究的研究对象,使用课题组开发的标注工具进行试标注,在多次一致性分析后,根据分析结果修改、迭代进而确定标注规范。规范制定好后开始正式的命名实体语料库的构建。语料库构建完成后使用BiLSTM-CRF模型进行模型的训练,最后在对测试集进行测试得出结果。结果:(一)数据准备。通过脱敏化处理,隐去患者的姓名、家庭住址、电话号码等与本研究无关的个人隐私信息,对电子病历中的文本格式进行调整,以适合项目研究,共得到150份数据清洗后的电子病历文本文档。(二)标注规范制定。经过有医学背景的专业人员参考本研究制定的命名实体识别标注规范进行标注,在两次迭代后,一致性评价显示F值大于0.8,最终定稿,制定了适用于本研究中的电子病历命名实体标注的标注规范。(三)标注工具的开发。使用相关编程语言开发标注工具,并成功实现了研究所需要的功能。(四)命名实体标注。参考制定好的标注规范和开发好的标注工具对100份首次病程录进行标注,建立了命名实体标注语料库。(五)模型训练。使用BiLSTM-CRF模型进行模型的训练。(六)测试。应用已训练好的模型对测试数据集进行测试。测试结果F值为78.41%。结论:实验结果表明采集的数据不够全面,无法涵盖临床大部分科室的病历。制定的标注规范符合实验目标。开放的标注工具能够满足实验所需,但仍有改进的空间。在语料库训练后显示语料库准确率良好。对测试集的测试显示训练模型表现良好,但依然可以进一步提高数据准确率。在语料库的构建过程中,标注人员主要是舍友和同学,标注人员在标注过程中存在态度上的不严谨,标注结果存在部分错误之处,虽然一致性评价分析结果显示合格,但是查准率和查全率的数据并没有做到极致。实体预料库的构建是命名实体识别重中之重,想要提高测试数据的准确率,离不开精确的标注好的实体语料库。这也是本文最终的测试集准确率不够高的原因之一。同样的神经网络算法,结合他人的研究,本文使用的模型预测可以达到测试集准确率接近0.9的,所以本研究依然有很大的提高空间。综上所述,本文在中文电子病历命名实体识别的基础上尝试加入了中医类医院电子病历中特有的中医命名实体研究,证明了在同样的技术框架下中医命名实体识别研究依然可以得到良好的实验结果。