本论文是一篇关于信息化方面论文发表,关于电子病历的前沿相关毕业论文的格式范文。免费优秀的关于信息化及计算机及互联网方面论文范文资料,适合信息化论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
【中图分类号】R197.32【文献标识码】A【文章编号】1672-3783（2012）10-0324-02
【摘 要】本文着重概述和探讨了医疗自然语言处理、医疗数据结构化和语义化、医疗信息共享、患者身份识别与患者ID转换、平板电脑的应用、临床数据超文本链接、临床决策支持等几个电子病历的前沿研究领域和其它相关研究重点,指出我国在有关自然语言与结构化数据混和录入、语义网络在电子病历中的应用、区域医疗信息共享、基于IHE中PIX的研究和实践、平板电脑的应用等方面的研究和实践已经进入或接近世界的先进行列.
【关 键 词】电子病历；自然语言处理；数据结构化；数据语义化；医疗信息共享；患者ID转换；超文本链接；临床决策支持
我国近年来在电子病历方面的发展令人欢欣鼓舞.虽然一些有识之士提出了快速发展过程中存在的问题,但相信这些问题都会在大家的共同努力下得到妥善解决.本文着重对电子病历研究的前沿进行概述和探讨,希望能看到更多在这些方面的研究成果,也希望政府部门和民间团体更多支助在这些方面的研究,争取早日赶上和超过世界先进水平.
1医疗自然语言处理
长期以来,病历都是以一种叙述性的自然语言方式来记录.医生书写的主诉、现病史、既往病史、病程记录、出入院纪录、以及各种检查报告等叙述性信息构成了病历的大部分内容.在病历的电子化过程中无法或不适合将其全部内容用结构化等方法来表达的情况下,自然语言处理技术很自然地成为人们最关注和期待的手段.在电子病历的发展过程中,医学信息研究者借助于通用的自然语言处理技术在医疗自然语言处理方面做了很多努力.国外比较著名的英文医疗自然语言处理系统有MedLEE和MetaMap.MedLEE是一个目前已被常规用于每天的放射科报告的处理、从病人检查的文本报告中将临床信息抽取、结构化和予以编码的系统1.MetaMap是一个提供从生物医学文本中访问统一医学语言系统（UnifiedMedicalLanguageSystem,UMLS）超级词汇表（Metathesaurus）内概念的程序2.最新发表的一个英文医疗自然语言处理系统叫做MTERMS,它在使用不同的术语来对临床文本进行编码的同时,建立其之间的动态映射3.
我国的电子病历的叙述性描述除了很少一些英文缩写等以外全都是中文,所以中文的医疗自然语言处理才是我国学者要研究的重点.由于汉语自身的特点,计算机需要智能地把每一句话的词都正确地切分出来,才不会造成理解上的偏差.因而可以说汉语自动分词技术是所有的中文信息处理应用系统中共同的、基础性的工作4.我国最著名的在这一方面的研究成果是ICTCLAS汉语词法分析系统5.ICTCLAS荣获中文信息学会2010年度"钱伟长中文信息处理科学技术奖"一等奖.它提出了一种基于层次隐马尔科夫模型的方法,将汉语切分排歧、未登录词识别和词性标注等多项任务融合到一个相对统一的模型框架中,从而取得了很好的效果.ICTCLAS在国内外评测中多次获得好成绩,大大促进了中文信息处理事业的发展.它的研制和发布为广大中文信息处理工作者提供了一个方便高效的汉语词法分析工具,从而也促进了医疗自然语言处理的研究.
将ICTCLAS应用于中文医疗自然语言处理方面的典型例子是有关消化科内窥镜检查报告的基于自然语言处理技术的结构化.该研究在其初步分词处理模块中利用了ICTCLAS对原始数据进行初步切分.由于ICTCLAS是通用的汉语词法分析工具,所以通过借鉴UMLS的超级词汇表和语义网络（SemanticNetwork）,并结合消化道内窥镜基础标准术语（（Gastroendoscopic）MinimalStandardTerminology,MST）的结构特点建立起自己的知识组织体系,从而使其更实用于医疗专业领域.分词调整模块被加入到系统之中,主要用来切分识别MST术语和进行非标准MST用语到标准MST术语的转换.系统根据分词调整得出的结果,借助MST知识库,分析每一个词语的语义类型以及与其它词语之间的关系,输出符合MST标准的检查条目,并在知识库中找到相应条目的编码.同时,对系统进行人工干预,建立了一个学习引擎,让其在分析处理过程中通过不断地学习而对词典进行扩充.根据从胃镜的叙述性检查报告到基于MST的结构化报告的转换的实验结果,其表述准确率达到92.3%6.
在医疗自然语言处理中,如果其目的不仅仅是信息抽取及编码,而且也包括临床决策支持和超文本链接等时,需要从临床文本中抽取和利用的信息并不仅限于医学词汇及概念本身,而且也包括它们的相关属性及其与概念间的关系.这些属性包括患者症状体征的特征,药物的剂量、频次,手术的部位、时间,临床检查的类别、时间和地点等等.其中时间信息的抽取和推理又是一个独特的、非常重要的研究方向.例如,如果抽取到"心电图检查"这一临床事件时,有必要同时抽取这一事件相关的时间信息.如是既往病史等中描述的院外相关检查,在抽取医疗机构名称的同时,获得其时间信息也是必要的.这些时间信息有着不同的时间粒度,比如"去年"、"上个月"、"三天前"、"1995年1月12日"、"10：22am"和"从96年7月31日至96年8月29日",也有时间信息缺省的情况.电子病历中的时间信息（包括计算机自动记录的时间和人为输入或设定的时间）本身就是至关重要的,而叙述性文本中的这些时间信息的处理更加复杂和多样.这样就形成了一个基于人工智能的时间表示及推理与医疗自然语言处理相互交叉的、富有挑战性的研究领域7.在这一方面的主要研究报告有：一个为了从临床文本中抽取、表示和推理时间信息而设计的时间推理系统8,一种基于机器学习的在出院总结中分析和查找时间顺序的方法9,以及一个通过文本规范化（其中使用基于语料库的方法）来从朝鲜语临床叙述性文本中识别时间信息的系统10.2医疗数据结构化和语义化
医疗数据的结构化是电子病历研究的焦点之一.电子病历系统从简单的检索查询到复杂的判断处理都主要依赖于数据的结构化,其中包括整体数据的不同层次的预结构化和描述性数据的后结构化（后结构化主要属于前述的医疗自然语言处理的研究范畴）.因为患者的医疗信息本身是一个有机联系在一起的整体,结构化的第一步是要建立电子病历的总体结构.同时,再根据医疗信息产生于各个就诊环节和多个不同的系统中、内容复杂、类型多样的特点,对不同的数据进行更详细的结构化.因而,定义诸如电子病历架构模型这样的描述结构是医疗信息被有机地组织在一体进而被有效地处理和利用的前提.我国卫生部有关业务司局和国家中医药管理局等部门共同组织相关业务单位、医科院校、试点医疗机构和大批专家,开展了国家电子病历信息标准基础与应用研究,取得了包括《电子病历基本架构与数据标准》在内的多项重要成果.电子病历数据结构被划分为临床文档、文档段、数据组和数据元四层,用于规范描述电子病历中数据的层次结构关系11.其核心思想是将病历内容逐层地进行结构化处理,因
关于信息化方面论文范文集,与电子病历的前沿相关论文发表参考文献资料：
13888888888
点击咨询 