本發(fā)明涉及醫(yī)療信息領(lǐng)域，更具體地，涉及一種醫(yī)學(xué)影像報(bào)告診斷修改類型判斷方法及系統(tǒng)。

背景技術(shù)：

1、在影像報(bào)告書寫過程中，同一份報(bào)告會(huì)經(jīng)過初級(jí)醫(yī)生初步撰寫，由高級(jí)醫(yī)生審核修改。為了評(píng)價(jià)初級(jí)醫(yī)生的報(bào)告書寫質(zhì)量和針對(duì)性的對(duì)初級(jí)醫(yī)生的知識(shí)進(jìn)行查漏補(bǔ)缺，需要先針對(duì)醫(yī)學(xué)影像報(bào)告中的診斷印象的修改進(jìn)行分類。現(xiàn)有技術(shù)中，文本分類主要技術(shù)如下：

2、基于規(guī)則的文本分類方法，根據(jù)一些人工制定的規(guī)則對(duì)文本進(jìn)行分類，由于場(chǎng)景不同，規(guī)則也不同。

3、基于統(tǒng)計(jì)的文本分類方法，如利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，通過大量有標(biāo)注數(shù)據(jù)的監(jiān)督學(xué)習(xí)進(jìn)行文本分類。

4、基于大語言模型提示詞的文本分類方法。主要指的是在不進(jìn)行微調(diào)或者訓(xùn)練的情況下，直接通過提示詞輸入到大語言模型得出分類結(jié)果。

5、基于規(guī)則的文本分類方法不具備普適性，是針對(duì)應(yīng)用場(chǎng)景設(shè)計(jì)；另外隨著規(guī)則的增加，系統(tǒng)規(guī)則的可維護(hù)性會(huì)變差，會(huì)產(chǎn)生一些沖突。

6、基于統(tǒng)計(jì)的文本分類方法，準(zhǔn)確性的上限相對(duì)基于規(guī)則來說比較高，比較受學(xué)術(shù)界的青睞，但是在工業(yè)界，由于通常需要依賴大量有標(biāo)注的高質(zhì)量數(shù)據(jù)，需要針對(duì)不同的任務(wù)做大量數(shù)據(jù)標(biāo)注，導(dǎo)致應(yīng)用成本偏高。另外在醫(yī)學(xué)領(lǐng)域，數(shù)據(jù)長(zhǎng)尾分布現(xiàn)象非常常見，導(dǎo)致不同類型數(shù)據(jù)的比例嚴(yán)重不均衡，從而導(dǎo)致模型的訓(xùn)練的難度加大。

7、基于大語言模型提示詞的文本分類方法，可以利用訓(xùn)練好的語言模型進(jìn)行分類，基本不需要人工標(biāo)注，成本比較低，雖然在通識(shí)問題上回答的結(jié)果比較接近于人，但是在專業(yè)問題，并且存在一定的個(gè)性化的問題上，經(jīng)過測(cè)試，準(zhǔn)確性(70％左右)和基于規(guī)則的方法(95％左右)有明顯差距；除此之外，大語言模型對(duì)硬件要求高，速度慢。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的主要目的在于提供一種醫(yī)學(xué)影像報(bào)告診斷修改類型判斷方法及系統(tǒng)，該方法可自動(dòng)化分析影像報(bào)告的修改類型，能作為影像報(bào)告書寫質(zhì)量評(píng)價(jià)的一個(gè)分支方法，大大降低報(bào)告質(zhì)量評(píng)價(jià)的難度，可為初級(jí)報(bào)告醫(yī)生提供有針對(duì)性的查漏補(bǔ)缺的建議提供參考，解決了現(xiàn)有技術(shù)中存在的規(guī)則可維護(hù)性差、計(jì)算資源消耗高、需要標(biāo)注大量有分類標(biāo)簽的數(shù)據(jù)、準(zhǔn)確性低、維護(hù)成本高的問題。

2、為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

3、一方面，本發(fā)明提供了一種醫(yī)學(xué)影像報(bào)告診斷修改類型判斷方法，包括：對(duì)修改前的醫(yī)學(xué)影像報(bào)告和修改后的醫(yī)學(xué)影像報(bào)告做預(yù)處理，預(yù)處理后的數(shù)據(jù)以句子對(duì)的形式呈現(xiàn)修改前和修改后的報(bào)告數(shù)據(jù)；識(shí)別所述句子對(duì)中的命名實(shí)體和命名實(shí)體類型；將每個(gè)句子對(duì)中的命名實(shí)體進(jìn)行配對(duì)，輸出配對(duì)后的命名實(shí)體和命名實(shí)體類型；其中，未能匹配的命名實(shí)體，按照原有順序插入到序列中；以逗號(hào)或句號(hào)分隔符為一個(gè)單元，基于配對(duì)后的命名實(shí)體是否相同以及命名實(shí)體對(duì)應(yīng)的命名實(shí)體類型，按照預(yù)設(shè)的邏輯規(guī)則判斷每個(gè)單元的修改類型；其中，所述修改類型為漏診、誤診、定位錯(cuò)誤、特征未識(shí)別、特征識(shí)別錯(cuò)誤、診斷邏輯錯(cuò)誤、文字語法和格式錯(cuò)誤、診斷信心不一致、語言習(xí)慣不一致、程度判斷錯(cuò)誤、臨床溝通問題。

4、優(yōu)選地，所述識(shí)別所述句子對(duì)中的命名實(shí)體和命名實(shí)體類型，其步驟包括：構(gòu)建命名實(shí)體字典，所述命名實(shí)體字典包括命名實(shí)體、命名實(shí)體類型和命名實(shí)體對(duì)應(yīng)的同義詞；其中，所述命名實(shí)體字典的類別為疾病種類、影像特征、定位、診斷信心、程度、臨床溝通；基于所述命名實(shí)體字典，通過最長(zhǎng)字符匹配的方式從所述句子對(duì)中識(shí)別命名實(shí)體和命名實(shí)體類型。

5、優(yōu)選地，所述對(duì)修改前的醫(yī)學(xué)影像報(bào)告和修改后的醫(yī)學(xué)影像報(bào)告做預(yù)處理，其步驟包括：識(shí)別句子邊界：以句號(hào)或冒號(hào)作為句子邊界，將醫(yī)學(xué)影像報(bào)告文本拆成每個(gè)表達(dá)完整含義的短句；調(diào)整語序：將修改前后的每個(gè)短句進(jìn)行對(duì)比，若移動(dòng)該短句到對(duì)應(yīng)位置時(shí)，診斷前后的最長(zhǎng)公共子序列長(zhǎng)度比未移動(dòng)該短句增加的數(shù)量占被移動(dòng)短句的比例達(dá)到預(yù)設(shè)值后，則判斷需要移動(dòng)該短句到對(duì)應(yīng)位置；句子配對(duì)：基于最長(zhǎng)公共子序列，用包裝后的算法得到修改前后短句的對(duì)應(yīng)位置以及對(duì)應(yīng)關(guān)系，根據(jù)對(duì)應(yīng)位置以及對(duì)應(yīng)關(guān)系，生成四個(gè)移動(dòng)的指針，分別對(duì)應(yīng)修改前短句的起點(diǎn)位置、終點(diǎn)位置，修改后短句的起點(diǎn)位置、終點(diǎn)位置，結(jié)合短句邊界位置，不斷更新四個(gè)指針，記錄匹配成對(duì)的短句，形成所述句子對(duì)。

6、優(yōu)選地，所述將每個(gè)句子對(duì)中的命名實(shí)體進(jìn)行配對(duì)，其步驟包括：定義修改前的短句對(duì)應(yīng)的命名實(shí)體數(shù)組為x，其數(shù)量為m，x[i].type表示x中的i個(gè)命名實(shí)體的實(shí)體類型，x[i].mention表示x中的i個(gè)命名實(shí)體的實(shí)體提及內(nèi)容；修改后的句子對(duì)應(yīng)的命名實(shí)體數(shù)組為y，其數(shù)量是n，y[i].type表示y中的i個(gè)命名實(shí)體的實(shí)體類型，y[i].mention表示y中的i個(gè)命名實(shí)體的實(shí)體提及內(nèi)容；定義一個(gè)(m+1)*(n+1)的二位數(shù)組dp記錄狀態(tài)，dp[i][j]表示在命名實(shí)體類型相同才能配對(duì)的情況下，前i個(gè)修改前的命名實(shí)體和前j個(gè)修改后的句子命名實(shí)體匹配的最長(zhǎng)公共子序列數(shù)量；lcs{x[i].mention,y[j].mention}表示第i個(gè)實(shí)體和第j個(gè)實(shí)體的最長(zhǎng)公共子序列數(shù)量；定義的狀態(tài)轉(zhuǎn)移方程為：dp[0][j]＝0；(0<＝j(luò)<＝n+1)

7、dp[i][0]＝0；(0<＝i<＝m+1)

8、dp[i][j]＝dp[i-1][j-1]+lcs{x[i].mention,y[j].mention}；(x[i].type＝＝y(tǒng)[i].type?anddp[i][j]>＝max{dp[i-1][j],dp[i][j-1]})

9、dp[i][j]＝max{dp[i][j-1],dp[i-1][j]}；(x[i].type≠y[i].type?or?dp[i][j]<

10、max{dp[i-1][j],dp[i][j-1]})

11、根據(jù)狀態(tài)數(shù)組，回溯能夠匹配的命名實(shí)體，任意選擇一個(gè)組合即可。

12、優(yōu)選地，該方法還包括：每個(gè)所述單元的修改類型包括多個(gè)時(shí)，將優(yōu)先級(jí)別最高的修改類型作為該單元的修改類型；其中，所述優(yōu)先級(jí)別排序?yàn)椋赫`診>漏診>特征識(shí)別錯(cuò)誤>特征未識(shí)別>定位錯(cuò)誤>診斷邏輯錯(cuò)誤>臨床溝通問題>程度判斷錯(cuò)誤>文字語法和格式錯(cuò)誤>診斷信心不一致>語言習(xí)慣不一致。

13、另一方面，本發(fā)明還提供了一種醫(yī)學(xué)影像報(bào)告診斷修改類型判斷系統(tǒng)，該系統(tǒng)包括：數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)識(shí)別模塊、命名實(shí)體配對(duì)模塊和修改類型判斷模塊，其中，所述數(shù)據(jù)預(yù)處理模塊，與所述數(shù)據(jù)識(shí)別模塊相連，用于對(duì)修改前的醫(yī)學(xué)影像報(bào)告和修改后的醫(yī)學(xué)影像報(bào)告做預(yù)處理，預(yù)處理后的數(shù)據(jù)以句子對(duì)的形式呈現(xiàn)修改前和修改后的報(bào)告數(shù)據(jù)；所述數(shù)據(jù)識(shí)別模塊，分別與所述數(shù)據(jù)預(yù)處理模塊、所述命名實(shí)體配對(duì)模塊相連，用于識(shí)別所述句子對(duì)中的命名實(shí)體和命名實(shí)體類型；所述命名實(shí)體配對(duì)模塊，分別與所述數(shù)據(jù)識(shí)別模塊、所述修改類型判斷模塊相連，用于將每個(gè)句子對(duì)中的命名實(shí)體進(jìn)行配對(duì)，輸出配對(duì)后的命名實(shí)體和命名實(shí)體類型；其中，未能匹配的命名實(shí)體，按照原有順序插入到序列中；所述修改類型判斷模塊，與所述命名實(shí)體配對(duì)模塊相連，用于以逗號(hào)或句號(hào)分隔符為一個(gè)單元，基于配對(duì)后的命名實(shí)體是否相同以及命名實(shí)體對(duì)應(yīng)的命名實(shí)體類型，按照預(yù)設(shè)的邏輯規(guī)則判斷每個(gè)單元的修改類型；其中，所述修改類型為漏診、誤診、定位錯(cuò)誤、特征未識(shí)別、特征識(shí)別錯(cuò)誤、診斷邏輯錯(cuò)誤、文字語法和格式錯(cuò)誤、診斷信心不一致、語言習(xí)慣不一致、程度判斷錯(cuò)誤、臨床溝通問題。

14、優(yōu)選地，所述數(shù)據(jù)識(shí)別模塊包括：字典構(gòu)建單元和提取單元，其中，所述字典構(gòu)建單元，與所述提取單元相連，用于構(gòu)建命名實(shí)體字典，所述命名實(shí)體字典包括命名實(shí)體、命名實(shí)體類型和命名實(shí)體對(duì)應(yīng)的同義詞；其中，所述命名實(shí)體字典的類別為疾病種類、影像特征、定位、診斷信心、程度、臨床溝通；所述提取單元，與所述字典構(gòu)建單元相連，用于基于所述命名實(shí)體字典，通過最長(zhǎng)字符匹配的方式從所述句子對(duì)中識(shí)別命名實(shí)體和命名實(shí)體類型。

15、優(yōu)選地，所述數(shù)據(jù)預(yù)處理模塊包括：句子邊界識(shí)別單元、語序調(diào)整單元和句子配對(duì)單元，其中，所述句子邊界識(shí)別單元，與所述語序調(diào)整單元相連，用于以句號(hào)或冒號(hào)作為句子邊界，將醫(yī)學(xué)影像報(bào)告文本拆成每個(gè)表達(dá)完整含義的短句；所述語序調(diào)整單元，分別與所述句子邊界識(shí)別單元和句子配對(duì)單元相連，用于將修改前后的每個(gè)短句進(jìn)行對(duì)比，若移動(dòng)該短句到對(duì)應(yīng)位置時(shí)，診斷前后的最長(zhǎng)公共子序列長(zhǎng)度比未移動(dòng)該短句增加的數(shù)量占被移動(dòng)短句的比例達(dá)到預(yù)設(shè)值后，則判斷需要移動(dòng)該短句到對(duì)應(yīng)位置；所述句子配對(duì)單元，與所述語序調(diào)整單元相連，用于基于最長(zhǎng)公共子序列，用包裝后的算法得到修改前后短句的對(duì)應(yīng)位置以及對(duì)應(yīng)關(guān)系，根據(jù)對(duì)應(yīng)位置以及對(duì)應(yīng)關(guān)系，生成四個(gè)移動(dòng)的指針，分別對(duì)應(yīng)修改前短句的起點(diǎn)位置、終點(diǎn)位置，修改后短句的起點(diǎn)位置、終點(diǎn)位置，結(jié)合短句邊界位置，不斷更新四個(gè)指針，記錄匹配成對(duì)的短句，形成所述句子對(duì)。

16、優(yōu)選地，所述將每個(gè)句子對(duì)中的命名實(shí)體進(jìn)行配對(duì)包括：定義修改前的短句對(duì)應(yīng)的命名實(shí)體數(shù)組為x，其數(shù)量為m，x[i].type表示x中的i個(gè)命名實(shí)體的實(shí)體類型，x[i].mention表示x中的i個(gè)命名實(shí)體的實(shí)體提及內(nèi)容；修改后的句子對(duì)應(yīng)的命名實(shí)體數(shù)組為y，其數(shù)量是n，y[i].type表示y中的i個(gè)命名實(shí)體的實(shí)體類型，y[i].mention表示y中的i個(gè)命名實(shí)體的實(shí)體提及內(nèi)容；定義一個(gè)(m+1)*(n+1)的二位數(shù)組dp記錄狀態(tài)，dp[i][j]表示在命名實(shí)體類型相同才能配對(duì)的情況下，前i個(gè)修改前的命名實(shí)體和前j個(gè)修改后的句子命名實(shí)體匹配的最長(zhǎng)公共子序列數(shù)量；lcs{x[i].mention,y[j].mention}表示第i個(gè)實(shí)體和第j個(gè)實(shí)體的最長(zhǎng)公共子序列數(shù)量；定義的狀態(tài)轉(zhuǎn)移方程為：dp[0][j]＝0；(0<＝j(luò)<＝n+1)

17、dp[i][0]＝0；(0<＝i<＝m+1)

18、dp[i][j]＝dp[i-1][j-1]+lcs{x[i].mention,y[j].mention}；(x[i].type＝＝y(tǒng)[i].type?anddp[i][j]>＝max{dp[i-1][j],dp[i][j-1]})

19、dp[i][j]＝max{dp[i][j-1],dp[i-1][j]}；(x[i].type≠y[i].type?or?dp[i][j]<

20、max{dp[i-1][j],dp[i][j-1]})

21、根據(jù)狀態(tài)數(shù)組，回溯能夠匹配的命名實(shí)體，任意選擇一個(gè)組合即可。

22、優(yōu)選地，每個(gè)所述單元的修改類型包括多個(gè)時(shí)，該系統(tǒng)還包括修改類型確定模塊，與所述修改類型判斷模塊相連，用于將優(yōu)先級(jí)別最高的修改類型作為該單元的修改類型；其中，所述優(yōu)先級(jí)別排序?yàn)椋赫`診>漏診>特征識(shí)別錯(cuò)誤>特征未識(shí)別>定位錯(cuò)誤>診斷邏輯錯(cuò)誤>臨床溝通問題>程度判斷錯(cuò)誤>文字語法和格式錯(cuò)誤>診斷信心不一致>語言習(xí)慣不一致。

23、本發(fā)明的技術(shù)效果：

24、1、本發(fā)明的方法對(duì)修改前的醫(yī)學(xué)影像報(bào)告和修改后的醫(yī)學(xué)影像報(bào)告做預(yù)處理，預(yù)處理后的數(shù)據(jù)以句子對(duì)的形式呈現(xiàn)修改前和修改后的報(bào)告數(shù)據(jù)，將每個(gè)句子對(duì)中的命名實(shí)體進(jìn)行配對(duì)，基于配對(duì)后的命名實(shí)體是否相同以及命名實(shí)體對(duì)應(yīng)的命名實(shí)體類型，按照預(yù)設(shè)的邏輯規(guī)則判斷每個(gè)單元的修改類型；本發(fā)明利用多種算法，能對(duì)影像報(bào)告診斷修改的類型進(jìn)行精確的統(tǒng)計(jì)，相比于基于統(tǒng)計(jì)的文本分類方法，規(guī)則明確，可解釋性更強(qiáng)，人工成本較低，不需要標(biāo)注大量有分類標(biāo)簽的數(shù)據(jù)，只需要維護(hù)相應(yīng)的分類詞典(包含同義詞)即可；受數(shù)據(jù)長(zhǎng)尾問題困擾比較小，更新維護(hù)成本低；在已經(jīng)分析過的腰椎報(bào)告修改類型分類數(shù)據(jù)上，綜合準(zhǔn)確性在95％以上，使得質(zhì)量評(píng)價(jià)和教學(xué)應(yīng)用變得可行；

25、2、本發(fā)明的方法對(duì)修改前后的影像報(bào)告進(jìn)行預(yù)處理，對(duì)句子邊界進(jìn)行識(shí)別，將報(bào)告文本拆成短的句子，語序調(diào)整、句子配對(duì)的處理，通過化繁為簡(jiǎn)的思路，進(jìn)行更細(xì)粒度的文本分析，降低任務(wù)的復(fù)雜性；其中，句子配對(duì)的處理，對(duì)準(zhǔn)確性沒有依賴，只是通過字符級(jí)別的最長(zhǎng)公共子序列即可完成，提高整體的魯棒性；

26、3、本發(fā)明的方法相比于大語言模型提示詞的文本分類方法，在特定領(lǐng)域的個(gè)性化程度高，準(zhǔn)確率高，計(jì)算資源消耗非常少，速度更快；本方法可以作為報(bào)告書寫質(zhì)量評(píng)價(jià)的一個(gè)分支，大大降低了報(bào)告質(zhì)量評(píng)價(jià)的難度，可以為初級(jí)報(bào)告醫(yī)生提供有針對(duì)性的查漏補(bǔ)缺的建議，針對(duì)經(jīng)常出錯(cuò)的地方有針對(duì)性的推送學(xué)習(xí)資料，對(duì)初級(jí)醫(yī)生的診斷水平的評(píng)價(jià)更加精確。