电子病历信息抽取技术能够从自由文本电子病历中获取到有用的关键信息,从而为医院的信息管理和后续的信息分析处理工作提供帮助。简要介绍了现阶段自由文本电子病历信息抽取的主要流程,分析了近十几年来关于自由文本电子病历中命名实体、实体修饰与实体间关系三类关键信息的单独抽取以及联合抽取方法的研究成果,对这些成果所采用的主要方法、使用的数据集、最终的实验效果等进行了对比总结。除此之外,还对最新的几种流行方法的特点以及优缺点进行了分析,对目前电子病历信息抽取领域常用数据集进行了总结,分析了目前国内相关领域的现状和发展趋势。

http://www.joca.cn/CN/abstract/abstract24511.shtml

成为VIP会员查看完整内容
37

相关内容

信息抽取 (Information Extraction: IE)是把文本里包含的信息进行结构化处理,变成表格一样的组织形式。输入信息抽取系统的是原始文本,输出的是固定格式的信息点。信息点从各种各样的文档中被抽取出来,然后以统一的形式集成在一起。这就是信息抽取的主要任务。信息以统一的形式集成在一起的好处是方便检查和比较。 信息抽取技术并不试图全面理解整篇文档,只是对文档中包含相关信息的部分进行分析。至于哪些信息是相关的,那将由系统设计时定下的领域范围而定。
专知会员服务
48+阅读 · 2021年6月26日
专知会员服务
24+阅读 · 2021年6月22日
专知会员服务
64+阅读 · 2021年5月29日
专知会员服务
79+阅读 · 2021年5月27日
专知会员服务
71+阅读 · 2021年5月21日
专知会员服务
71+阅读 · 2021年3月27日
专知会员服务
45+阅读 · 2021年3月19日
【CCL2020】基于深度学习的实体关系抽取研究综述
专知会员服务
52+阅读 · 2020年11月4日
基于多来源文本的中文医学知识图谱的构建
专知会员服务
52+阅读 · 2020年8月21日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
面向知识图谱的信息抽取
专知
5+阅读 · 2020年10月15日
【NER综述】近五年中文电子病历命名实体识别研究进展
深度学习自然语言处理
11+阅读 · 2020年8月24日
实体关系抽取方法研究综述
专知
11+阅读 · 2020年7月19日
【综述】医疗可解释人工智能综述论文
专知
33+阅读 · 2019年7月18日
硬核公开课 | 智能文本信息抽取算法的进阶与应用
人工智能头条
6+阅读 · 2019年7月10日
阿里健康夺冠中文电子病历实体识别评测任务
AI掘金志
40+阅读 · 2018年8月17日
Arxiv
3+阅读 · 2019年3月1日
Arxiv
3+阅读 · 2017年12月18日
VIP会员
相关VIP内容
专知会员服务
48+阅读 · 2021年6月26日
专知会员服务
24+阅读 · 2021年6月22日
专知会员服务
64+阅读 · 2021年5月29日
专知会员服务
79+阅读 · 2021年5月27日
专知会员服务
71+阅读 · 2021年5月21日
专知会员服务
71+阅读 · 2021年3月27日
专知会员服务
45+阅读 · 2021年3月19日
【CCL2020】基于深度学习的实体关系抽取研究综述
专知会员服务
52+阅读 · 2020年11月4日
基于多来源文本的中文医学知识图谱的构建
专知会员服务
52+阅读 · 2020年8月21日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19日
微信扫码咨询专知VIP会员