首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >使用Python进行医学信息抽取

使用Python进行医学信息抽取
EN

Stack Overflow用户
提问于 2010-10-25 10:31:03
回答 4查看 5.6K关注 0票数 14

我是一名护士,我知道python,但我不是专家,我只是用它来处理DNA序列。

我们有用人类语言编写的医院记录,我本应将这些数据插入到数据库或csv文件中,但它们超过5000行,这可能非常困难。所有数据都是以一致的格式写入的,让我给您展示一个示例

代码语言:javascript
复制
11/11/2010 - 09:00am : He got nausea, vomiting and died 4 hours later

我应该获得以下数据

代码语言:javascript
复制
Sex: Male
Symptoms: Nausea
    Vomiting
Death: True
Death Time: 11/11/2010 - 01:00pm

另一个例子

代码语言:javascript
复制
11/11/2010 - 09:00am : She got heart burn, vomiting of blood and died 1 hours later in the operation room

我得到了

代码语言:javascript
复制
Sex: Female
Symptoms: Heart burn
    Vomiting of blood
Death: True
Death Time: 11/11/2010 - 10:00am

当我说……时,顺序不一致。所以in是一个关键字,后面的所有文本都是一个位置,直到我找到另一个关键字

在一开始,他或她决定性别,得到......接下来是一组症状,我应该根据分隔符进行划分,分隔符可以是逗号、下划符或其他任何东西,但对于同一行是一致的

死了……几小时后还应该得到多少小时,有时病人还活着并出院....etc

这就是说,我们有很多约定,我认为如果我能用关键字和模式标记文本,我就能完成这项工作。所以如果你知道一个有用的函数/模块/教程/工具来做这件事,最好是用python (如果不是python,那么gui工具会更好)。

以下是一些信息:

代码语言:javascript
复制
there are a lot of rules to express various medical data but here are few examples
- Start with the same date/time format followed by a space followd by a colon followed by a space followed by He/She followed space followed by rules separated by and
- Rules:
    * got <symptoms>,<symptoms>,....
    * investigations were done <investigation>,<investigation>,<investigation>,......
    * received <drug or procedure>,<drug or procedure>,.....
    * discharged <digit> (hour|hours) later
    * kept under observation
    * died <digit> (hour|hours) later
    * died <digit> (hour|hours) later in <place>
other rules do exist but they follow the same idea
EN

回答 4

Stack Overflow用户

回答已采纳

发布于 2010-10-25 11:36:51

它使用dateutil解析日期(例如'11/11/2010 - 09:00am'),使用parsedatetime解析相对时间(例如'4小时后‘):

代码语言:javascript
复制
import dateutil.parser as dparser
import parsedatetime.parsedatetime as pdt
import parsedatetime.parsedatetime_consts as pdc
import time
import datetime
import re
import pprint
pdt_parser = pdt.Calendar(pdc.Constants())   
record_time_pat=re.compile(r'^(.+)\s+:')
sex_pat=re.compile(r'\b(he|she)\b',re.IGNORECASE)
death_time_pat=re.compile(r'died\s+(.+hours later).*$',re.IGNORECASE)
symptom_pat=re.compile(r'[,-]')

def parse_record(astr):    
    match=record_time_pat.match(astr)
    if match:
        record_time=dparser.parse(match.group(1))
        astr,_=record_time_pat.subn('',astr,1)
    else: sys.exit('Can not find record time')
    match=sex_pat.search(astr)    
    if match:
        sex=match.group(1)
        sex='Female' if sex.lower().startswith('s') else 'Male'
        astr,_=sex_pat.subn('',astr,1)
    else: sys.exit('Can not find sex')
    match=death_time_pat.search(astr)
    if match:
        death_time,date_type=pdt_parser.parse(match.group(1),record_time)
        if date_type==2:
            death_time=datetime.datetime.fromtimestamp(
                time.mktime(death_time))
        astr,_=death_time_pat.subn('',astr,1)
        is_dead=True
    else:
        death_time=None
        is_dead=False
    astr=astr.replace('and','')    
    symptoms=[s.strip() for s in symptom_pat.split(astr)]
    return {'Record Time': record_time,
            'Sex': sex,
            'Death Time':death_time,
            'Symptoms': symptoms,
            'Death':is_dead}


if __name__=='__main__':
    tests=[('11/11/2010 - 09:00am : He got nausea, vomiting and died 4 hours later',
            {'Sex':'Male',
             'Symptoms':['got nausea', 'vomiting'],
             'Death':True,
             'Death Time':datetime.datetime(2010, 11, 11, 13, 0),
             'Record Time':datetime.datetime(2010, 11, 11, 9, 0)}),
           ('11/11/2010 - 09:00am : She got heart burn, vomiting of blood and died 1 hours later in the operation room',
           {'Sex':'Female',
             'Symptoms':['got heart burn', 'vomiting of blood'],
             'Death':True,
             'Death Time':datetime.datetime(2010, 11, 11, 10, 0),
             'Record Time':datetime.datetime(2010, 11, 11, 9, 0)})
           ]

    for record,answer in tests:
        result=parse_record(record)
        pprint.pprint(result)
        assert result==answer
        print

收益率:

代码语言:javascript
复制
{'Death': True,
 'Death Time': datetime.datetime(2010, 11, 11, 13, 0),
 'Record Time': datetime.datetime(2010, 11, 11, 9, 0),
 'Sex': 'Male',
 'Symptoms': ['got nausea', 'vomiting']}

{'Death': True,
 'Death Time': datetime.datetime(2010, 11, 11, 10, 0),
 'Record Time': datetime.datetime(2010, 11, 11, 9, 0),
 'Sex': 'Female',
 'Symptoms': ['got heart burn', 'vomiting of blood']}

注意:要小心解析日期。'8/9/2010‘是指8月9日,还是9月8日?是否所有的记录保持者都使用相同的约定?如果你选择使用dateutil (如果日期字符串没有严格的结构,我真的认为这是最好的选择),一定要阅读dateutil documentation中关于“格式优先级”的部分,这样你就可以(希望)正确地解析'8/9/2010‘。如果您不能保证所有的记录保管器都使用相同的约定来指定日期,那么将手动检查此脚本的结果。这在任何情况下都可能是明智的。

票数 9
EN

Stack Overflow用户

发布于 2010-10-25 10:47:37

以下是你可以解决这个问题的一些可能的方法-

  1. Using正则表达式-根据文本中的模式定义它们。匹配表达式,提取模式,然后对所有记录重复。这种方法需要很好地理解数据的格式&当然是正则表达式、:)
  2. String操作、-这种方法相对简单。同样,人们需要很好地理解数据的格式。这是我在下面所做的。
  3. Machine -你可以定义你所有的规则,并根据这些规则训练一个模型。在此之后,模型尝试使用您提供的规则提取数据。这是一种比前两种方法更通用的方法。也是最难实现的。

看看这对你是否有效。可能需要一些调整。

代码语言:javascript
复制
new_file = open('parsed_file', 'w')
for rec in open("your_csv_file"):
    tmp = rec.split(' : ')
    date = tmp[0]
    reason = tmp[1]

    if reason[:2] == 'He':
        sex = 'Male'
        symptoms = reason.split(' and ')[0].split('He got ')[1]
    else:
        sex = 'Female'
        symptoms = reason.split(' and ')[0].split('She got ')[1]
    symptoms = [i.strip() for i in symptoms.split(',')]
    symptoms = '\n'.join(symptoms)
    if 'died' in rec:
        died = 'True'
    else:
        died = 'False'
    new_file.write("Sex: %s\nSymptoms: %s\nDeath: %s\nDeath Time: %s\n\n" % (sex, symptoms, died, date))

\n\n记录是换行符分隔的\n &因为您没有提到一个患者记录是两个换行符分隔的Ech。

护士后来:@你最终做了什么?只是好奇而已。

票数 9
EN

Stack Overflow用户

发布于 2010-10-25 12:11:10

也许这也能帮到你,它还没有经过测试

代码语言:javascript
复制
import collections
import datetime
import re

retrieved_data = []

Data = collections.namedtuple('Patient', 'Sex, Symptoms, Death, Death_Time')
dict_data = {'Death':'',
             'Death_Time':'',
             'Sex' :'',
             'Symptoms':''}


with open('data.txt') as f:
     for line in iter(f.readline, ""):

         date, text = line.split(" : ")
         if 'died' in text:
             dict_data['Death'] = True
             dict_data['Death_Time'] = datetime.datetime.strptime(date, 
                                                                 '%d/%m/%Y - %I:%M%p')
             hours = re.findall('[\d]+', datetime.text)
             if hours:
                 dict_data['Death_Time'] += datetime.timedelta(hours=int(hours[0]))
         if 'she' in text:
            dict_data['Sex'] = 'Female'
         else:
            dict_data['Sex'] = 'Male'

         symptoms = text[text.index('got'):text.index('and')].split(',')

         dict_data['Symptoms'] = '\n'.join(symptoms) 

         retrieved_data.append(Data(**dict_data))

         # EDIT : Reset the data dictionary.
         dict_data = {'Death':'',
             'Death_Time':'',
             'Sex' :'',
             'Symptoms':''}
票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/4011526

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档