建立段落字典

整批的檢驗報告經過前處理後，即可進入建立段落字典的階段，本論文建立 字典的步驟分為以下三個步驟依序進行處理。

<步驟一>

首先，將前處理後的檢驗報告內容集合起來，如表 3 所示。接著，將每個句 子中的字依照特定詞性規則樣式組合成詞彙，連接樣式規則與範例如表 4 所示。

按照連接規則將其區分為：

16

1. 形容詞彙字典：形容詞與複合形容詞(連續形容詞之連接)集合。

2. 專有詞彙字典：名詞與複合名詞之集合。複合名詞可分為：(a)最後一個字以 名詞為基底，往前結合連續的名詞，形成複合名詞 （b）若(a)形成之複合

名詞前方為形容詞則繼續往前進行結合，形成更長之複合名詞。

表 3 主要診斷(Diagnosis)段落部分集合之範例 主要診斷(Diagnosis)

病例編號 201101639

病例編號 201102475

病例編號 201103835

17

表 4 字詞之詞性連接規則與範例 形容詞字典

𝐽𝐽₁+ ⋯ + 𝐽𝐽_𝑛

單字 次數

immune complex proliferative 3 large sized subendothelial 1

Splitting 1

名詞字典

NN₁+ ⋯ + NN_n

單字 次數

interstitium show fibrosis change 1 foot processes effacement 314 foot process effacement 7

JJ₁+ ⋯ + JJ_n+ NN₁+ ⋯ + NN_n

單字 次數

extensive foot processes effacement 66 partial foot processes effacement 62

Mesangium 68

<步驟二>

將步驟一建立的詞彙字典篩除無特殊語意的字詞，使字典中的字詞更為專業 與精準。藉由兩個條件去除雜訊：(1)根據結尾字刪除與醫療較不相關的字詞、

(2)將字首較無意義的形容詞進行刪除，如表 5 所示。這些字是由人為給定，目 前採用的刪除字詞如附錄一所示。

18

表 5 刪除結尾字與字首之部分範例

刪除之結尾字 刪除範例

History clinical history -> clinical history

management further management -> further management

Finding em finding -> em finding

刪除之字首 刪除範例

Including including iga nephropathy -> including iga nephropathy

Mostly only few faint mesangial deposits -> only few faint mesangial deposits

Otherwise otherwise minimally changed glomeruli -> otherwise minimally changed glomeruli

<步驟三>

將 步 驟 二 建 立 的 字 典 使 用 最 長 共 同 子 序 列 演 算 法 (Longest Common Subsequence)[9]，計算字詞與字詞之間的相似度，將距離相近的字詞組合進行 合併，藉此篩除可能的錯字。以下說明合併子步驟：

步驟 3-1：針對不同結尾字進行錯字篩除之運算。

以𝑏_𝑖與𝑏_𝑗表示兩個不同之結尾字，首先確認𝑏_𝑖與𝑏_𝑗之開頭字母是否相同，假如 不相同則判斷𝑏_𝑖與𝑏_𝑗為不相同之單字，不必進行後續之運算。否則找出𝑏_𝑖與𝑏_𝑗中

之 較 長 字 數max _𝑙𝑒𝑛(𝑏_𝑖 , 𝑏_𝑗) ， 接 著 計 算 𝑏_𝑖與𝑏_𝑗之 最 長 共 同 子 序 列 長 度 LCS(𝑏_𝑖 , 𝑏_𝑗)，將max _𝑙𝑒𝑛(𝑏_𝑖 , 𝑏_𝑗)與LCS(𝑏_𝑖 , 𝑏_𝑗)相減作為兩字之間錯字之字數

19

ErrBaseW(𝑏_𝑖 , 𝑏_𝑗)，如公式一所示。接著將最長字數max_len(𝑏_𝑖 , 𝑏_𝑗)乘以 1/d，

計算結果以無條件捨去作為結尾字合併之門檻值ComBaseT(𝑏_𝑖 , 𝑏_𝑗)，但設定門

檻 值 不 得 超 過 3 ， 計 算 方 式 如 公 式 二 所 示 。 當 錯 字 數 小 於 等 於 門 檻 值 ComBaseT(𝑏_𝑖 , 𝑏_𝑗)時，將𝑏_𝑖與𝑏_𝑗進行合併，將ComBaseF(𝑏_𝑖 , 𝑏_𝑗)設為 1反之則不 合併，ComBaseF(𝑏_𝑖 , 𝑏_𝑗)設為 0，如公式三所示。

以𝐵_𝑖與𝐵_𝑗分別表示結尾字為𝑏_𝑖與𝑏_𝑗的複合字詞所成的集合，而𝐹(𝑏_𝑖)與 𝐹(𝑏_𝑗)分別表示𝑏_𝑖與𝑏_𝑗出現之頻率。假設ComBaseF(𝑏_𝑖 , 𝑏_𝑗)為 1，且𝐹(𝑏_𝑖) > 𝐹(𝑏_𝑗)，

則將𝐵_𝑗中所有字詞之結尾字修改為𝑏_𝑖且併入𝐵_𝑖中，並將𝐵_𝑗清除，如公式四所示。

範例 3-1 將顯示一個範例說明步驟 3-1。

ErrBaseW(𝑏_𝑖 , 𝑏_𝑗) = max _𝑙𝑒𝑛(𝑏_𝑖 , 𝑏_𝑗) − LCS(𝑏_𝑖 , 𝑏_𝑗) (公式一)

ComBaseT(𝑏_𝑖 , 𝑏_𝑗) = ^max(𝑏_𝑑^{𝑖 ,𝑏𝑗)}

if ComBaseT(𝑏_𝑖 , 𝑏_𝑗) ≥ 3, 𝑠𝑒𝑡 ComBaseT(𝑏_𝑖 , 𝑏_𝑗) = 3 (公式二)

ComBaseW(𝑏_𝑖 , 𝑏_𝑗) = {1 𝑖𝑓 ErrBaseW(𝑏_𝑖 , 𝑏_𝑗) ≤ ComBaseT(𝑏_𝑖 , 𝑏_𝑗) 0 𝑖𝑓 ErrBaseW(𝑏_𝑖 , 𝑏_𝑗) > ComBaseT(𝑏_𝑖 , 𝑏_𝑗)

(公式三)

ComBaseF(𝐵_𝑖 , 𝐵_𝑗) = 𝐵_𝑖 ∪ 𝐵_𝑗 𝑎𝑛𝑑 𝐵_𝑗 = ∅ 𝑖𝑓 𝐹(𝑏_𝑖) > 𝐹(𝑏_𝑗) (公式四)

20

【範例 3-1】

假設有兩組不同結尾字的字詞集合，如表 6 所示。首先確認開頭字母相同皆 為 g，再來利用公式一ErrBaseW(glomerulonephritis , glomerulonephritiss)計算

結尾字間錯字之字數，計算結果錯字數為 1。接著使用公式二計算結尾字間合併 之門檻值ComBaseT(glomerulonephritis , glomerulonephritiss)(在此 d 設為 5)，

計算結果為 4。透過公式三判斷，錯字數 1 在合併門檻值 4 的容許範圍內，將兩 個結尾字進行合併。最後透過公式四判斷結尾字頻率𝐹(glomerulonephritis ) >

𝐹(glomerulonephritiss) ， 故 將 結 尾 字 為 glomerulonephritiss 之 集 合 𝐵glomerulonephritiss併入結尾字為 glomerulonephritis 之集合𝐵glomerulonephritis， 且清除字詞集合𝐵glomerulonephritiss。

表 6 合併不同結尾字之集合部分範例 合併前

結尾字 出現頻率 相同結尾字之集合 出現頻率

glomerulonephritis 150

glomerulonephritis 90 membranous glomerulonephritis 35 lupus glomerulonephritis 25

glomerulonephritiss 36

glomerulonephritiss 20 lupus glomerulonephritiss 8 membranous glomerulonephritiss 7 focal glomerulonephritiss 1

合併後

結尾字 出現頻率 相同結尾字之集合 出現頻率

glomerulonephritis 186

glomerulonephritis 110 membranous glomerulonephritis 42 lupus glomerulonephritis 33 focal glomerulonephritis 1

21

步驟 3-2：進行相同結尾字之集合𝐵_𝑖錯字篩除運算。

以𝑝_𝐼與p_𝐽表示𝐵_𝑖中兩個結尾字相同的不同複合詞彙，依照順序以𝑝_𝐼. w₁…𝑝_𝐼. w_𝑛 表示組合成𝑝_𝐼中的單字、以𝑝_𝐽. w₁…𝑝_𝐽. w_𝑚表示組合成𝑝_𝐽中的單字。首先確認𝑝_𝐼 與p_𝐽之組合單字數 n 與 m 是否相同，假如相同則繼續進行篩除錯字之檢查運算，

否則認定𝑝與𝑝_𝐽為兩個不相同之字詞，如公式五所示。接著將p_𝐼與𝑝_𝐽之組合單 字由後往前，利用公式六各別計算ErrContentW(𝐼_𝑛 , 𝐽_𝑚)到 ErrContentW(𝐼₁ , 𝐽₁)

之錯字數，利用公式七各別檢查ComContentT 到 ComContentT(𝐼₁ , 𝐽₁)之合併 門檻值，假如𝑝_𝐼與𝑝_𝐽的每個字由後至前(𝑝_𝐼. w_𝑖 , 𝑝_𝐽. w_𝑖) (i=1 to n)的配對比較，

錯字皆小於等於門檻值時，則將𝑝_𝐼與𝑝_𝐽進行合併反之認定𝑝_𝐼與𝑝_𝐽為兩個不相同

之 字 詞 ， 如 公 式 八 所 示 。 假 設ComContentW(𝑝_𝐼 , 𝑝_𝐽)為 1 ， 且 出 現 之 頻 率 𝐹(𝑝_𝐼) > 𝐹(𝑝_𝐽)，則𝑝_𝐽認定為輸入錯誤之字詞，將𝑝_𝐽修改為𝑝_𝐼後併入𝑝_𝐼中，最後 將𝑝_𝐽清除。範例 3-2 將顯示一個範例說明步驟 3-2。

CountContentW(𝑝_𝐼 , 𝑝_𝐽) = {1 𝑖𝑓 n = m

0 𝑖𝑓 n ≠ m (公式五)

ErrContentW(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖) = max(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖) − LCS(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖) (公式六)

22

ComContentT(p_I. w_i , p_J. w_i) =^max(pI.w_d^{i ,pJ.wi)}≤ 3

if ComContentT(p_I. w_i , p_J. w_i) ≥ 3, set ComContentT(p_I. w_i , p_J. w_i) = 3

(公式七)

ComContentW( 𝑝𝐼 , 𝑝𝐽) = {1 𝑖𝑓 𝐴𝐿𝐿 ErrContentW(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖) ≤ ComContentT(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖) 0 𝑖𝑓 𝑂𝑛𝑒 ErrContentW(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖) > ComContentT(𝑝_𝐼. 𝑤_𝑖 , 𝑝_𝐽. 𝑤_𝑖)

(公式八)

【範例 3-2】

假設有一相同結尾字的字詞集合如表 7 所示，以下以"mildd tubular atrophy"

與"mild tubular atrophy"為例說明。首先透過公式五判斷字詞組合單字之個數 CountContentW(mild tubular atrophy , mildd tubular atrophy)是否相同，兩個字

詞 皆 由 三 個 單 字 組 成 ， 判 斷 結 果 為 相 同 。 接 著 利 用 公 式 六 各 別 運 算 ErrContentW(tubular, tubular)與ErrContentW(mild , mildd )之錯字數為 0 與 1，

以公式七個別計算ComContentT(tubular, tubular)與ComContentT(mild , mildd ) 之合併門檻值為 2 與 1，經過公式八判斷(tubular, tubular)之錯字數 0 在合併門 檻值 2 的容許範圍內、(mild , mildd)之錯字數 1 在合併門檻值 1 的容許範圍內，

因 此 將 兩 字 詞 進 行 合 併 。 由 於 字 詞 頻 率 𝐹(mild tubular atrophy)

> 𝐹(mildd tubular atrophy) ， 故 將 字 詞 "mildd tubular atrophy" 修 改 為

"mild tubular atrophy"，且將其出現頻率併入"mild tubular atrophy”中，清除字 詞"mildd tubular atrophy"。

23

表 7 合併相同結尾字之字詞部分範例 合併前

相同結尾字之字詞 出現頻率

Atrophy 130

mild tubular atrophy 40

focal tubular atrophy 30

evident tubular atrophy 20

iga atrophy 10

mildd tubular atrophy 5

focal tubularrr atrophy 2

igaa atrophy 1

合併後

相同結尾字之字詞 出現頻率

Atrophy 130

mild tubular atrophy 45

focal tubular atrophy 32

evident tubular atrophy 20

iga atrophy 11

24

第四章 醫學詞彙字典的運用

本章節將介紹醫學詞彙字典的運用方法。以下將分成兩小節分別介紹結構化 處理方法與特殊檢驗項目段落細項關鍵字詞自動擷取方法。

4.1 結構化處理方法

根據醫生給定的檢驗項目，本論文提出的結構化處理方法針對檢驗報告摘要 式 段 落 及 特 殊 項 目 段 落 分 別 進 行 結 構 化 。 摘 要 式 段 落 要 將 分 為 主 要 診 斷 (Diagnosis) 、 電 子 顯 微鏡 檢 查 的 狀 況 描 述 (Comment / Narrative) 、 報 告 結 論 (Summary)等三個段落；特殊項目段落分為電子顯微鏡檢查(EM)、切片樣本的大 小及狀況(Specimen type)、切片樣本的描述(Gross description)、光學顯微鏡檢查 (LM)、染色體檢查(DIF)等五個段落。本小節將詳細說明其結構化過程。

<1> 比對字典抽取出關鍵字詞清單

首先將一篇檢驗報告之一摘要式段落輸入結構化模組中，與字典中的字詞依 照特定規則進行比對，並將檢驗報告中比對到的字詞依照順序取出，以建立此篇 檢驗報告的關鍵詞彙清單。比對規則順序如下:

(1)字典中字詞之長度小於 2 者不比對，

(2)字詞之單字組合個數較多者優先比對，

(3)字詞出現頻率較高者為次優先比對，

(4)否定字清單比對，其中否定字如表 8 所示之清單。

25

表 8 否定字與對應字詞連接部份範例 否定字清單

no Neither Nor without negative 範例

句子 no significant immunodepostion of IgG, IgM, IgA, C3.

對應之關鍵字 關鍵字 1: no IgG

關鍵字 1: membranous lupus glomerulonephritis 關鍵字 2: stage 3 ( ins/rps class 5 )

連接: membranous lupus glomerulonephritis ( stage 3(ins/rps class 5) )

show

關鍵字 1: glomerular change show 關鍵字 2: sclerosing change

連接: glomerular change show sclerosing change

for

關鍵字 1: poor quality 關鍵字 2: for

關鍵字 3: sclerosing change

連接: poor quality for ultrastructure interpretation

of

關鍵字 1: thrombotic microangiopathy change 關鍵字 2: of

關鍵字 3: glomerulus

連接: thrombotic microangiopathy change of glomerulus

%

26

比對完成後將特殊字詞進行前後連接，組合成較完整的敘述短句，合併樣式如表 9 所示，且若有否定字須將其加入對應的關鍵字詞前。完成上述之步驟，即可建 立一份關鍵詞彙清單所成的集合K。

<2> 摘要式段落結構化

摘要式段落需要將報告中取出的醫療詞彙分為檢驗程序(Procedure)、主診 斷(Primary diagnosis)、或額外特徵(additional features)。由於在我們建立 的詞彙字典中，已將結尾字相同的詞彙整理在一起，因此只要由專家給訂一些程 序/病名結尾關鍵字，便可自動從字典中比對出所有屬於該程序/病名的各種特定 程序及病名亞型。

進行摘要式檢驗報告結構化時，以𝑆_𝐼表示摘要項目 I 對應的關鍵結尾字清單 (I 可為檢驗程序(Procedure)或病症診斷(diagnosis))。將關鍵字清單K中每個 關鍵字詞之結尾字與摘要項目關鍵結尾字清單𝑆_𝐼進行比對(摘要項目關鍵字之字

尾清單如表 10 所示)，將比對到之關鍵字詞指定到對應的摘要項目，沒比對到的 關鍵字詞則列為額外特徵項目，將以範例 4-1 說明。

【範例 4-1】

假設檢驗報告之主要診斷(Diagnosis)段落(摘要式段落之一)如表 11 所示。首 先將內文與字典中的字詞進行比對，建立關鍵字清單K。接著再透過公式九將關 鍵字詞清單K中關鍵字詞𝑘₁、𝑘₂、𝑘₃、𝑘₄、𝑘₅、𝑘₆、𝑘₇之結尾字與摘要項目關鍵

27

結尾字清單𝑆_Procedure和𝑆_Diagnosis比對。𝑆_Procedure清單中的 biopsy 和𝑘₁的結尾字 比對相同，故將𝑘₁加入摘要項目的檢驗程序(Procedure)中。𝑆_Diagnosis清單中的 glomerulopathy、glomerulosclerosis、nephropathy、glomerulosclerosis 和 𝑘₂、𝑘₃、𝑘₆、𝑘₇的結尾字比對相同，故將這些關鍵字詞加入摘要項目的主診斷 (Primary diagnosis)中。其餘沒比對到的關鍵字詞𝑘₄、𝑘₅歸類於額外特徵項目 (Additional features)。

表 10 結構關鍵字之字尾清單部分範例

transplantation (移植法) nephrosclerosis

(腎硬化)

glomerulonephritis (腎小球腎炎) glomerulonephropathy

(腎小球腎病)

arteriolosclerosis (小動脈硬化) glomerulosclerosis

(腎小球硬化)

glomerulopathy (腎病) arteriosclerosis

(動脈硬化)

pyelonephritis (腎炎)

28

表 11 檢驗報告之主要診斷(Diagnosis)段落與結構化之範例

主要診斷 (Diagnosis)

Kidney, left, echo-guided percutaneous needle core biopsy, focal mesangial proliferative and sclerotic glomerulopathy with focal segmental glomerulosclerosis (11 / 33), patchy tubular atrophy (up to 15% in area), and scattered to clustered interstitial

CD20-positive lymphocytic infiltration, c / w IgA nephropathy (class II) with focal segmental glomerulosclerosis.

關鍵字 清單

關鍵字詞𝑘₁: echo-guided percutaneous needle core biopsy 關鍵字詞𝑘₂: focal mesangial proliferative and sclerotic glomerulopathy

關鍵字詞𝑘₃: focal segmental glomerulosclerosis ( 11/33 ) 關鍵字詞𝑘₄: patchy tubular atrophy ( up to 15 % in area ) 關鍵字詞𝑘₅: clustered interstitial cd20-positive lymphocytic infiltration

關鍵字詞𝑘₆: c/w iga nephropathy ( class II ) 關鍵字詞𝑘₇: focal segmental glomerulosclerosis

結構化

(1) 檢驗程序 (Procedure)

1. echo-guided percutaneous needle core biopsy (2) 主診斷 (Primary diagnosis)

1. focal mesangial proliferative and sclerotic glomerulopathy 2. focal segmental glomerulosclerosis ( 11/33 )

3. c/w iga nephropathy ( class II ) 4. focal segmental glomerulosclerosis (3) 額外特徵 (Additional features)

1. patchy tubular atrophy ( up to 15 % in area )

2. clustered interstitial cd20-positive lymphocytic infiltration

特殊項目段落結構化則須呈現檢查結果是否出現特定檢驗細項，由於特殊項 目段落敘述中有很多是單獨或連續的形容詞，亦屬於檢驗細項的結果資訊，如範 例中出現的“diffuse segmental coarse granular”，因此對特殊項目段落擷 取關鍵詞彙清單K時，除了採用名詞字典，還要採用形容詞字典。接下來根據醫 師給訂結構化報告偏重的特定檢驗細項關鍵字，將段落擷取出之關鍵詞彙清單K

29

The DIF study demonstrates diffuse segmental coarse granular to lumpy depositions of IgA (grade 3-4/4) and C3 (grade 3/4) with focal Segmental grade 2-3/4 mesangial deposition of IgG and negative staining to IgM, C1q, C4, and fibrinogen.

關鍵字

關鍵字詞𝑘₇: negative staining to IgM, C1q, C4, and fibrinogen

結構化

Staining pattern: ■granular □ linear Location: ■focal ■diffuse ■segmental

□global ■mesangial □glomerular capillary wall IgA deposition/expression □abscence ■present (grade 3-4/4) IgG deposition/expression □abscence ■present (grade 2-3/4) IgM deposition/expression ■abscence □present

C3 deposition/expression □abscence ■present(grade 3/4) C4 deposition/expression ■abscence □present

C1q deposition/expression ■abscence □present C4d deposition/expression □abscence □present Fibrinogen insignificant ■abscence □present

30

4.2 特殊項目段落細項關鍵字詞自動擷取

由於特殊項目段落的檢驗細項非常多，由醫生列舉會非常繁瑣且耗費時間，

由於特殊項目段落的檢驗細項非常多，由醫生列舉會非常繁瑣且耗費時間，

在文檔中 醫療檢驗報告關鍵字擷取與結構化之研究 (頁 22-0)