34、欧洲临床案例语料库与术语概念系统提取技术

欧洲临床案例语料库与术语概念系统提取技术

1. 欧洲临床案例语料库（E3C）

E3C项目旨在推动医学应用的先进信息提取技术发展，构建了一个包含五种语言注释临床案例的大型语料库，该语料库可在ELG平台上获取。

1.1 数据处理与标注

在相关文档提取过程中，存储了对应的元数据以实现准确记录。对于时间信息的标注，采用了经过调整的THYME注释指南。时间信息涵盖文本中的事件、时间参考和关系。为对其进行编码，定义了以下标签和关系类型：
- 事件（EVENT） ：与患者临床时间线相关的事件或状态。
- 时间表达（TIMEX3） ：指时间点和时间间隔。
- 时间关系（TLINK） ：用于按时间顺序排列事件和时间表达。
- 体貌关系（ALINK） ：在体貌事件与其从属的非体貌事件之间建立。
- 参与者（ACTOR） ：文本中提及的人（或动物）。
- 身体部位（BODYPART） ：大于细胞的身体部分。
- 结果、测量和实验室测试结果（RML） ：实验室测试和分析结果、公式化测量值。

临床实体的标注主要基于SEMEVAL 2015任务14“临床文本分析”和ASSESS CT指南。第1层标注完全手动完成，第2层则使用远程监督方法，将临床实体与UMLS中的疾病概念进行匹配实现自动标注。

1.2 语料库分层结构

<