基于Lucene檢索引擎的電子病歷全文檢索系統(tǒng)

申請免費試用、咨詢電話：400-8352-114

1 前言
        隨著醫(yī)院信息化建設(shè)的進行，電子病歷作為臨床醫(yī)療信息的基礎(chǔ)和醫(yī)院信息系統(tǒng)的核心構(gòu)成了業(yè)務(wù)管理、醫(yī)療衛(wèi)生決策系統(tǒng)的基礎(chǔ)6但國內(nèi)目前各大醫(yī)院通常并不把電子病歷管理視為一個獨立的單元， 電子病歷管理系統(tǒng)一般都是作為醫(yī)院信息系統(tǒng)的一個模塊存在。目前，對于病歷信息的查詢?yōu)g覽也只能通過查詢患者的一些結(jié)構(gòu)化的數(shù)據(jù)庫信息得到該患者的ID號，然后通過病歷的存儲規(guī)則來找到相應(yīng)的病歷。每次得到的信息都是個別的，而且無法實現(xiàn)全文檢索．存在于病歷文本中的大量非結(jié)構(gòu)化的信息不能作為檢索條件，因而這些信息也不能為醫(yī)療工作者所利用。因此． 目前電子病歷管理系統(tǒng)的檢索查詢機制迫切需要向滿足醫(yī)生需求、科研輔助和采用全文檢索的方向轉(zhuǎn)變，為以后電子病歷管理正式成為醫(yī)院管理的一個獨立分支打下良好的基礎(chǔ)?；诖?，我們提出了基于Lucene檢索引擎建立電子病歷全文檢索系統(tǒng)，它以基于關(guān)鍵字的全文檢索技術(shù)為基礎(chǔ)．能夠提供方便快捷的方式為臨床醫(yī)療、醫(yī)學(xué)科研工作及病歷管理提供支持。 

2 電子病歷的前期預(yù)處理
      病歷是患者在醫(yī)院診斷治療全過程的原始記錄，貫穿于患者在醫(yī)院就診的各個環(huán)節(jié)中。由于目前病歷信息的電子化大都附屬于傳統(tǒng)的HIS系統(tǒng)，但HIS系統(tǒng)并不等于電子病歷系統(tǒng)。因為從電子病歷的角度看患者信息應(yīng)該是完整的、集成的．電子病歷系統(tǒng)應(yīng)該能夠以統(tǒng)一的視圖向用戶提供患者的繼承信息；而從傳統(tǒng)的HIS每個子系統(tǒng)來看，患者信息卻是局部的、分散的。所以要對電子病歷進行全文檢索，首先要建立一個規(guī)范的、合乎要求的電子病歷描述模型，將分散于HIS系統(tǒng)中的電子病歷信息讀出并轉(zhuǎn)換為統(tǒng)一形式的文件存儲于電子病歷庫中。XML(eXtensible Markup Language，即擴展標(biāo)記語言)就是建立并實現(xiàn)該模型的一個有效手段。

        XML是一種結(jié)構(gòu)化描述語言。其優(yōu)勢在于，它不僅是一種標(biāo)識語言，更是一種可以定義描述對象結(jié)構(gòu)的元語言。XML采用了層次化的面向?qū)ο蟮慕Y(jié)構(gòu)描述方法．非常適合于描述病歷這樣復(fù)雜的內(nèi)容．在表達能力方面優(yōu)于關(guān)系數(shù)據(jù)庫。

        使用XML描述病歷內(nèi)容，要先定義病歷內(nèi)容的結(jié)構(gòu)。在此基礎(chǔ)上實現(xiàn)以數(shù)據(jù)庫形式存儲的患者信息到病歷結(jié)構(gòu)的轉(zhuǎn)換，從而實現(xiàn)由以支持日常業(yè)務(wù)管理為目的的數(shù)據(jù)庫描述到以患者為中心的描述。形成的XML文件是病歷存儲管理的基本單位。

3 全文檢索引擎Lucene簡介
        Lucene是Apache軟件基金會Jakarta項目組的一個子項目，是一個開放源代碼的全文檢索引擎工具包，作為一個優(yōu)秀的全文檢索引擎，其系統(tǒng)結(jié)構(gòu)具有強烈的面向?qū)ο筇卣?。首先是定義了一個與平臺無關(guān)的索引文件格式；其次通過抽象將系統(tǒng)的核心組成部分設(shè)計為抽象類．具體的平臺實現(xiàn)部分設(shè)計為抽象類的實現(xiàn)；此外，與具體平臺相關(guān)的部分(比如文件存儲)也封裝為類，經(jīng)過層層的面向?qū)ο笫降奶幚恚罱K達成了一個低耦合高效率、容易二次開發(fā)的檢索引擎系統(tǒng)。因此．Lucene得到了非常廣泛的應(yīng)用。
4 系統(tǒng)的設(shè)計與實現(xiàn)

4．1 平臺和開發(fā)環(huán)境簡介
        本系統(tǒng)的平臺和開發(fā)環(huán)境為：操作系統(tǒng)：Windows NT／2O00／XP；開發(fā)語言：Java，JSP；全文檢索開發(fā)庫：Apache Lucene 2．2；Web服務(wù)器：ApacheTomcat 6．0：開發(fā)工具：IBM Eclipse 3．2．0。
4．2 總體架構(gòu)
     不電子病歷全文檢索系統(tǒng)主要實現(xiàn)對電子病歷的表示、存儲、組織和訪問，即根據(jù)用戶的查詢要求，從電子病歷庫中檢索出相關(guān)信息資料。其中心環(huán)節(jié)是電子病歷內(nèi)容的表達、信息查詢的獲得以及相關(guān)信息的匹配。整個系統(tǒng)設(shè)計為4個功能模塊：數(shù)據(jù)預(yù)處理模塊、索引建立模塊、全文檢索模塊和用戶界面模塊。各個模塊的基本功能和模塊之間的邏輯和數(shù)據(jù)關(guān)系如圖1所示。

依圖l中的序號，整個系統(tǒng)的信息處理流程為：
        A．?dāng)?shù)據(jù)預(yù)處理模塊讀入電子病歷的原始數(shù)據(jù)(一般以數(shù)據(jù)庫表的形式儲存在HIS系統(tǒng)中)，將原始電子病歷加工為XML文件．然后儲存于XML電子病歷庫中；
       B．索引建立模塊讀入XML電子病歷庫中儲存的XML文件．把建立好的全文索引儲存于全文索引庫中；
        C．用戶通過用戶界面模塊提出檢索請求，用戶界面模塊調(diào)用全文檢索模塊使用電子病歷的全文索引進行檢索，將得到的檢索結(jié)果返回給用戶；
        D．用戶查看了檢索結(jié)果中電子病歷的摘要后如果需要進一步查看電子病歷的全文，可以通過用戶界面模塊直接根據(jù)檢索結(jié)果中的文檔ID從XML電子病歷庫中獲取全文。
5 系統(tǒng)測試和評價
5，1 測試環(huán)境

(1)軟件環(huán)境
測試環(huán)境采用Sun公司的JDK1．5．0，操作系統(tǒng)采用的是微軟的Windows XP SP2。數(shù)據(jù)庫服務(wù)器采用的是Oracle8i及其自帶的JDBC驅(qū)動。
(2)硬件環(huán)境
運行服務(wù)器采用的CPU為Inter Pentium 3．0E，內(nèi)存2 GB．硬盤160GB。
5．2 測試結(jié)果
測試過程中一共選取了3個和疾病癥狀有關(guān)的關(guān)鍵詞“肥胖”、“腹痛”和“惡心”作為測試檢索條件數(shù)據(jù)，測試結(jié)果經(jīng)過進一步分析計算后可以得到的數(shù)據(jù)見表1。

注：P@30指前30個檢索結(jié)果中符合條件的文檔數(shù)
由于測試數(shù)據(jù)集過大(共約26 000多篇)，很難通過人工方式確定全部文檔集中符合條件的文檔數(shù)，所以無法有效地計算查全率；檢索出的命中文檔數(shù)量也比較多，但和搜索引擎一樣，通常只有“First Page”的結(jié)果會被用戶關(guān)注，因此我們計算的查準(zhǔn)率只基于前30個檢索結(jié)果。通過上表可以看出，本系統(tǒng)的查準(zhǔn)率較高，基本達到了系統(tǒng)設(shè)計的性能要求。
6 小結(jié)
從測試結(jié)果可以看出系統(tǒng)滿足設(shè)計要求，符合功能需要。但是僅僅基于關(guān)鍵字檢索顯然是不夠的，下一步要實現(xiàn)“智能”全文檢索還需要對系統(tǒng)進行基于語義的檢索功能擴展，使檢索結(jié)果不僅僅滿足于與用戶提交的關(guān)鍵字進行字面上的匹配。而是檢索出與此概念有關(guān)的、用戶真正想要的信息，以進一步提高查全率[31。
【參考文獻】
【1] 1 王曉，羅二平，張健．基于語義的電子病歷智能全文檢索叨．醫(yī)療衛(wèi)生裝備，2008，29(4)：45-46．
【2 】薛萬國．XML與電子病歷m．國外醫(yī)學(xué)：醫(yī)院管理分冊，2002(1)：33—34．
[3] 高少琛．基于查詢拓展和聚類技術(shù)的資源檢索系統(tǒng)的研究與應(yīng)用[D1．上海：上海交通大學(xué)碩士學(xué)位論文，2007：10一11．