定义医学文献信息提取的输出形式：JSON与表格化模式

音速之向晚。

已于 2024-06-23 03:37:25 修改

阅读量798

点赞数 8

文章标签：自然语言处理语言模型机器学习数据挖掘

于 2024-06-22 17:18:59 首次发布

本文链接：https://blog.csdn.net/weixin_74001650/article/details/139885181

版权

前言

为了规范多个模型的输出样式，在接入前后端系统后更方便表格化处理，我们需要定义一种标准的输出形式。在初期的数据处理和表格化展示过程中遇到了一些阻力，但通过使用组员by设计的新的BRAT的conf文件表示形式，该文件引入了event链接entity的方式来处理outcome和对应数值的关系，我重新标注了部分数据集，使输出的ann文件内更有逻辑。在此基础上，我区分了固定数据和可变数据，在此基础上设定了组内多个模型通用的json串格式作为模型的输出格式和前后端传送的格式，使得最终的json格式可以直接生成期望的数据表格。

固定数据与可变数据

固定数据：固定数据的关系更独立，例如total-participants一篇文章只有一个，且不与任何数据有关系，所以单独一列就可以表示。固定数据通常包括总参与者数、干预组参与者数、对照组参与者数等。这些数据在每篇文章中通常只出现一次，因此可以作为单独的字段来处理。

可变数据：可变数据通常是结果（outcome）和它对应的一些数值型参数，因为文章可能存在多组outcome-参数对，所以要采用可变数组来存储数据。可变数据包括不同的结果测量及其相关参数（如iv-bin-abs、cv-bin-abs等），这些数据在一篇文章中可能会多次出现，因此需要灵活的结构来存储。

JSON格式

固定数据与可变数据的JSON格式：以下是一个包含固定数据和可变数据的JSON示例：

{
"fixed_data": {
"total-participants": "60",
"intervention-participants": "30",
"control-participants": "30",
"age": "45-65",
"eligibility": "patients with hypertension",
"condition": "Hypertension",
"location": "USA",
"ethnicity": "diverse",
"intervention": "lifestyle modification",
"control": "usual care",
"outcome-measure": "blood pressure",
"conclusion": "Significant improvement in blood pressure"
},
"variable_data": [
{
"outcome": "blood pressure",
"iv-bin-abs": "120/80",
"cv-bin-abs": "130/85",
"iv-bin-percent": "",
"cv-bin-percent": "",
"iv-cont-mean": "115/75",
"cv-cont-mean": "125/80",
"iv-cont-median": "",
"cv-cont-median": "",
"iv-cont-sd": "",
"cv-cont-sd": ""
},
{
"outcome": "heart rate",
"iv-bin-abs": "70",
"cv-bin-abs": "75",
"iv-bin-percent": "",
"cv-bin-percent": "",
"iv-cont-mean": "68",
"cv-cont-mean": "72",
"iv-cont-median": "",
"cv-cont-median": "",
"iv-cont-sd": "",
"cv-cont-sd": ""
}
]
}