CN119514536A 基于大语言模型的电子病历后结构化信息提取方法、电子设备及存储介质 （成都医星科技有限公司）

基于大语言模型的电子病历后结构化信息一种基于大语言模型的电子病历后结构化练/微调；所训练模型的应用是对微调后的电子从而提高了模型的输出效率、提升输出的正确2模型训练是通过大语言模型再训练的方法，对通用大语言模型进行步骤b中对所标注的电子病历数据的每个元素分别进行处理时，包含对所标注的电子病历数据的每个元素分别进行分类及依据元素的种类对所标注的电子病历数据的每个元模型应用是利用微调/训练获得的电子病历后结构化模型进行2.根据权利要求1所述的基于大语言模型的电子病历后结构化信息提取方法，其特征若所标注的电子病历的元素的内容长度大于等于预定值时，则若所标注的电子病历的元素的内容长度小于预定值时，则认定所述元素为常规元素，3.根据权利要求2所述的基于大语言模型的电子病历后结构化信息提取方法，其特征截取电子病历文本中优化元素所对应的原始内容文本中的前n个字符作为优化后内容截取电子病历文本中优化元素所对应的原始内容文本中的后n个字符作为优化后内容4.根据权利要求3所述的基于大语言模型的电子病历后结构化信息提取方法，其特征步骤c中依据步骤b中是否对元素将处理后的每个元素分别组织为一条或两条训练样若所述元素为优化元素，则所述元素具有两条训练样本数据，若所述元素为常规元素，则所述元素具有一条训练样本数据，5.根据权利要求1所述的基于大语言模型的电子病历后结构化信息提取方法，其特征3步骤02，根据所接收的电子病历文本所对应的类型配置步骤040，针对步骤020中的常规的提示词及步骤01步骤06，根据所接收的电子病历文本所对应的类型配若所接收的电子病历文本所对应的类型配置中存在下步骤07，对所接收的电子病历文本所对应的类型配置中6.根据权利要求5所述的基于大语言模型的电子病历后结构化信息提取方法，其特征步骤032，针对步骤031中优化的提示词及步骤01若针对优化的提示词的大语言模型的输出内容不符合要意一项所述的基于大语言模型的电子病历后结构被处理器运行时控制所述存储介质所在设备执行如权利要求1_6中任意一项所述的基于大4步骤b中对所标注的电子病历数据的每个元素分别进行处理时，包含对所标注的电子病历数据的每个元素分别进行分类及依据元素的种类对所标注的电子病历数据的每5所训练模型的应用是对训练/微调后的电子病历后结构化模型进行应[0007]若所标注的电子病历元素的内容长度小于预定值时，则6[0015]进一步地，步骤d中，可使用通用大语言模型，如阿里巴巴集团控股有限公司的据对基础模型做进一步的训练/微调，目前各种通用大语言模型的训练数据均为输入、输置信息识别较为困难，现有的超大参数量的大语言模型都很难直接给出准确的位置点信应用时使用优化方式输出异常的情况下的一种回归常规的处理方法。7若所接收的电子病历文本所对应的类型配置中不存在下一个元素，则执行步骤若输出内容包含省略号，则以第一个省略号拆分输出内容为第一部分和第二部[0021]进一步地，步骤034，针对优化的提示词的大语言模型的输出内容转换为正常取程序被处理器运行时控制所述存储介质所在设备执行所述的基于大语言模型的电子病历8[0035]模型训练是通过大语言模型再训练的方法以对电子病历后结构化进行训练模型文本进行截取处理时：截取电子病历文本中优化元素所对应的原始内容文本中的前n个字本中的后n个字符作为优化后内容文本中的第二部分。优化元素的优化后内容文本的格式9}{[0054]若有省略号，省略号前后两部分是否均为原始电子病历个元素迭代执行步骤030至步骤06。若所接收的电子病历文本所对应的类型配置中不存在{机程序