基于ERNIE 2.0模型的肺结节病历结构化方法

来源：计算机应用与软件杂志2025年第2期北京时间：

作者：毛俊华, 钟臻, 陶书衡, 徐佳鼎, 马驰野

摘要：采用手工阅读分析肺结节病历的方式容易产生实体遗漏和提取特征效率低下问题。为方便医生做肺结节病历的研究，基于ERNIE 2.0模型，对肺结节病历中有医学研究价值的疾病、异常检测结果、直径等实体进行抽取，处理成结构化文本，便于医生进行相关检索、统计与研究。实验结果表明，该模型具有深度剖析知识增强语义能力，具有更丰富的语料库，相较于固定规则，可以理解相对复杂的语义，有一定的泛化性，效果提升显著，F1值可达94%，优于BiLSTM（Bidirectional Long-Short Term Memory）和BERT模型的结果。

关键词：病历结构化, 命名实体识别, ERNIE, 深度神经网络, 语义理解