(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211116144.4 (22)申请日 2022.09.14 (71)申请人 山东众阳健康科技 集团有限公司 地址 250000 山东省济南市高新区新 泺大 街1166号奥盛大厦一 号楼12层 (72)发明人 桑波　王文谦　靳恩朝　张述睿　 王建坤　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 于凤洋 (51)Int.Cl. G06F 21/62(2013.01) G06F 40/289(2020.01) G06F 40/295(2020.01) G06F 40/242(2020.01)G16H 10/60(2018.01) G06N 5/04(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于FLAT的电子病历数据脱敏方法及 系统 (57)摘要 本发明提出了一种基于FLAT的电子病历数 据脱敏方法及系统， 涉及数据脱敏技术领域， 收 集电子病历文本数据， 对文本数据进行数据泛化 和知识嵌入处理， 得到文字片段序列样本集； 用 文字片段序列 样本集对基于 FLAT和CRF构建的实 体识别模型进行训练； 将待脱敏的电子病历文 本， 输入到训练好的实体识别模型中， 得到电子 病历的敏感实体和实体种类； 根据实体种类， 对 敏感实体进行具体的脱敏处理； 采用以FLAT ‑CRF 模型为主的实体识别方案， 针对已标注的实体采 用同类实体随机替换的泛化方式进行数据增强， 在其字向量和词向量中同时添加实体的表示来 做信息嵌入， 对识别出来的实体进行分类脱 敏处 理， 提高数据脱敏的准确率和推理速度。 权利要求书2页 说明书9页 附图2页 CN 115438379 A 2022.12.06 CN 115438379 A 1.一种基于FLAT的电子病历数据脱敏 方法， 其特 征在于， 包括： 收集电子病历文本数据， 对文本数据进行数据泛化和知识嵌入处理， 得到文字片段序 列样本集； 用文字片段序列样本集对基于FLAT和CRF构建的实体识别模型进行训练； 将待脱敏的 电子病历文本， 输入到训练好的实体识别模型中进行推理， 得到电子病历 的敏感实体和实体种类； 根据实体种类， 对敏感实体进行 具体的脱敏处 理。 2.如权利要求1所述的一种基于FLAT的电子病历数据脱敏方法， 其特征在于， 所述文字 片段， 是字、 词的统称。 3.如权利要求1所述的一种基于FLAT的电子病历数据脱敏方法， 其特征在于， 得到样本 集的具体步骤为： 根据特殊字符、 标点符号、 设定的句子最大长度， 对文本进行分句； 人工标注句子中的实体及实体 类型， 根据实体 类型， 对标注的实体进行 数据泛化处 理； 构建添加姓氏、 地址的知识嵌入表示的字向量和词向量； 对截取后的句子进行分词， 得到每个句子的文字片段序列， 文字片段和文字片段的位 置信息一 起构成模型需要的Flat ‑lattice数据结构单 元。 将文字片段序列中的字和词进行字向量化和词向量化， 得到每个句子文字片段序列矩 阵； 构建文字片段序列矩阵的相对位置编码矩阵。 4.如权利要求3所述的一种基于FLAT的电子病历数据脱敏方法， 其特征在于， 所述数据 泛化， 包括 姓名的姓氏泛化、 地址、 机构名称泛化和日期泛化。 5.如权利要求3所述的一种基于FLAT的电子病历数据脱敏方法， 其特征在于， 所述构建 添加姓氏、 地址的知识嵌入表示的字向量和词向量， 具体为： 根据社会学 科类的字向量词典和词向量词典， 构建字向量和词向量； 在构建的字向量和词向量中添加姓氏、 地址的知识嵌入表示。 6.如权利要求3所述的一种基于FLAT的电子病历数据脱敏方法， 其特征在于， 所述相对 位置编码矩阵， 由文字片段序列矩阵中两两文字片段的相对位置编码组成， 所述相对位置 编码的计算方法为： 使用稠密向量模拟两个不同文字片段之间的相对位置关系， 得到头头、 头尾、 尾头、 尾 尾之间的四个距离； 对四个距离拼接后进行非线性变换， 得到文字片段序列的相对位置编码。 7.如权利要求1所述的一种基于FLAT的电子病历数据脱敏方法， 其特征在于， 所述实体 识别模型， 包括多头自注意力层、 前馈网络层和CRF层， 具体步骤为： 在多头自注意力层， 对文字片段序列矩阵和对应的相对位置编码矩阵， 进行多注意力 的位置编码； 基于位置编码， 对文字片段矩阵进行多头自注意力机制计算； 在前馈网络层， 进行残差连接及归一 化， 得到文字片段编码表示； 在CRF层， 计算文字片段的最高得分， 得 出实体标签。 8.一种基于FLAT的电子病历数据脱敏系统， 其特征在于， 包括样本集构建模块、 模型训 练模块、 实体识别模块和脱敏处 理模块；权　利　要　求　书 1/2 页 2 CN 115438379 A 2样本集构建模块， 被配置为： 收集电子病历文本数据， 对文本数据进行数据泛化和知识 嵌入处理， 得到文字片段序列样本集； 模型训练模块， 被配置为： 用文字片段序列样本集对基于FLAT和CRF构 建的实体识别 模 型进行训练； 实体识别模块， 被配置为： 将待脱敏的电子病历文本， 输入到训练好的实体识别模型中 进行推理， 得到电子病历的敏感实体和实体种类； 脱敏处理模块， 被 配置为： 根据实体种类， 对敏感实体进行 具体的脱敏处 理。 9.计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实现如 权利要求1 ‑7任一项所述的一种基于FLAT的电子病历数据脱敏 方法中的步骤。 10.电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程序， 其 特征在于， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的一种基于FLAT的 电子病历数据脱敏 方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115438379 A 3