实验数据来源于CCKS 2019 发布的中文电子病历命名实体识别评测数据集，共包含1379例病历样本，每份病历包含原始文本和实体标注两个部分， 实体类型包括：手术，解剖部位，药物，疾病和诊断，影像检查，实验室检验。 数据集结构为： "originalText": "，患者3月前因“直肠癌”于在我院于全麻上行直肠癌根治术（DIXON术），手术过程顺利，术后给予抗感染及营养支持治疗，患者恢复好，切口愈合良好。，术后病理示：直肠腺癌（中低度分化），浸润溃疡型，面积3.5*2CM，侵达外膜。双端切线另送“近端”、“远端”及环周底部切除面未查见癌。肠壁一站（10个）、中间组（8个）淋巴结未查见癌。，免疫组化染色示：ERCC1弥漫（+）、TS少部分弱（+）、SYN（-）、CGA（-）。术后查无化疗禁忌后给予3周期化疗，，方案为：奥沙利铂150MG D1，亚叶酸钙0.3G+替加氟1.0G D2-D6，同时给与升白细胞、护肝、止吐、免疫增强治疗，患者副反应轻。院外期间患者一般情况好，无恶心，无腹痛腹胀胀不适，无现患者为行复查及化疗再次来院就诊，门诊以“直肠癌术后”收入院。 近期患者精神可，饮食可，大便正常，小便正常，近期体重无明显变化。" "entities": "label_type": "疾病和诊断" "overlap": 0 "start_pos": 8

支持任意改名字的EMRPAD30控件

TX Text Control ActiveX是一个字处理控件，能够读取，编写和创建行业标准的文档格式，如MS Word DOCX，DOC，RTF，HTML和XML，它还能够导出所有文档到打印就绪的Adobe PDF文档，而且不用第三方软件。TX Text Control ActiveX支持嵌套表格，文档块，图像，文本框，拖放，页头和页眉，项目符号和编号列表和MS Word兼容的邮件合并。典型的应用包括邮件合并，PDF创建，文档转换和所见即所得字处理。并且目前好多的医院结构化电子病历采用这个，实现效果非常好

C#源码-电子病历编辑器，完全可以购入到HIS系统中进行二次开发！

包括摘要，背景意义，论文结构安排，开发技术介绍，需求分析，可行性分析，功能分析，业务流程分析，数据库设计，er图，数据字典，数据流图，详细设计，系统截图，测试，总结，致谢，参考文献。

说明 本文档适用于HCEmrView的web版本(JavaScript)的接口说明，文中涉及的方法也适用于C#和Delphi开源版本。 HC编辑器是一个电子病历编辑器软件，提供病历书写、报告编写、表单填写业务场景的底层功能和业务支持。HC是High Convenience的缩写，意为快速、便捷；旨在提供一个功能完备、高效运行、便捷易用的病历编辑器。为满足电子病历评级和信息化建设的需求，HC编辑器将作者2009年至今电子病历系统和编辑器的开发经验完全发挥和体现，使HC编辑器天生就带有电子病历的血统。 HC编辑器目前一共有4种开发语言的代码，适合各种技术和语言的系统原生集成，可避免通过dll或ocx交互。  .net(C#)支持.net4.0及以上  Delphi(Pascal)支持D2010及以上  Html5(JavaScript)支持IE11、支持xp系统  QT(C++)跨平台运行，支持国产操作系统 Html5和QT版本有偿使用，请加入QQ群 649023932联系群主 .net和Delphi版本为开源项目，源码和demo见

查看智业电子病历的病历内容，内附调用方式及工具，xml文件中修改ip地址

包含以下包 emr_后台维护.rar emr_病历书写.rar emr_病历质控.rar

（1）用户管理模块：员工登入，密码修改。 （2）病人管理模块：病人基本信息的录入 。 （3）病历管理模块：病人病历的录入，述过往病史的查询，检验结果录入、修改、删除等操作。 （4）药品管理模块：药品信息。……

4.1 电子病历实体关系抽取任务 电子病历命名实体关系抽取主要研究从电子病 历中抽取疾病、症状、检查和治疗这几类实体间的 关系. 这些实体关系体现了患者健康状况信息和针 对患者的医疗处置措施, 也体现了医生的专业知识. 如下面的例子: 1) 头 CT 检查显示腔隙性脑梗死 (检查 “头 CT” 证实了疾病 “腔隙性脑梗死”); 2) 患者彩超结果汇报轻度脂肪肝、慢性胆囊炎, 给予饮食指导, 继续治疗方案 (“彩超” 证实了 “轻度 脂肪肝” 和 “慢性胆囊炎”, “饮食指导” 施加于 “轻 度脂肪肝” 和 “慢性胆囊炎”). 电子病历实体关系抽取任务在命名实体识别基 础上展开, 对病历文本中同一个语句中的两个命名 实体赋予预定义的关系类型, 因而该任务转化为分 类问题, 通常采用基于机器学习的方法实现, 评价指 标采用精确度、召回率和 F 值. 目前电子病历实体 关系只限于一个句子范围内两个实体之间的关系. Uzuner 首先对医疗实体关系抽取进行了开创 性的研究, 详细定义了六大类医疗实体关系: 当前疾 病和治疗的关系、可能的疾病和治疗的关系、疾病 (包括当前的和可能的) 和检查的关系、疾病和症状 的关系、当前症状和治疗的关系、可能的症状和治 疗的关系[3]. 如果已经定义了修饰识别任务, 实现了 疾病和症状的修饰识别, 那么在关系抽取时, 可以不 考虑修饰的影响, 直接抽取实体间的关系, 然后借助 实体的修饰, 可以得到文献 [3] 定义的上述各类关 系. 所以, 在 I2B2 2010 评测中, 实体关系的定义没 有考虑修饰的因素. I2B2 2010 首次对电子病历命 名实体关系进行了系统的分类[12], 这些关系包括医 疗问题和医疗问题之间的关系、医疗问题和检查之 间的关系、医疗问题和治疗之间的关系. 这三类关系 以医疗问题为中心, 反映了电子病历面向医疗问题 的信息组织方式. 这三类关系只限于一个句子范围 内两个实体之间的关系. 表 5 详细列出了医疗问题、 检查和治疗这三类实体间的关系. 针对中文电子病历特点, 医疗问题被拆分为疾 病和症状,那么在定义实体关系时,也应作相应调整. 主要体现在两方面: 1) 医疗问题和治疗 (或检查) 的 关系转变为疾病和治疗的关系以及症状与治疗的 关系, 医疗问题和检查的关系也转变为疾病和检查 的关系以及症状和检查的关系; 2) 医疗问题之间的 关系替换为疾病和症状的关系 (疾病导致了症状)、 疾病和疾病的关系 (疾病导致了另一个疾病)、症状 和症状的关系 (症状伴随另一个症状). 自动抽取这几类实体间的关系可以构造患者健 康状况的简明摘要, 医生可以预先快速浏览病人的 信息, 后续再关注特定的细节. 除了可以用作医疗研 表 4 疾病和症状的修饰识别方法总结 Table 4 Summarization of methods for assertion classification 作者 方法 用到的资源 数据 评价 (F 值) Chapman 等[13] (NegEx) 规则 正则表达式规则 出院小结 0.853 Mutalik 等[105] (Negfinder) 规则 正则表达式规则、句法规则 自建语料 0.965 Sohn 等[106] (DepNeg) 规则 依存规则 I2B2 2010 评测数据 0.838 Harkema 等[107] (ConText) 规则 正则表达式规则、触发词 6 种类型的病历文本 0.76∼ 0.93 Uzuner 等[108] SVM / 三个机构的病历 0.35∼ 0.98 Grouin 等[110] SVM NegEx I2B2 2010 评测数据 0.931 Jiang 等[97] SVM MedLEE I2B2 2010 评测数据 0.931 de Bruijn 等[99] SVM cTAKES I2B2 2010 评测数据 0.936 Clark 等[111] CRF、最大熵 语义分类词典、状态规则 I2B2 2010 评测数据 0.934