Mondeca                                              hacene.cherfi@mondeca.com                                            ...
Partenaires industrielsIntégrateurMoteur de rechercheAnalyse linguistiqueHacène Cherfi - Cas d’application - enrichissemen...
Partenaires médicauxINSERMLERTIMCiSMeFHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir...
Ecran d’accueil du prototypeHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connai...
Objectifs•     Cinq exigences      1. Extraire des connaissances à partir de documents médicaux plus ou moins         stru...
Schéma général             ITM                                                                                     SDK    ...
Plan           Base de connaissances (BC) médicale           Utilisation de la BC dans le prototype           Règles d’ind...
Nombre de termes dans BC• Termes concepts médicaux (30 806)      – Médicaments (5 513)      – Etats pathologiques (5 092) ...
Etats pathologiquesHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances m...
Actes médicauxHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
TraitementsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
Autres termes médicaux #1
Autres termes médicaux #2Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissa...
Facteurs sociauxHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
relationsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
Exemple d’utilisation d’une relationHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir d...
Mise à jour de la base de connaissances                                                                                   ...
Schéma général             ITM                                                                                     SDK    ...
Plan           Base de connaissances (BC) médicale           Utilisation de la BC dans le prototype           Règles d’ind...
AnnotationsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
Utilisation de la BC dans le prototype                              Trois grandes classificationsHacène Cherfi - Cas d’app...
BC dans le prototype• Vue hiérarchique   – 12 documents pour     « Abcès de foie »   – 9 documents pour     « Choc septiqu...
Utilisation de la BC dans le prototypeHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir...
Plan           Base de connaissances médicale           Utilisation de la BC dans le prototype           Règles d’indexati...
Règles d’indexation en SPARQLR1 : Conserver la pathologie la plus préciseSi deux concepts A et B sont présents dans un doc...
Règles d’indexation en SPARQLR1 : Conserver la pathologie la plus préciseSi deux concepts A et B sont présents dans un doc...
Plan           Base de connaissances médicale           Utilisation de la BC dans le prototype           Règles d’indexati...
Conclusion• Référentiels métier      – Base de connaissances  Organiser des vues du données      – Règles d’indexation  ...
Questions ?  info@mondeca.com
Prochain SlideShare
Chargement dans…5
×

Enrichissement des moteurs de recherche: example

980 vues

Publié le

formation, description d'un cas d'usage dans le domaine medical

Publié dans : Technologie
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
980
Sur SlideShare
0
Issues des intégrations
0
Intégrations
1
Actions
Partages
0
Téléchargements
0
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Enrichissement des moteurs de recherche: example

  1. 1. Mondeca hacene.cherfi@mondeca.com 26/10/2011Enrichissement des moteurs de recherche à partir de connaissances métier LERUDI : consultation du dossier patient en situation d’urgence
  2. 2. Partenaires industrielsIntégrateurMoteur de rechercheAnalyse linguistiqueHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  3. 3. Partenaires médicauxINSERMLERTIMCiSMeFHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  4. 4. Ecran d’accueil du prototypeHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  5. 5. Objectifs• Cinq exigences 1. Extraire des connaissances à partir de documents médicaux plus ou moins structurés ; 2. Extraire les informations en quelques secondes et permettre d’effectuer des requêtes complémentaires pour explorer le contenu du dossier ; 3. Extraire uniquement des informations exactes (éviter les contresens) ; 4. Minimiser le silence : ne pas oublier une information importante pour l’urgentiste ; 5. Minimiser le bruit : ne pas « noyer » l’urgentiste avec des informations exactes, mais non déterminantes.• Amélioration de l’accès au dossier médical patient – Base de connaissances médicale ; – Règles d’indexation des documents médicaux ; – Interface efficace de visualisation.Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  6. 6. Schéma général ITM SDK Terminologies + hiérarchies Index AFS Graphe + Règles d’indexationHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  7. 7. Plan Base de connaissances (BC) médicale Utilisation de la BC dans le prototype Règles d’indexation DémoHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  8. 8. Nombre de termes dans BC• Termes concepts médicaux (30 806) – Médicaments (5 513) – Etats pathologiques (5 092) – Actes médicaux (3 146) – Divers (~ 150)• Termes relations (59) – Sujet : abcès mésentérique – Prédicat : « est une maladie de la spécialité médicale » – Objet : chirurgieHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  9. 9. Etats pathologiquesHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  10. 10. Actes médicauxHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  11. 11. TraitementsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  12. 12. Autres termes médicaux #1
  13. 13. Autres termes médicaux #2Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  14. 14. Facteurs sociauxHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  15. 15. relationsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  16. 16. Exemple d’utilisation d’une relationHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  17. 17. Mise à jour de la base de connaissances Non lié : – RéanimationHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  18. 18. Schéma général ITM SDK Terminologies + hiérarchies Index AFS Graphe + Règles d’indexationHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  19. 19. Plan Base de connaissances (BC) médicale Utilisation de la BC dans le prototype Règles d’indexation DémoHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  20. 20. AnnotationsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  21. 21. Utilisation de la BC dans le prototype Trois grandes classificationsHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  22. 22. BC dans le prototype• Vue hiérarchique – 12 documents pour « Abcès de foie » – 9 documents pour « Choc septique » – …
  23. 23. Utilisation de la BC dans le prototypeHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  24. 24. Plan Base de connaissances médicale Utilisation de la BC dans le prototype Règles d’indexation DémoHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  25. 25. Règles d’indexation en SPARQLR1 : Conserver la pathologie la plus préciseSi deux concepts A et B sont présents dans un document.A et B sont tous deux fils du concept « Etat pathologique ».B est lui-même fils de A.B a la propriété « Concept terminologique » à vrai)alors (seul B est marqué avec la propriété « Instance importante »). Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  26. 26. Règles d’indexation en SPARQLR1 : Conserver la pathologie la plus préciseSi deux concepts A et B sont présents dans un document.A et B sont tous deux fils du concept « Etat pathologique ».B est lui-même fils de A.B a la propriété « Concept terminologique » à vrai)alors (seul B est marqué avec la propriété « Instance importante »).R2 : Ne pas conserver une annotation quand le concept est précédé de « absence de » ou dune expression équivalenteSi une Instance a une propriété « a Patron » qui la lie à la classe « Absence de »,alors linstance ne doit pas être marquée avec la propriété « Instance importante ».Hacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  27. 27. Plan Base de connaissances médicale Utilisation de la BC dans le prototype Règles d’indexation DémoHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  28. 28. Conclusion• Référentiels métier – Base de connaissances  Organiser des vues du données – Règles d’indexation  Hiérarchiser par niveaux de granularité – Portail sémantique  Visibilité améliorée• Tout cela est difficile à réaliser sur un portail / moteur de recherche / analyseur fondé sur une indexation / traitement classiqueHacène Cherfi - Cas d’application - enrichissement des moteurs de recherche à partir de connaissances métier
  29. 29. Questions ? info@mondeca.com

×