---

背景介绍

在医学影像分析中，放射科医生需要从大量的影像报告中快速提取关键信息，如疾病名称、器官部位、影像特征、检查类型等。这一过程不仅耗时，还容易因人为疏忽导致信息遗漏或误判。随着人工智能技术的发展，自动化提取医学影像文本中的关键信息成为可能。

本文将介绍一个基于Python的命令行工具，名为“AI医学影像关键词提取助手”，它能够从用户输入的医学影像描述文本中提取出结构化的关键词列表。该工具结合了自然语言处理（NLP）中的关键词提取技术、正则表达式匹配以及简单的文本分类逻辑，旨在提升医学文本处理的效率和准确性。

---

思路分析

1. 功能目标

该工具的核心目标是：

• 从输入的医学影像文本中提取出关键信息；
• 将提取的信息分类为“疾病名称”、“器官部位”、“影像特征”、“检查类型”、“建议”等类别；
• 输出结构化的JSON格式结果，便于后续处理或训练AI模型。

2. 技术选型

• 编程语言：Python（因其丰富的NLP库和简洁的语法）；
• 关键词匹配：使用re模块（正则表达式）和预定义的医学关键词库（CSV格式）；
• 分类逻辑：采用简单的if-else结构进行分类；
• 数据结构：使用字典结构存储提取结果，最终输出为JSON格式。

3. 输入输出格式

• 输入：医学影像描述文本（字符串）；
• 输出：结构化的关键词字典，如：
  json
{
"疾病名称": ["肺部良性结节"],
"器官部位": ["右肺下叶"],
"影像特征": ["结节影", "边界欠清", "CT值约32HU"],
"检查类型": ["CT"],
"建议": ["定期随访"]
}

---

代码实现

1. 准备医学关键词库（CSV格式）

我们首先准备一个CSV文件，用于存储医学关键词。例如，medical_keywords.csv：

keyword,category
肺部良性结节,疾病名称
右肺下叶,器官部位
结节影,影像特征
边界欠清,影像特征
CT值约32HU,影像特征
CT,检查类型
定期随访,建议

2. Python实现代码

import re
import csv
import json

def load_keywords_from_csv(file_path):
    """
    从CSV文件中加载医学关键词及其分类
    """
    keywords = {}
    with open(file_path, 'r', encoding='utf-8') as f:
        reader = csv.DictReader(f)
        for row in reader:
            keyword = row['keyword']
            category = row['category']
            if category not in keywords:
                keywords[category] = []
            keywords[category].append(keyword)
    return keywords

def extract_keywords(text, keywords):
    """
    使用正则表达式和关键词库提取医学文本中的关键词
    """
    result = {
        "疾病名称": [],
        "器官部位": [],
        "影像特征": [],
        "检查类型": [],
        "建议": []
    }

    # 使用正则表达式匹配关键词
    for category, keyword_list in keywords.items():
        for keyword in keyword_list:
            # 使用正则表达式匹配关键词，不区分大小写
            pattern = re.compile(r'\b' + re.escape(keyword) + r'\b', re.IGNORECASE)
            matches = pattern.findall(text)
            for match in matches:
                result[category].append(match)

    # 简单的文本分类逻辑（可扩展）
    # 例如：提取“建议”类关键词
    if "建议" in text:
        result["建议"].append("定期随访")

    return result

def main():
    # 加载关键词库
    keywords = load_keywords_from_csv('medical_keywords.csv')

    # 示例输入文本
    input_text = "患者右肺下叶可见一结节影，大小约1.2cm×1.0cm，边界欠清，CT值约32HU，考虑为肺部良性结节，建议定期随访。"

    # 提取关键词
    extracted_keywords = extract_keywords(input_text, keywords)

    # 输出结果
    print(json.dumps(extracted_keywords, indent=2, ensure_ascii=False))

if __name__ == "__main__":
    main()

3. 代码说明

• load_keywords_from_csv：从CSV文件加载关键词及其分类；
• extract_keywords：使用正则表达式匹配关键词，并根据分类进行归类；
• main：主函数，执行关键词提取并输出结果。

4. 示例运行结果

运行上述代码后，输入示例文本，输出结果如下：

{
  "疾病名称": ["肺部良性结节"],
  "器官部位": ["右肺下叶"],
  "影像特征": ["结节影", "边界欠清", "CT值约32HU"],
  "检查类型": ["CT"],
  "建议": ["定期随访"]
}

---

总结

本文介绍了一个基于Python的“AI医学影像关键词提取助手”工具，通过结合正则表达式、关键词匹配和简单的文本分类逻辑，实现了对医学影像描述文本的结构化提取。该工具具有良好的扩展性，可以进一步集成NLP模型（如BERT）提升提取精度，或扩展为GUI版本，支持文件导入与导出功能。

未来，可以将该工具与医学影像系统（如PACS）集成，实现从影像到文本的自动分析与标注，为AI辅助诊断提供更高效的数据支持。

---

项目扩展建议

• 集成NLP模型（如spaCy、NLTK）进行更精准的实体识别；
• 支持从PDF或Word文件中提取文本；
• 添加图形界面（如使用Tkinter或PyQt）；
• 支持多语言医学文本处理；
• 与医疗数据库对接，实现关键词自动标注与存储。

---

如需进一步优化，欢迎在GitHub上进行代码扩展与协作。