智能匹配算法设计文档.md 9.6 KB
智能匹配算法设计文档
🎯 算法目标
实现检查项目名称的智能匹配，能够处理：
- 空格差异："CT 上腹部平扫" vs "CT上腹部平扫"
- 词序不同："CT 上腹部平扫" vs "上腹部CT平扫"
- 同义词识别："头部" vs "颅脑"
- 简写/缩写："MR" vs "MRI"
📐 算法设计
核心思想
将检查项目名称分解为三个维度：
- 模态（Modality）：CT、MR、DR等
- 身体部位（Body Part）：头、胸、腹、四肢等
- 扫描方式（Scan Method）：平扫、增强、造影等
然后针对每个维度分别计算相似度，最后加权汇总。
算法流程
输入："CT 上腹部平扫"
↓
【步骤1】规范化处理
- 去除多余空格
- 提取模态：CT
- 提取扫描方式：平扫
- 提取身体部位：上腹部
- 提取关键词：{C, T, 上, 腹, 部, 平扫, 上腹, 腹部}
↓
【步骤2】维度匹配
- 模态匹配：CT == CT → 0.3分
- 扫描方式：平扫 == 平扫 → 0.2分
- 身体部位相似度计算
- 关键词重合度计算
↓
【步骤3】相似度计算
总分 = 0.3(模态) + 0.2(扫描) + 0.3(部位) + 0.2(关键词)
= 0.3 + 0.2 + 0.3*部位相似度 + 0.2*关键词重合度
↓
【步骤4】阈值判断
if (总分 >= 0.7) → 匹配成功 ✅
else → 匹配失败 ❌
相似度计算公式
相似度 = 0.3 × 模态匹配得分
+ 0.2 × 扫描方式匹配得分
+ 0.3 × 身体部位相似度
+ 0.2 × 关键词重合度
1. 模态匹配（权重0.3）
if (modality1.equals(modality2)) {
return 0.3; // 完全匹配
} else {
return -0.5; // 不匹配，大幅降低分数
}
示例：
- CT vs CT → 0.3 ✅
- CT vs MR → -0.5 ❌
2. 扫描方式匹配（权重0.2）
if (scanMethod1.equals(scanMethod2)) {
return 0.2;
}
示例：
- 平扫 vs 平扫 → 0.2 ✅
- 平扫 vs 增强 → 0.0
- 增强 vs CTA → 0.0（不同但相关，可优化）
3. 身体部位相似度（权重0.3）
使用多种算法计算：
a. 精确匹配
if (part1.equals(part2)) {
return 1.0;
}
b. 同义词匹配
// 同义词映射
{"头", "颅", "脑", "头部"} // 返回 0.9
{"胸", "胸部", "肺"} // 返回 0.9
{"腹", "腹部", "上腹"} // 返回 0.9
c. 包含关系
if (part1.contains(part2) || part2.contains(part1)) {
return 0.8;
}
d. 编辑距离（Levenshtein Distance）
distance = "上腹" vs "上腹部" → 1
maxLen = 3
similarity = 1 - 1/3 = 0.67
4. 关键词重合度（权重0.2）
使用Jaccard相似系数：
交集 / 并集
示例：
关键词1 = {C, T, 上, 腹, 平扫}
关键词2 = {C, T, 上, 腹部, 平}
交集 = {C, T, 上} → 3个
并集 = {C, T, 上, 腹, 平扫, 腹部, 平} → 7个
相似度 = 3/7 = 0.43
匹配示例
示例1：空格差异
目标："CT 上腹部平扫"
候选："CT上腹部平扫"
规范化：
目标 → CT+上腹部+平扫
候选 → CT+上腹部+平扫
维度匹配：
模态：CT == CT → 0.3
扫描：平扫 == 平扫 → 0.2
部位：上腹部 == 上腹部 → 0.3
关键词：完全重合 → 0.2
总分：0.3 + 0.2 + 0.3 + 0.2 = 1.0 ✅
示例2：词序不同
目标："CT 上腹部平扫"
候选："上腹部CT平扫"
规范化：
目标 → {模态:CT, 部位:上腹部, 扫描:平扫}
候选 → {模态:CT, 部位:上腹部, 扫描:平扫}
维度匹配：
模态：CT == CT → 0.3
扫描：平扫 == 平扫 → 0.2
部位：上腹部 == 上腹部 → 0.3
关键词：{C,T,上,腹,平扫} vs {上,腹,C,T,平扫} → 0.2
总分：0.3 + 0.2 + 0.3 + 0.2 = 1.0 ✅
示例3：同义词
目标："CT 上腹部平扫"
候选："CT 腹部平扫"
规范化：
目标 → {模态:CT, 部位:上腹部, 扫描:平扫}
候选 → {模态:CT, 部位:腹部, 扫描:平扫}
维度匹配：
模态：CT == CT → 0.3
扫描：平扫 == 平扫 → 0.2
部位：上腹部 ⊂ 腹部（包含关系）→ 0.3 × 0.8 = 0.24
关键词：部分重合 → 0.2 × 0.7 = 0.14
总分：0.3 + 0.2 + 0.24 + 0.14 = 0.88 ✅
示例4：完全不匹配
目标："CT 上腹部平扫"
候选："MR 头部增强"
规范化：
目标 → {模态:CT, 部位:上腹部, 扫描:平扫}
候选 → {模态:MR, 部位:头部, 扫描:增强}
维度匹配：
模态：CT != MR → -0.5
扫描：平扫 != 增强 → 0.0
部位：上腹部 != 头部 → 0.0
关键词：无重合 → 0.0
总分：-0.5 + 0.0 + 0.0 + 0.0 = -0.5 ❌
🔧 关键技术实现
1. 字符串规范化
// 去除多余空格
text.replaceAll("\\s+", "")
// 提取关键词（支持中文）
- 单字：{C, T, 上, 腹, 部, 平, 扫}
- 双字：{CT, 上腹, 腹部, 平扫}
- 三字：{上腹部, 平扫}
2. 编辑距离算法
// Levenshtein Distance
int distance = "上腹部" vs "上腹" → 1
int maxLen = 3
similarity = 1 - 1/3 = 0.67
3. Jaccard相似系数
Jaccard(A, B) = |A ∩ B| / |A ∪ B|
示例：
A = {CT, 上, 腹, 平扫}
B = {CT, 上, 腹部, 平}
|A ∩ B| = 3 // {CT, 上, 腹}
|A ∪ B| = 7 // {CT, 上, 腹, 平扫, 腹部, 平}
Jaccard = 3/7 = 0.43
📊 算法参数
权重分配
| 维度 | 权重 | 说明 |
|---|---|---|
| 模态匹配 | 0.3 | 最重要，不同模态不匹配 |
| 扫描方式 | 0.2 | 较重要，增强vs平扫区别大 |
| 身体部位 | 0.3 | 最重要，不同部位不匹配 |
| 关键词重合 | 0.2 | 辅助判断，提升准确率 |
| 总计 | 1.0 |
阈值设置
| 阈值 | 含义 | 应用场景 |
|---|---|---|
| 0.9 - 1.0 | 完全匹配 | 几乎相同，可直接使用 |
| 0.7 - 0.9 | 良好匹配 | 可以接受，人工确认后使用 |
| 0.5 - 0.7 | 一般匹配 | 需要人工审核 |
| < 0.5 | 不匹配 | 不推荐使用 |
当前阈值：0.7（相似度 >= 0.7 才匹配成功）
🎯 匹配优先级（完整版）
优先级1：study_info.exam_item_name 精确匹配
示例："CT 上腹部平扫" == "CT 上腹部平扫" → 1.0
触发条件：exam_item完全一致
优先级2：DICOM.examItem 精确匹配
示例："CT ABDOMEN..." == "CT ABDOMEN..." → 1.0
触发条件：exam_item完全一致
优先级3：study_info.exam_item_name 智能匹配 ← NEW!
示例："CT 上腹部平扫" ~ "CT上腹部平扫" → 0.95
示例："CT 上腹部平扫" ~ "上腹部CT平扫" → 0.92
触发条件：相似度 >= 0.7
优先级4：DICOM.examItem 智能匹配 ← NEW!
示例：使用复杂DICOM标签进行智能匹配
触发条件：相似度 >= 0.7
优先级5：bodyPart 模糊匹配
示例：使用"ABDOMEN"等部位信息
触发条件：所有上述都失败
🧪 测试用例
测试集
| 序号 | 目标 | 候选 | 预期相似度 | 结果 |
|---|---|---|---|---|
| 1 | CT 上腹部平扫 | CT上腹部平扫 | >= 0.9 | ✅ |
| 2 | CT 上腹部平扫 | 上腹部CT平扫 | >= 0.9 | ✅ |
| 3 | CT 上腹部平扫 | CT腹部平扫 | >= 0.8 | ✅ |
| 4 | CT 上腹部平扫 | CT胸部平扫 | < 0.5 | ❌ |
| 5 | MR 颅脑平扫 | MR头部平扫 | >= 0.9 | ✅ |
| 6 | CT 冠脉CTA | CT冠状动脉增强 | >= 0.8 | ✅ |
| 7 | DR 胸部后前位 | DR胸部PA | >= 0.7 | ✅ |
⚙️ 优化建议
1. 性能优化
当前实现：每次匹配都查询所有标准
List<QcStandard> standards = qcStandardMapper.selectList(...);
优化方案：缓存质控标准
@Cacheable("qc_standards")
public List<QcStandard> getAllActiveStandards() {
return qcStandardMapper.selectList(...);
}
2. 准确率优化
增加更多同义词映射
BODY_PART_SYNONYMS.put("冠状动脉", Arrays.asList("冠脉", "冠状动脉", "冠"));
BODY_PART_SYNONYMS.put("脑血管", Arrays.asList("脑血管", "脑血", "颈动脉"));
增加扫描方式识别
SCAN_METHOD_KEYWORDS.addAll(Arrays.asList(
"CTA", "MRA", "SWI", "DWI", "FLAIR", "VR", "MIP"
));
3. 可解释性优化
返回匹配详情
public class MatchDetail {
private String candidate;
private double similarity;
private String matchReason; // 匹配原因说明
private Map<String, Double> dimensionScores; // 各维度得分
}
📝 使用示例
Java代码
// 注入匹配器
@Resource
private ExamItemMatcher examItemMatcher;
// 使用匹配
String target = "CT 上腹部平扫";
List<String> candidates = Arrays.asList(
"CT上腹部平扫",
"上腹部CT平扫",
"CT胸部平扫"
);
MatchResult result = examItemMatcher.findBestMatch(target, candidates);
if (result != null && result.getSimilarity() >= 0.7) {
System.out.println("匹配成功：" + result.getCandidate());
System.out.println("相似度：" + result.getSimilarity());
}
SQL查询验证
-- 查看实际的exam_item数据
SELECT exam_item_name, COUNT(*)
FROM study_info
WHERE exam_item_name LIKE '%上腹部%'
GROUP BY exam_item_name;
-- 查看质控标准配置
SELECT exam_item, standard_name
FROM qc_standard
WHERE modality = 'CT'
AND exam_item LIKE '%上腹部%';
🎁 算法优势
- 容错性强：处理空格、词序、同义词等问题
- 可解释性好：每个维度都有明确的得分
- 易于扩展：可以添加新的维度或调整权重
- 性能可控：时间复杂度 O(n)，n为候选标准数量
- 准确率高：多维度综合判断，减少误匹配
算法版本：v1.0 创建时间：2026-01-27 适用场景：质控标准自动匹配