面向医疗领域的智能诊断模型研究

发布时间：2022-01-23 23:08

　　近年来,各个医院的就诊人数不断增加,2018年,全国医疗卫生机构总诊疗人次达83.1亿人次,平均每人至医疗卫生机构就诊6.0次,以至于很多患者不能够获得及时和高质量的诊疗,该问题在基层医院尤其突出。基层医院医疗资源的匮乏是目前医疗资源与需求极为不平衡的典型表现,很多患者由于床位限制、医疗水平有限等原因不能够及时地就诊并且基层医院的医务人员专业水平的参差不齐,使得治疗效果难以保证。随着近几年计算机的不断普及以及计算机技术的不断进步,越来越多的医院开始重视电子病历的记录从而产生了大量有价值的医疗数据。同时,自然语言处理和其他机器学习模型近几年也获得了突飞猛进,这些都为电子病历的处理和智能诊断提供了数据和技术的支持。所以本文主要针对的是电子病历的诊断模型构建,本文的具体工作包括以下几个部分:（1）语料库以及实体识别模型的构建:本文首先构建了实体识别的语料库,语料中包含五种类型的实体,包括症状、治疗、异常检查结果、疾病、检查。接着在实体识别的技术上进行了调研,并且在调研的基础上对比了不同模型在电子病历上实体识别的表现。本文将实体识别任务看作为序列标注的典型任务,所以主要对比了CRF、Bidir... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

原始文本在获得所有的标注数据之后，我们需要将该数据集划分为训练集和测试集在本文中，我们是随机划分，从中抽取70%的数据作为训练语料，30%为测试语

图 2-3 标注后的语料别模型的构建别指的是识别出文本中具有特定意义的实体，普通文本中一构名，专有名词等 但是在电子病历中主要抽取的实体为查，检查结果五大类 在本文中所使用的标注规范以及对于[9]，该文针对中文电子病历中不同类型的实体有着详细的出不同的实例，下划线标注部分即为需要抽取的实体，在体为症状和疾病 表 2-1 不同实体的实例实例左腕部骨折予以支具固定经检查诊断为关节炎院外就诊考虑ā慢性支气管炎 经服药或输液治疗后可患者无明显诱因出现多饮 多尿表现为头痛 头晕 眼花

【参考文献】：
期刊论文
[1]中文电子病历的分词及实体识别研究[J]. 王若佳,赵常煜,王继民.  图书情报工作. 2019(02)
[2]我国卫生资源配置的空间非均衡研究[J]. 梁玮佳,唐元懋.  卫生经济研究. 2018(09)
[3]融合生成对抗网络和朴素贝叶斯皮肤病诊断方法[J]. 商显震,韩萌,孙毓忠,孙宇宁,陈旭,胡满满,梅御东.  计算机科学与探索. 2019(06)
[4]Watson人工智能在大型综合医院的应用实践[J]. 崔有文,居益君,陈露,徐进.  中国数字医学. 2018(03)
[5]提升基层诊疗实力,推进分级诊疗建设[J]. 张馨怡,吴孟闱.  中国市场. 2016(24)
[6]中文电子病历命名实体和实体关系语料库构建[J]. 杨锦锋,关毅,何彬,曲春燕,于秋滨,刘雅欣,赵永杰.  软件学报. 2016(11)
[7]概率图模型推理方法的研究进展[J]. 刘建伟,崔立鹏,黎海恩,罗雄麟.  计算机科学. 2015(04)
[8]电子病历命名实体识别和实体关系抽取研究综述[J]. 杨锦锋,于秋滨,关毅,蒋志鹏.  自动化学报. 2014(08)
[9]概率图模型中的变分近似推理方法[J]. 程强,陈峰,董建武,徐文立.  自动化学报. 2012(11)
[10]电子病历中命名实体的智能识别[J]. 叶枫,陈莺莺,周根贵,李昊旻,李莹.  中国生物医学工程学报. 2011(02)



本文编号：3605338