面向骨科咨询的症状识别与疾病辅助诊断方法研究

发布时间：2021-02-12 14:20

　　医疗保健意识的增强以及互联网技术的发展,促使越来越多人愿意花更长时间在网上探索多元化的医疗健康信息。目前在线医疗信息的获取方式主要分为两种:一是依靠搜索引擎,这种虽然简单快速,但对于非医疗专业人员,在查找、理解等方面仍有较大困难;二是通过健康门户网站,这种虽然提供了患者咨询平台,但由于医生时间、精力有限,往往无法及时回复。此时,医疗自动问答系统便应运而生,而其中疾病推断由于无法直接通过知识库来解决,则是医疗自动问答的最大绊脚石,因此一个有效的疾病辅助诊断方法是克服障碍的关键,论文正以此作为研究重点。考虑医疗问答数据的特点,论文先通过症状识别来强化特征,在此基础上再进行疾病辅助诊断,为更有针对性,以骨科咨询作为研究对象。针对骨科咨询中症状识别的难点,论文采用“先小后大”、“先分后合”的思想,并根据其症状实体的构成模式,首先融合词性特征、后缀特征及深度特征来识别基本症状以确定症状实体位置,然后利用构成模式的词性进行增量迭代来确定症状实体边界以识别症状实体,最后通过合并每一问句中识别得到的所有症状实体完成完整的症状识别。实验结果表明,论文提出基于词性增量迭代的方法进行医疗问答中骨科症状识别,... 

【文章来源】：昆明理工大学云南省

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

卷积神经网络的模型结构

昆明理工大学硕士学位论文20图2.2基于门控循环单元的双向神经网络的模型结构2.5本章小结本章介绍了论文中用到的关键技术，主要包括文本预处理、特征工程、多标签分类、神经网络四个方面的内容。本章中所介绍的技术方法均是后续章节需要采用的，并在具体的运用过程中，结合不同任务需求，对相应方法技术进行适当改进。

第三章医疗自动问答系统架构概述23图3.1医疗自动问答系统的业务流程3.3医疗自动问答系统整体架构论文医疗问答系统主要利用Python编程语言，及其Web开源框架Django10等实现，其中数据库采用关系型数据库MySQL。系统的整体架构如下图3.2所示，而图中阴影部分为论文所做工作，其中疾病辅助诊断为主要研究点。为实现3.2小节的业务流程，系统在功能结构上主要分为：问题高级理解、任务分配、直接答案生成、西医辅助诊断、业务数据管理、系统管理等六大模块，各模块功能简10https://www.djangoproject.com/

【参考文献】：
期刊论文
[1]基于聚类欠采样的集成不均衡数据分类算法[J]. 武森,刘露,卢丹.  工程科学学报. 2017(08)
[2]国外医学领域自动问答系统研究现状及启示[J]. 张芳芳,马敬东,王小贤,卢乃吉,夏晨曦.  医学信息学杂志. 2017(03)
[3]电子病历文本症状自动识别方法[J]. 龚凡,王梦婕,阮彤,王昊奋,陆灏.  医学信息学杂志. 2016(07)
[4]基于用户体验的健康类搜索引擎可用性评估[J]. 王若佳,李月琳.  图书情报工作. 2016(07)
[5]在线医疗文本中的实体识别研究[J]. 苏娅,刘杰,黄亚楼.  北京大学学报(自然科学版). 2016(01)
[6]医疗大数据应用需求分析与平台建设构想[J]. 汪鹏,吴昊,罗阳,王毅琳,王飞.  中国医院管理. 2015(06)
[7]网络医学信息资源高效利用的绿色评价研究[J]. 李迎娟.  医学信息学杂志. 2015(05)
[8]基于语言规则的病症菌实体抽取[J]. 许华,刘茂福,姜丽,顾进广.  武汉大学学报(理学版). 2015(02)
[9]中文分词与词性标注研究[J]. 梁喜涛,顾磊.  计算机技术与发展. 2015(02)
[10]医疗大数据及其面临的机遇与挑战[J]. 张振,周毅,杜守洪,罗雪琼,梅甜.  医学信息学杂志. 2014(06)

硕士论文
[1]基于美食本体的问答系统研究与实现[D]. 李珊珊.武汉科技大学 2015
[2]基于SPAROL的语义网数据查询系统的设计与实现[D]. 熊逵.浙江大学 2015
[3]基于隐马尔科夫模型词性标注的研究[D]. 牛秀萍.太原理工大学 2013
[4]N-gram技术在中文词法分析中的应用研究[D]. 秦健.中国海洋大学 2009
[5]基于决策树中文文本分类技术的研究与实现[D]. 苑擎飏.东北大学 2008
[6]基于最大熵模型的分词技术研究[D]. 贾丽洁.山东师范大学 2007



本文编号：3030992