基于电子病历的临床试验标准分类研究

发布时间：2021-06-05 22:25

　　近年来,深度学习和自然语言处理技术在飞速发展,医疗领域与计算机领域的联系越来越密切,计算机不单用于电子计算通信,还用来进行辅助性的临床研究,运用其强大的计算能力和处理能力帮助产生医疗决策。本文所解决的临床试验队列选择任务即是自然语言处理在临床研究领域的应用。伴随着计算机决策在医学研究方面的准确性不断提高,自然语言处理技术在医疗领域的应用受到更多研究人员的关注。本文引入了一个临床实验队列选择的任务和相关数据集,这个任务旨在回答这样一个问题:NLP模型能否使用叙述性医疗记录来确定哪些患者符合临床试验的选择标准?本文并没有使用传统的语法、语义分析和构建规则的方式,而是采用了深度学习的方法,分别基于词向量和句向量来构建NLP分类模型。在基于词向量的方法中,本文使用经过预训练的词向量模型和通过词向量扩充方法得到的词向量模型,为临床记录文本构造词向量,用词向量来表征出文本的语义信息,然后使用CNN模型、BiLSTM模型、注意力机制、RNNCNN模型等深度学习模型构造了一系列的临床试验标准分类模型,并在此基础上设计出基于词向量的双通道分类模型;在基于句向量的方法中,本文使用经过预训练InferSen... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图２．１?ｄｏｍ解析ｘｍｌ流程图??

句子文本分类，实现了对句子内容的情感分类预测。??ＣＮＮ—般可以分为以下几层：输入层，多个隐藏层，输出层，隐藏层由卷积??层，池化层和全连接层构成。ＣＮＮ的一般结构如图２．２所示：??，－一｜输入层＼??一?＼＇??／?，?史??—１?ＺｅｒｏＰａｄｄｉｎｇ?函数??：?卷积层—?卷积函数??—１?匕?激活凼数??卷积神经网络－＜?ｖ??ＣＮＮ?、?■??；???ｒ?？?、?飞池化匡??＼?一—－全连接层??图２．２卷积神经网络的一般性结构图??（１）

（Ｘｔ?；?Ｘ〇?（?Ｘｉ?）?（?ｘ２?）…（ｘｔ??图２．３?ＬＳＴＭ整体架构??长短期记忆模型的整体架构如图２．３所示，它具有记忆功能，能够不断的学习??和记忆文本之间的依赖性，更加的适合自然语言理解，文本分类，机器翻译，疾??病预测等任务。长短期记忆模型是循环神经网络（ＲＭＮ）的一种变体模型，是由??Ｈｏｃｈｒｅａｔｅｒ?和?Ｓｃｈｍｉｄｈｕｂｅｒ［３７丨在?１９９７?年提出，Ｆｅｌｉｘ?Ｇｅｒｓ丨３８】在?２００１?年进一步完善了??ＬＳＴＭ的内部网络结构，增加了遗忘门机制和ｐｅｅｐｈｏｌｅ。它是一个链状结构的神经??网络，由很多相同的神经网络模块组成，这些神经网络模块有四层结构，如图２．４??所示，包括了一个记忆单元（ｃｅｌｌ）和三个不同的门结构：输入门（ｉｎｐｕｔ?ｇａｔｅ）、??输出门（ｏｕｔｐｕｔ?ｇａｔｅ）、遗忘门（ｆｏｒｇｅｔ?ｇａｔｅ）。??ｌｉ??

【参考文献】：
期刊论文
[1]基于深度学习的心律失常检测算法研究[J]. 张坤,李鑫,谢学建,王倩云.  医疗卫生装备. 2018(12)
[2]基于机器学习方法的PCI术预后主要不良心血管事件预测模型研究[J]. 吴欢,薛万国,应俊,冷文修,刘继轩,刘燕玉,杨跃进.  中国数字医学. 2018(08)
[3]胎盘植入的BP神经网络辅助诊断模型[J]. 杨丹林,何斌杰,张栋,颜建英.  中国卫生标准管理. 2017(28)
[4]全球临床研究的现状分析及趋势展望[J]. 曾宪涛,李宾,吕军,田国祥.  中国循证心血管医学杂志. 2017(12)
[5]传播临床研究方法 提升临床研究质量[J]. 魏万林.  中国循证心血管医学杂志. 2017(01)
[6]XML解析技术研究[J]. 冯进,丁博,史殿习,张瞩熹,许凯.  计算机工程与科学. 2009(02)



本文编号：3213032