基于医学知识库扩展的深度医疗检索模型研究

发布时间：2021-08-04 03:26

　　现有研究表明,在临床上查阅大量相关医学文献可以有效帮助医生做出更准确的判断,减少失误发生,从而为病人提供最佳的治疗。但是由于网络上存在的生物医学文献数量太多,如何迅速有效地获取最相关文献是一个亟需解决的问题。另一方面,临床医生所掌握的知识和方法的更新速度无法与当前飞速增长的最新医学理念和技术同步,知识的滞后在临床上可能会导致巨大的损失,科学使用医学检索可以帮助临床医生及时了解其所在领域最新的医学知识。医学检索的目的是从己发表的海量生物医学文献中快速有效找到对当前临床案例有帮助的信息,从而减少可能出现的临床差错,提高临床质量,辅助医生做出临床决策支持,为患者提供更好的治疗方案。本文的主要任务是以给定的电子病历（Electronic Medical Record,EMR）作为查询,从海量生物医学文档集中检索出最相关的文档,从而为当前病历提供文献支持,帮助临床工作者做出临床决策。但医学检索有其特殊性,在应用以往的检索模型时效果不够理想,主要是由于以下原因:一是电子病历的描述过于粗糙,包含的患者信息不够完整,无法反映用户真实的信息需求;二是电子病历中相同的症状可能属于完全不同的疾病;三是同一疾... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

一l学习排序整体的系统框架结构图

神经网络的深度没有固定的层数定义，解决不同的问题可能需才能达到最优解。通常来说，在语音识别任务中四层就能取得像识别一般需要２０多层。但随着层数的增加，参数爆炸式增长。为解决这个问题，研宄者提出了卷积神经网络（ＣＮＮ）。??能够充分利用图像的局部信息。利用卷积核作为中介，连接上

山东大学硕士学位论文识别等任务中。??存在另外一个问题，他无法处理时间序列上的变化，然而，时处理等任务起着至关重要的作用，循环神经网络（ＲＮＮ）应运网络中，每一层神经元只能向它的上一层传递信号，因此叫作ｅｄ?Ｆｏｒｗａｒｄ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ）。ＲＮＮ添加了一个可以作用于自层神经单元在ｍ刻的输入除了包括第；７－１层神经元的输出外，》；－１刻的输出，具体结构如图２－４所示。在实际应用中，通常网络结构。??索中，模型往往可以通过以上几种网络结构或其变形与组合时获取特征和语义信息，从而将查询与文档进行匹配，获取相


本文编号：3320908