基于电子病历的肾病知识标注及其疾病预测研究

发布时间：2025-01-14 05:24

　　大数据时代,“互联网+”医疗受到各界研究人员的关注,医疗行业借助统计学、机器学习、人工智能方法从电子病历数据中获得信息,并从疾病预测、医疗风险评估、药物发现等多个方面推动医疗事业发展。目前,继糖尿病、心脏病、高血压等常见病的数据挖掘研究后,肾病领域也开始与数据科学联合,使用电子病历数据开展肾病风险预测研究。在疾病的早期预防控制和疾病的预后情况等方面,机器辅助临床医疗工作正在逐步实现,医护人员也借此为患者提供更精准的医疗服务。因此,本研究以电子病历为研究对象,在肾病领域进行图书情报的应用,在对电子病历的进行医学知识标注的基础上,进行疾病预测研究。本文结合医院的大数据项目,针对医院存储的电子病历对肾病知识进行标注和疾病预测。首先根据文献和医学专家的经验知识整理肾病医学指标,将指标映射到电子病历中的特征,包括实验室检验和临床症状在内的34个指标,并在电子病历中进行指标的标注和抽取。其次,在肾病疾病分类与预测的任务中,使用XGBoost算法构建了儿科肾炎辅助诊断分类预测模型,对患者是否发生肾损害进行预测,经过对比实验表明,基于XGBoost算法的模型效果更好。再次,在肾病症状关联与预测的任务中,...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图3.1入院记录样例电子病历文本语言具有以下四个子语言特性：第一，有些句子语法不完整，容易忽略部分隐含信息，如“无头痛、头晕”为“无头痛、无头晕”的简写；第二，部分符号

3基于电子病历的肾病知识标注硕士学位论文22图3.1入院记录样例电子病历文本语言具有以下四个子语言特性：第一，有些句子语法不完整，容易忽略部分隐含信息，如“无头痛、头晕”为“无头痛、无头晕”的简写；第二，部分符号在医学领域中代表特殊意义，如“蛋白阳性(3+)”表示蛋白检测为阳性的....

图3.3人工标注流程图

3基于电子病历的肾病知识标注硕士学位论文24图3.2数据处理流程图3.3电子病历文本标注本文的标注工作包括人工标注和机器标注两个部分。人工标注部分是由标注团队对所有电子病历语料进行标注，机器标注部分则是在人工标注的基础上使用机器学习的方法进行自动化标注。3.3.1基于人工标注的肾....

图3.2数据处理流程图

3基于电子病历的肾病知识标注硕士学位论文24图3.2数据处理流程图3.3电子病历文本标注本文的标注工作包括人工标注和机器标注两个部分。人工标注部分是由标注团队对所有电子病历语料进行标注，机器标注部分则是在人工标注的基础上使用机器学习的方法进行自动化标注。3.3.1基于人工标注的肾....

图3.4标注样例（2）预标注在预标注阶段，采用迭代式的标注方法来训练标注人员和更新标注规范

3基于电子病历的肾病知识标注硕士学位论文26给予<药物>甲泼尼龙</药物>500mg/日连续冲击3天。⑤身体部位（Body）：其对应的UMLS语义类型有身体部位（bodypart）、组织（organ）、组织成分（organcomponent）等。在本研究中，由于肾病的临床表现涉及....

本文编号：4026475