基于深度学习的儿科临床辅助诊断算法研究

发布时间：2021-01-14 20:58

　　近年来,随着数字医疗在全球范围内的普及,医疗行业的人工智能应用也逐渐开展,死亡预测、癌症诊断、医学影像识别等研究相继问世。现阶段人工智能技术在医学临床应用方面仍存在三点挑战:首先,现有的医学人工应用大多关注于医学影像处理和结构化数据预测的阶段,对非结构化的电子病历文本数据的深度挖掘和辅助诊断仍处于起步阶段;其次,现有的临床决策支持系统大多是以知识库为基础的逻辑推理,导致每当扩展到一种新疾病时,专业医护人员前期预处理工作的复杂度呈几何倍数增长,从而阻碍医学人工智能算法的大规模推广;再次,临床决策支持系统难以从病历文本中精确提取患者的特征信息,导致了辅助诊断算法无法对相似疾病做出准确诊断。总之,现有工作普遍缺乏一种既能符合临床诊断需要、又能有效提高诊断预测精度的智能算法。为了解决上述挑战,本文提出了一种整合自然语言处理和深度学习方法的儿科临床辅助诊断算法（称为NLP-BiRNN）,旨在通过对海量文本病历的学习,辅助临床经验不足的儿科医生进行快速准确的诊断预测。本文的主要研究内容包括:第一,针对电子病历中自由书写的无格式文本,提出了一个面向海量中文病历文本的自然语言处理解决方案;第二,使用双... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

图２－３人工神经网络结构图??２－３一，：入、

图２－５?屋循环神经元随时间展开示意图??

Ｒｅｌｕ?＝?ｍａｘ?（０，?ｘ）?（２．?１２）??对应的函数图像如图２－８所示??１０?－?？??：：ｚ??ｉ?Ｉ?ｉ?ｉ?ｉ?０?ｒ?ｉ?ｉ?ｉ?ｉ?ｉ??－１０?－８－６－４－２６?２?４?６?８?１０??图２－８?ＲｅＬＵ函数图像??１５??

【参考文献】：
期刊论文
[1]基于深度学习特征的乳腺肿瘤分类模型评估[J]. 梁翠霞,李明强,边兆英,吕闻冰,曾栋,马建华.  南方医科大学学报. 2019(01)
[2]自动答疑系统中文自动分词模块设计与实现[J]. 阙玲丽.  电子技术与软件工程. 2018(05)
[3]基于电子病历系统的临床疾病诊断的应用效果评价[J]. 高健,杜静.  中国数字医学. 2017(11)
[4]肠道病毒感染在儿童急性呼吸道感染中的临床特征及流行病学分析[J]. 郝金斗,李宁,刘培辉.  中国医药导报. 2016(36)

硕士论文
[1]基于病历信息的智能诊断技术研究[D]. 胡育.电子科技大学 2015



本文编号：2977535