基于病历文本语义分析的智能肝病辅助诊疗系统研究

发布时间：2022-02-24 06:45

　　目前,肝脏类疾病已经成为世界上致死率最高的疾病之一,因为早期病理指标不太明显,有一定的诊断难度。同时由于传统病历数据通常没有统一的结构和标准,尤其是文本病历数据存在大量冗余、歧义、缺失,这增加了医务工作者的诊断难度,甚至直接导致误诊。且不同的医疗机构之间还存在很多信息壁垒,数据没有很好地形成互通和共享,这造成了历史医学数据和肝病诊断经验的流失。而移动通信技术的发展和医疗信息化的不断推广促使电子病历数据飞速增长,其中的文本数据中蕴含了大量的医学语义信息。合理利用电子病历数据能够降低肝病的误诊率。自然语言处理中的文本处理技术可以把文本数据表示成为数字化的特征,然后通过计算机对文本特征的学习和训练,抽象出其中蕴含的语义信息,以此辅助医生的诊疗。本文结合肝脏电子病历数据中文本部分的数据特点,将词向量技术和深度学习理论应用到电子病历文本数据的处理中。针对以往词向量训练方式中忽略文档全局信息的局限性,文中加入了全文词语共现性统计,使得词语的向量表示能保留更多的语义信息。针对传统的基于特征提取和分类器的疾病预测中存在的缺陷,本文借用部分处理图像数据的思想,提出了医学文本数据的定长矩阵表示,并结合根据... 

【文章来源】：浙江大学浙江省211工程院校985工程院校教育部直属院校

【文章页数】：107 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第1章 绪论
    1.1 课题研究背景
    1.2 国内外主要研究现状
        1.2.1 文本分词
        1.2.2 文本表示
        1.2.3 分类学习
    1.3 论文的研究目的和意义
    1.4 论文的组织结构
第2章 理论知识基础
    2.1 短文本表示技术
        2.1.1 One-hot表示和Distributed表示
        2.1.2 Word2Vec词向量
        2.1.3 GloVe词向量
        2.1.4 向量相似度
    2.2 分类技术
        2.2.1 支持向量机
        2.2.2 k邻近学习
    2.3 深度学习
        2.3.1 卷积神经网络
        2.3.2 Softmax
    2.4 集成学习
    2.5 本章小结
第3章 基于医学电子病历数据的智能处理
    3.1 基于定长词向量矩阵的医学短文本表示
        3.1.1 基于commons-csv的数据提取:
        3.1.2 基于Word分词的词语空间
        3.1.3 基于GloVe的词向量训练
        3.1.4 基于最大Tanimoto系数的文本定长矩阵表示
    3.2 基于深度学习和集成学习的医学疾病预测
        3.2.1 基于传统机器学习的分类预测
        3.2.2 基于深度学习的分类预测
        3.2.3 基于集成学习思想的改进
    3.3 基于定长词向量矩阵的文本语义信息挖掘
        3.3.1 相似度匹配
        3.3.2 关键信息提取
    3.4 本章小结
第4章 基于病历文本语义分析的智能肝病辅助诊疗系统的设计
    4.1 系统整体设计
        4.1.1 功能模块
        4.1.2 整体架构
    4.2 网络接入层设计
    4.3 业务逻辑层设计
        4.3.1 智能疾病预测和校验模块
        4.3.2 智能语音模块
        4.3.3 智能匹配模块
        4.3.4 关键信息提取模块
    4.4 展现层设计
    4.5 算法层设计
    4.6 数据层设计
    4.7 本章小结
第5章 系统功能和性能测试
    5.1 测试环境介绍
    5.2 基于病历文本语义分析的智能肝病辅助诊疗系统功能测试
        5.2.1 服务端测试
        5.2.2 网页端测试
        5.2.3 移动端测试
    5.3 基于病历文本语义分析的智能肝病辅助诊疗系统性能测试
        5.3.1 词向量性能测试
        5.3.2 系统吞吐量测试
        5.3.3 系统稳定性测试
    5.4 本章小结
第6章 总结和展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间主要的研究成果



本文编号：3642188