医学领域中基于神经网络的查询扩展研究

发布时间：2021-06-20 18:02

　　随着互联网技术的不断发展,通过各种电子媒介获得的数据也呈现爆发式增长,如何从海量数据中检索到用户真正需要的信息成为了研究的热点。在医疗领域中,信息检索技术的发展也得到了广泛的关注,使用医疗查询从大量医学文献及研究中检索与之相关的信息能辅助医生做出更好的决策,也推进了医疗诊断的智能化发展。CDS（Clinical Decision Support）,即临床决策支持系统是医疗信息检索的应用之一。临床决策支持系统任务的提出是为了检索和医疗记录中一般临床问题相关的生物医学文章,以此来满足医生的需求。临床决策支持系统任务的查询都是简短的病历报告,病历报告的描述通常是具有挑战性的医疗病例,并且会将其组织成一个易于理解的叙述。虽然是简短的病历报告,但是和常见的Web搜索引擎中的查询相比,临床决策支持系统任务的查询长度较长,这也导致了查询中存在着歧义和主次不明等问题,所以一个能明确需求的查询是检索质量的保证。查询扩展便是能有效解决此类问题的手段之一。对此,本文的研究工作围绕着医疗文本的查询扩展技术进行展开。由于医疗文本注释难度高且花费高,所以本文方法利用了迁移学习的思想,学习非医学领域知识并将其运用到... 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

信息检索一般过程

图 3-1 基于神经网络模型的查询扩展方法框架图从图 3-1 中可以看出，整个方法的过程可以分成三大部分。首先，在 Web上进行原始查询的检索，选择前 P 个检索结果作为原始查询的伪相关文档，这些伪相关文档也是扩展医学实体的来源。其次，通过 MeSH 得到所有的医学实体，具体操作会在之后进行详细讲解。得到扩展候选实体之后，利用选择模型进行挑选，选择和查询最相关的医学实体组作为查询的扩展。最后将扩展后的查询在目标文档集上进行检索，得到最后的检索结果。从图 3-1 中可知，本文的查询扩展方法的重点是如何得到医学候选实体和挑选最优的医学实体组合。本章会介绍医学实体的获取以及医学实体组的构成。3.3 基于 MeSH 的语义映射本节主要介绍基于 MeSH 词表的医学实体映射以及得到医学候选实体集合

图 4-1 RNN 模型框架图一种特殊的 RNN 模型，是一种能够解决长期依赖-2 所示，LSTM 引入了门机制的网络结构，一共包put Gate），遗忘门（Forget Gate）和输出门（Ou值将要被更新，t-1c 会更新到tc 的状态。遗忘门决会读取上一个位置的隐藏状态t 1h 以及该位置的输 之间的数值给记忆细胞t 1c ，1 表示完全保留，0 表输出的值，这个输出是基于细胞状态得到。

【参考文献】：
期刊论文
[1]大数据时代来袭 中国宜加紧布局[J]. 许晔.  创新科技. 2014(01)



本文编号：3239671