国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 10 条结果

基于最大熵原理的医疗文本信息结构化
作者：李俊杰
发表期刊：临床医学工程 2010年10期
关键词：最大熵医疗文本医学标准术语结构化
摘要：医疗文本信息结构化是处理海量医疗文本的重要手段之一.最大熵模型提供了一种自然语言处理的方法 ,提出了一种结合医疗标准术语的医疗文本信息结构化方案.该方案结合最大熵模型在处理规则知识上的优势,以及专业标准术语,实现了叙述性医疗报告到基于医学标准术语的结构化报告的转化,表达准确率达到93.5%.
面向医疗文本数据压缩的主流算法及发展趋势CSTPCD
作者：高克承徐桓刘岩刘洋张曦
发表期刊：中国医学装备 2020年11期
关键词：医疗卫生数据压缩医疗文本Huffman编码LZW编码压缩感知
摘要：随着远程医疗和网络诊断的出现,医疗卫生数据及患者个人信息量呈海量化,为了解决医疗卫生数据存储与传输困难的问题,针对以往经典压缩算法及目前的压缩算法新进展,介绍适用于医疗卫生的文本数据压缩算法.以往经典的压缩算法存在压缩率不足及通常适用于小文件的缺点,对此相关研究提出了适用于海量文本并具有高压缩率的压缩感知算法.通过对机器学习和深度学习用于文本压缩进行相关讨论,为日后文本压缩发展研究提供参考.
基于命名实体识别的医疗文本零水印方案CSCDCSTPCD
作者：龚礼春姚晔唐观根吴国华
发表期刊：密码学报 2020年5期
关键词：文本零水印医疗文本命名实体识别实体特征
摘要：零水印是信息安全研究领域信息内容安全保护的一种重要方法,该方法不修改载体内容,仅通过提取载体特征构造水印,因而具有隐蔽性、安全性等特点.然而,不同领域的文本,在内容表达上存在显著的差异.医疗文本具有大量与医疗术语相关的词语,这些词语能够作为医疗文本零水印构造的特征.但已有的分词工具很难准确的切分医疗术语,使得医疗文本的特点不能被充分利用.针对该问题,提出了一种基于命名实体识别的医疗文本零水印方案.该方案通过BiLSTM和CRF训练医疗…查看全部>>
基于多标签CRF的疾病名称抽取北大核心CSCDCSTPCD
作者：王鹏远姬东鸿
发表期刊：计算机应用研究 2017年1期
关键词：命名实体识别条件随机场多标签医疗文本复合实体
摘要：生物医疗文本中的命名实体识别对于构建和挖掘大型临床数据库以服务于临床决策具有重要意义，而其中一个基础工作是疾病名称的识别。医疗文本中存在大量的复合疾病名称，难以分离抽取出其中的实体。针对这一问题，提出一种基于多标签的条件随机场算法，首先对数据标注多层标签，每层标签针对复合疾病名称中的不同疾病，然后用整合后的最终标签去训练模型，最后再对模型预测的标签进行分离。此方法能够识别传统条件随机场算法无法识别的复合疾病名称，实验结果验证了所提算法的有效性。
基于迁移学习和集成学习的医疗文本分类CSTPCD
作者：郑承宇王新王婷徐权峰
发表期刊：计算机技术与发展 2022年4期
关键词：迁移学习集成学习ALBERTBi-LSTM-CNN医疗文本健康问句
摘要：针对医疗文本语义稀疏、维度过高的问题,提出一种基于迁移学习和集成学习的多标签医疗文本分类算法(Trans-LSTM-CNN-Multi,TLCM)。该算法采用ALBERT(A Lite BERT)模型内部的多层双向Transfomer结构对大型语料库展开训练,获取通用领域的文本动态字向量表示。然后,利用医学领域目标数据集通过迁移学习和模型微调技术实现ALBERT预训练语言模型在医学领域的文本语义增强。在此基础上,将上述通过迁移学习得到…查看全部>>
深度学习在脑卒中诊疗中的应用
作者：林振秦宇辰秦婴逸李冬冬吴骋贺佳
发表期刊：医疗卫生装备 2022年2期
关键词：深度学习脑卒中脑卒中诊疗医学影像医疗文本结构化数据
摘要：介绍了应用于脑卒中诊疗领域的常用深度学习算法及其原理,综述了深度学习在脑卒中医学影像分析、医疗文本分析和结构化数据分析等方面的应用,分析了目前深度学习应用于脑卒中诊疗存在的问题,并提出了可能的发展方向,为深度学习在医疗保健领域的应用研究提供了参考。
面向医疗文本的事件及关系抽取研究综述
作者：赵华周虹洁刘涵张希文邹祯祺
发表期刊：北京信息科技大学学报（自然科学版） 2024年6期
关键词：医疗文本事件抽取事件关系抽取
摘要：准确抽取医疗事件及关系对于构建临床医疗事理图谱、为临床医疗提供更加精准的疾病推理诊断服务具有非常重要的意义。总结了近年来面向医疗文本的事件和关系抽取相关工作。首先,梳理了医疗事件抽取、事件关系抽取的具体任务,归纳了2项任务的主要研究方法;其次,介绍了用于医疗文本事件抽取的相关数据集及评测结果;最后,对此领域的不足和未来发展做出了探讨与展望,以期为后续研究提供参考。
一种标签融合驱动的中文医疗实体关系抽取方法北大核心
作者：陈闯张维彦阮彤郑红
发表期刊：华东理工大学学报(自然科学版) 2025年2期
关键词：医疗文本实体关系抽取标签融合双向抽取三元组过滤模型
摘要：医疗实体关系抽取是推动医疗信息化建设的关键步骤,旨在从医疗文本中抽取结构化的三元组信息。针对现有方法对实体类型标签和关系标签利用不充分的问题,提出了一种标签融合驱动的中文医疗实体关系抽取框架。首先,将实体关系抽取任务拆分成双向的4个命名实体识别任务,并将每个任务的标签替换为头尾实体类型标签和关系标签的融合;其次,设计了三元组构造策略以最大限度利用双向抽取出的三元组;最后,利用三元组双向过滤模型筛选候选三元组。结果表明,该方法相较于GP…查看全部>>
基于预训练模型和混合神经网络的医疗实体关系抽取
作者：赵丹丹张俊朋孟佳娜张志浩苏文
发表期刊：北京大学学报（自然科学版） 2023年1期
关键词：医疗文本关系抽取混合神经网络预训练模型
摘要：医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法.首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果.在医疗领域数据集上的实体关系抽取实验结果…查看全部>>
基于多重注意力机制的中文医疗实体识别CSTPCD
作者：陈明刘蓉张晔
发表期刊：计算机工程 2023年6期
关键词：命名实体识别医疗文本注意力机制长短时记忆网络语义特征
摘要：医疗实体识别是从医疗文本中识别疾病、症状、药物等多种类型的医疗实体,能够为知识图谱、智慧医疗等下游任务的发展提供支持.针对现有命名实体识别模型提取语义特征较单一、对医疗文本语义理解能力不足的问题,提出一种基于多重注意力机制的神经网络模型MANM.为捕获文本中更丰富的语义特征,在模型输入中引入医疗词汇先验知识,通过自注意力机制获取医疗文本的全局语义特征,并利用双线性注意力机制获取词汇和字符层面的潜在语义特征,得到包含字词间依赖关系的特征…查看全部>>