近年來,各個醫(yī)院的就診人數不斷增加,2018年,全國醫(yī)療衛(wèi)生機構總診療人次達83.1億人次,平均每人至醫(yī)療衛(wèi)生機構就診6.0次,以至于很多患者不能夠獲得及時和高質量的診療,該問題在基層醫(yī)院尤其突出�；鶎俞t(yī)院醫(yī)療資源的匱乏是目前醫(yī)療資源與需求極為不平衡的典型表現(xiàn),很多患者由于床位限制、醫(yī)療水平有限等原因不能夠及時地就診并且基層醫(yī)院的醫(yī)務人員專業(yè)水平的參差不齊,使得治療效果難以保證。隨著近幾年計算機的不斷普及以及計算機技術的不斷進步,越來越多的醫(yī)院開始重視電子病歷的記錄從而產生了大量有價值的醫(yī)療數據。同時,自然語言處理和其他機器學習模型近幾年也獲得了突飛猛進,這些都為電子病歷的處理和智能診斷提供了數據和技術的支持。所以本文主要針對的是電子病歷的診斷模型構建,本文的具體工作包括以下幾個部分:（1）語料庫以及實體識別模型的構建:本文首先構建了實體識別的語料庫,語料中包含五種類型的實體,包括癥狀、治療、異常檢查結果、疾病、檢查。接著在實體識別的技術上進行了調研,并且在調研的基礎上對比了不同模型在電子病歷上實體識別的表現(xiàn)。本文將實體識別任務看作為序列標注的典型任務,所以主要對比了CRF、Bidir... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】：66 頁

【學位級別】：碩士

【部分圖文】：

原始文本在獲得所有的標注數據之后，我們需要將該數據集劃分為訓練集和測試集在本文中，我們是隨機劃分，從中抽取70%的數據作為訓練語料，30%為測試語

圖 2-3 標注后的語料別模型的構建別指的是識別出文本中具有特定意義的實體，普通文本中一構名，專有名詞等 但是在電子病歷中主要抽取的實體為查，檢查結果五大類 在本文中所使用的標注規(guī)范以及對于[9]，該文針對中文電子病歷中不同類型的實體有著詳細的出不同的實例，下劃線標注部分即為需要抽取的實體，在體為癥狀和疾病 表 2-1 不同實體的實例實例左腕部骨折予以支具固定經檢查診斷為關節(jié)炎院外就診考慮ā慢性支氣管炎 經服藥或輸液治療后可患者無明顯誘因出現(xiàn)多飲 多尿表現(xiàn)為頭痛 頭暈 眼花

【參考文獻】：
期刊論文
[1]中文電子病歷的分詞及實體識別研究[J]. 王若佳,趙常煜,王繼民.  圖書情報工作. 2019(02)
[2]我國衛(wèi)生資源配置的空間非均衡研究[J]. 梁瑋佳,唐元懋.  衛(wèi)生經濟研究. 2018(09)
[3]融合生成對抗網絡和樸素貝葉斯皮膚病診斷方法[J]. 商顯震,韓萌,孫毓忠,孫宇寧,陳旭,胡滿滿,梅御東.  計算機科學與探索. 2019(06)
[4]Watson人工智能在大型綜合醫(yī)院的應用實踐[J]. 崔有文,居益君,陳露,徐進.  中國數字醫(yī)學. 2018(03)
[5]提升基層診療實力,推進分級診療建設[J]. 張馨怡,吳孟闈.  中國市場. 2016(24)
[6]中文電子病歷命名實體和實體關系語料庫構建[J]. 楊錦鋒,關毅,何彬,曲春燕,于秋濱,劉雅欣,趙永杰.  軟件學報. 2016(11)
[7]概率圖模型推理方法的研究進展[J]. 劉建偉,崔立鵬,黎海恩,羅雄麟.  計算機科學. 2015(04)
[8]電子病歷命名實體識別和實體關系抽取研究綜述[J]. 楊錦鋒,于秋濱,關毅,蔣志鵬.  自動化學報. 2014(08)
[9]概率圖模型中的變分近似推理方法[J]. 程強,陳峰,董建武,徐文立.  自動化學報. 2012(11)
[10]電子病歷中命名實體的智能識別[J]. 葉楓,陳鶯鶯,周根貴,李昊旻,李瑩.  中國生物醫(yī)學工程學報. 2011(02)



本文編號：3605338