近些年來互聯(lián)網(wǎng)發(fā)展的速度越來越迅猛,尤其是推動(dòng)了生物醫(yī)學(xué)領(lǐng)域的進(jìn)步,文獻(xiàn)的數(shù)量劇增,幾乎呈“指數(shù)級(jí)”的趨勢(shì),海量的生物醫(yī)學(xué)文獻(xiàn)中,包含著大量的醫(yī)學(xué)實(shí)體、實(shí)體關(guān)系同時(shí)也隱含著諸多知識(shí),待研究者們?nèi)ネ诰?但是僅通過人工閱讀的方式從中獲取有價(jià)值的信息顯然是不太可行的,主要由于會(huì)消耗大量的人力成本和時(shí)間,而且效率也不高。隨著機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理等人工智能的技術(shù)普及度越來越高,諸多的研究人員,將技術(shù)應(yīng)用于實(shí)踐中,譬如文本挖掘領(lǐng)域,旨在可以從海量的文獻(xiàn)中高效的挖掘出隱藏的知識(shí),從而做更深入的研究。奧巴馬曾經(jīng)在2015年提出了一個(gè)關(guān)于精準(zhǔn)醫(yī)學(xué)的方案,隨著精準(zhǔn)醫(yī)療計(jì)劃的普及,基于生物醫(yī)學(xué)領(lǐng)域的文獻(xiàn)進(jìn)行實(shí)體關(guān)系的抽取也得到了廣泛的關(guān)注,同時(shí)也為了更好的服務(wù)于精準(zhǔn)醫(yī)療奠定了一個(gè)良好的基礎(chǔ)。針對(duì)于生物醫(yī)學(xué)范疇的文獻(xiàn)中包含著多種醫(yī)學(xué)實(shí)體,例如:基因?qū)嶓w、藥物實(shí)體、化合物等,實(shí)體之間也包含著多種關(guān)系（基因-蛋白質(zhì)、藥物-藥物、蛋白質(zhì)-化合物等）,基于生物醫(yī)學(xué)領(lǐng)域文獻(xiàn)進(jìn)行實(shí)體關(guān)系抽取是自然語言處理（NLP）中的一個(gè)重要研討課題,目前,該領(lǐng)域有多種實(shí)現(xiàn)的方法:（1）共現(xiàn)、（2）規(guī)則、（3）機(jī)器學(xué)習(xí)、（4... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

生物醫(yī)學(xué)文獻(xiàn)增長(zhǎng)趨勢(shì)圖

圖 1.2AI、ML、DL 三者關(guān)系圖知，可以說它并不是和機(jī)器學(xué)習(xí)并駕齊驅(qū)，習(xí)機(jī)制、思維方式，將自學(xué)習(xí)的功能賦予到（Machine Learning）、DL（Deep Learning）大的集合，里面包含著 ML 領(lǐng)域，同時(shí)，M大的 AI 的集合中。DL 模型是具有深層計(jì)。這樣的操作方式可以對(duì)語音識(shí)別、文本對(duì)究等諸多領(lǐng)域的新技術(shù)問題進(jìn)行改進(jìn)。DL域中的已有的方法去不斷的更新，比較常用大的數(shù)據(jù)集中發(fā)現(xiàn)較為復(fù)雜的結(jié)構(gòu)。CNN[17圖像等。而 RNN[18]則對(duì)文本或者語音等和ML 的方法不是完全相同的，深度學(xué)習(xí)的方法

圖 1.3 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)區(qū)別圖在諸多的領(lǐng)域中都用到了深度學(xué)習(xí)，如圖像檢測(cè)，NLP 等諸多的行業(yè)中都被普遍采用，眾多的研究者們將深度學(xué)習(xí)的方法應(yīng)用在學(xué)術(shù)界，而現(xiàn)如今，一些知名企業(yè)也將學(xué)術(shù)理論應(yīng)用在現(xiàn)實(shí)的需求當(dāng)中，將 AI 的技術(shù)應(yīng)用到了實(shí)際的產(chǎn)業(yè)當(dāng)中，打造生態(tài)鏈，為眾多的行業(yè)帶來了便利，將 AI 中的語音識(shí)別技術(shù)與傳統(tǒng)的電子產(chǎn)品相結(jié)合，打造出智能音箱，現(xiàn)如今使用人工聲控的方式來操控音響，可以與音響聊天、講故事、播放音樂等，為人們帶來了歡樂的同時(shí)也很好的帶來一些便利；將人工智能的能力賦予到醫(yī)療行業(yè)中，例如百度靈醫(yī)團(tuán)隊(duì)將自然語言處理、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)應(yīng)用在醫(yī)院的落地場(chǎng)景，智能的實(shí)現(xiàn)了掛號(hào)、分診服務(wù)，根據(jù)患者的主訴以及多輪交互推薦患者應(yīng)該掛的科室，并根據(jù)該科室所推薦的醫(yī)生來掛號(hào)，緩解了醫(yī)院人眾多掛號(hào)難的問題，還有將 AI 的能力與影像識(shí)別相結(jié)合打造出 AI 眼底篩查一體機(jī)，為眾多的青光眼、白內(nèi)障、視網(wǎng)膜病變的潛在患者進(jìn)行早期的篩查，進(jìn)而達(dá)到提前治療和預(yù)防的效果，可以真正的實(shí)


本文編號(hào)：3015129