近年來(lái),深度學(xué)習(xí)和自然語(yǔ)言處理技術(shù)在飛速發(fā)展,醫(yī)療領(lǐng)域與計(jì)算機(jī)領(lǐng)域的聯(lián)系越來(lái)越密切,計(jì)算機(jī)不單用于電子計(jì)算通信,還用來(lái)進(jìn)行輔助性的臨床研究,運(yùn)用其強(qiáng)大的計(jì)算能力和處理能力幫助產(chǎn)生醫(yī)療決策。本文所解決的臨床試驗(yàn)隊(duì)列選擇任務(wù)即是自然語(yǔ)言處理在臨床研究領(lǐng)域的應(yīng)用。伴隨著計(jì)算機(jī)決策在醫(yī)學(xué)研究方面的準(zhǔn)確性不斷提高,自然語(yǔ)言處理技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用受到更多研究人員的關(guān)注。本文引入了一個(gè)臨床實(shí)驗(yàn)隊(duì)列選擇的任務(wù)和相關(guān)數(shù)據(jù)集,這個(gè)任務(wù)旨在回答這樣一個(gè)問(wèn)題:NLP模型能否使用敘述性醫(yī)療記錄來(lái)確定哪些患者符合臨床試驗(yàn)的選擇標(biāo)準(zhǔn)?本文并沒(méi)有使用傳統(tǒng)的語(yǔ)法、語(yǔ)義分析和構(gòu)建規(guī)則的方式,而是采用了深度學(xué)習(xí)的方法,分別基于詞向量和句向量來(lái)構(gòu)建NLP分類模型。在基于詞向量的方法中,本文使用經(jīng)過(guò)預(yù)訓(xùn)練的詞向量模型和通過(guò)詞向量擴(kuò)充方法得到的詞向量模型,為臨床記錄文本構(gòu)造詞向量,用詞向量來(lái)表征出文本的語(yǔ)義信息,然后使用CNN模型、BiLSTM模型、注意力機(jī)制、RNNCNN模型等深度學(xué)習(xí)模型構(gòu)造了一系列的臨床試驗(yàn)標(biāo)準(zhǔn)分類模型,并在此基礎(chǔ)上設(shè)計(jì)出基于詞向量的雙通道分類模型;在基于句向量的方法中,本文使用經(jīng)過(guò)預(yù)訓(xùn)練InferSen... 

【文章來(lái)源】：云南大學(xué)云南省 211工程院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?ｄｏｍ解析ｘｍｌ流程圖??

句子文本分類，實(shí)現(xiàn)了對(duì)句子內(nèi)容的情感分類預(yù)測(cè)。??ＣＮＮ—般可以分為以下幾層：輸入層，多個(gè)隱藏層，輸出層，隱藏層由卷積??層，池化層和全連接層構(gòu)成。ＣＮＮ的一般結(jié)構(gòu)如圖２．２所示：??，－一｜輸入層＼??一?＼＇??／?，?史??—１?ＺｅｒｏＰａｄｄｉｎｇ?函數(shù)??：?卷積層—?卷積函數(shù)??—１?匕?激活凼數(shù)??卷積神經(jīng)網(wǎng)絡(luò)－＜?ｖ??ＣＮＮ?、?■??；???ｒ?？?、?飛池化匡??＼?一—－全連接層??圖２．２卷積神經(jīng)網(wǎng)絡(luò)的一般性結(jié)構(gòu)圖??（１）

（Ｘｔ?；?Ｘ〇?（?Ｘｉ?）?（?ｘ２?）…（ｘｔ??圖２．３?ＬＳＴＭ整體架構(gòu)??長(zhǎng)短期記憶模型的整體架構(gòu)如圖２．３所示，它具有記憶功能，能夠不斷的學(xué)習(xí)??和記憶文本之間的依賴性，更加的適合自然語(yǔ)言理解，文本分類，機(jī)器翻譯，疾??病預(yù)測(cè)等任務(wù)。長(zhǎng)短期記憶模型是循環(huán)神經(jīng)網(wǎng)絡(luò)（ＲＭＮ）的一種變體模型，是由??Ｈｏｃｈｒｅａｔｅｒ?和?Ｓｃｈｍｉｄｈｕｂｅｒ［３７丨在?１９９７?年提出，Ｆｅｌｉｘ?Ｇｅｒｓ丨３８】在?２００１?年進(jìn)一步完善了??ＬＳＴＭ的內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)，增加了遺忘門(mén)機(jī)制和ｐｅｅｐｈｏｌｅ。它是一個(gè)鏈狀結(jié)構(gòu)的神經(jīng)??網(wǎng)絡(luò)，由很多相同的神經(jīng)網(wǎng)絡(luò)模塊組成，這些神經(jīng)網(wǎng)絡(luò)模塊有四層結(jié)構(gòu)，如圖２．４??所示，包括了一個(gè)記憶單元（ｃｅｌｌ）和三個(gè)不同的門(mén)結(jié)構(gòu)：輸入門(mén)（ｉｎｐｕｔ?ｇａｔｅ）、??輸出門(mén)（ｏｕｔｐｕｔ?ｇａｔｅ）、遺忘門(mén)（ｆｏｒｇｅｔ?ｇａｔｅ）。??ｌｉ??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的心律失常檢測(cè)算法研究[J]. 張坤,李鑫,謝學(xué)建,王倩云.  醫(yī)療衛(wèi)生裝備. 2018(12)
[2]基于機(jī)器學(xué)習(xí)方法的PCI術(shù)預(yù)后主要不良心血管事件預(yù)測(cè)模型研究[J]. 吳歡,薛萬(wàn)國(guó),應(yīng)俊,冷文修,劉繼軒,劉燕玉,楊躍進(jìn).  中國(guó)數(shù)字醫(yī)學(xué). 2018(08)
[3]胎盤(pán)植入的BP神經(jīng)網(wǎng)絡(luò)輔助診斷模型[J]. 楊丹林,何斌杰,張棟,顏建英.  中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理. 2017(28)
[4]全球臨床研究的現(xiàn)狀分析及趨勢(shì)展望[J]. 曾憲濤,李賓,呂軍,田國(guó)祥.  中國(guó)循證心血管醫(yī)學(xué)雜志. 2017(12)
[5]傳播臨床研究方法 提升臨床研究質(zhì)量[J]. 魏萬(wàn)林.  中國(guó)循證心血管醫(yī)學(xué)雜志. 2017(01)
[6]XML解析技術(shù)研究[J]. 馮進(jìn),丁博,史殿習(xí),張矚熹,許凱.  計(jì)算機(jī)工程與科學(xué). 2009(02)



本文編號(hào)：3213032