現(xiàn)有研究表明,在臨床上查閱大量相關(guān)醫(yī)學(xué)文獻(xiàn)可以有效幫助醫(yī)生做出更準(zhǔn)確的判斷,減少失誤發(fā)生,從而為病人提供最佳的治療。但是由于網(wǎng)絡(luò)上存在的生物醫(yī)學(xué)文獻(xiàn)數(shù)量太多,如何迅速有效地獲取最相關(guān)文獻(xiàn)是一個(gè)亟需解決的問(wèn)題。另一方面,臨床醫(yī)生所掌握的知識(shí)和方法的更新速度無(wú)法與當(dāng)前飛速增長(zhǎng)的最新醫(yī)學(xué)理念和技術(shù)同步,知識(shí)的滯后在臨床上可能會(huì)導(dǎo)致巨大的損失,科學(xué)使用醫(yī)學(xué)檢索可以幫助臨床醫(yī)生及時(shí)了解其所在領(lǐng)域最新的醫(yī)學(xué)知識(shí)。醫(yī)學(xué)檢索的目的是從己發(fā)表的海量生物醫(yī)學(xué)文獻(xiàn)中快速有效找到對(duì)當(dāng)前臨床案例有幫助的信息,從而減少可能出現(xiàn)的臨床差錯(cuò),提高臨床質(zhì)量,輔助醫(yī)生做出臨床決策支持,為患者提供更好的治療方案。本文的主要任務(wù)是以給定的電子病歷（Electronic Medical Record,EMR）作為查詢,從海量生物醫(yī)學(xué)文檔集中檢索出最相關(guān)的文檔,從而為當(dāng)前病歷提供文獻(xiàn)支持,幫助臨床工作者做出臨床決策。但醫(yī)學(xué)檢索有其特殊性,在應(yīng)用以往的檢索模型時(shí)效果不夠理想,主要是由于以下原因:一是電子病歷的描述過(guò)于粗糙,包含的患者信息不夠完整,無(wú)法反映用戶真實(shí)的信息需求;二是電子病歷中相同的癥狀可能屬于完全不同的疾病;三是同一疾... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一l學(xué)習(xí)排序整體的系統(tǒng)框架結(jié)構(gòu)圖

神經(jīng)網(wǎng)絡(luò)的深度沒(méi)有固定的層數(shù)定義，解決不同的問(wèn)題可能需才能達(dá)到最優(yōu)解。通常來(lái)說(shuō)，在語(yǔ)音識(shí)別任務(wù)中四層就能取得像識(shí)別一般需要２０多層。但隨著層數(shù)的增加，參數(shù)爆炸式增長(zhǎng)。為解決這個(gè)問(wèn)題，研宄者提出了卷積神經(jīng)網(wǎng)絡(luò)（ＣＮＮ）。??能夠充分利用圖像的局部信息。利用卷積核作為中介，連接上

山東大學(xué)碩士學(xué)位論文識(shí)別等任務(wù)中。??存在另外一個(gè)問(wèn)題，他無(wú)法處理時(shí)間序列上的變化，然而，時(shí)處理等任務(wù)起著至關(guān)重要的作用，循環(huán)神經(jīng)網(wǎng)絡(luò)（ＲＮＮ）應(yīng)運(yùn)網(wǎng)絡(luò)中，每一層神經(jīng)元只能向它的上一層傳遞信號(hào)，因此叫作ｅｄ?Ｆｏｒｗａｒｄ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ）。ＲＮＮ添加了一個(gè)可以作用于自層神經(jīng)單元在ｍ刻的輸入除了包括第；７－１層神經(jīng)元的輸出外，》；－１刻的輸出，具體結(jié)構(gòu)如圖２－４所示。在實(shí)際應(yīng)用中，通常網(wǎng)絡(luò)結(jié)構(gòu)。??索中，模型往往可以通過(guò)以上幾種網(wǎng)絡(luò)結(jié)構(gòu)或其變形與組合時(shí)獲取特征和語(yǔ)義信息，從而將查詢與文檔進(jìn)行匹配，獲取相


本文編號(hào)：3320908