【摘要】：腦血管病是危害中老年健康的常見疾病,因其治療和護(hù)理周期長、復(fù)發(fā)率高等特點(diǎn),成為各地醫(yī)療中心的主要負(fù)擔(dān)。同時,各級醫(yī)院醫(yī)療信息化過程中積累的腦血管病電子病歷和患者檔案等數(shù)據(jù),結(jié)合深度學(xué)習(xí)等人工智能技術(shù),成為了解決腦血管病輔助診療問題的新思路�；谏鲜霰尘�,本文從分析腦血管病電子病歷輔助診療研究現(xiàn)狀入手,通過引入深度學(xué)習(xí)算法模型,找到了彌補(bǔ)電子病歷數(shù)據(jù)不完整、醫(yī)療中心數(shù)據(jù)模版不統(tǒng)一、大規(guī)模醫(yī)療語料庫缺失等局限性的突破口,即通過命名實(shí)體識別技術(shù)和圖嵌入技術(shù)的融合,在海量電子病歷數(shù)據(jù)中提取關(guān)鍵信息,構(gòu)建相似病歷檢索模型,并可基于此模型結(jié)果實(shí)現(xiàn)腦血管病電子病歷輔助診療應(yīng)用場景的擴(kuò)展。本文的研究內(nèi)容主要有以下幾點(diǎn):(1)引入注意力機(jī)制的命名實(shí)體識別研究:針對中文電子病歷醫(yī)療模版不統(tǒng)一和缺少大規(guī)模語料庫的問題,將引入注意力機(jī)制的Bi-LSTM-ATT-CRF命名實(shí)體識別模型引入相似病歷檢索研究中,通過計算注意力權(quán)重提取電子病歷關(guān)鍵信息,突破電子病歷模版限制;通過半監(jiān)督學(xué)習(xí)方式,解決語料庫缺失問題;(2)基于腦血管病命名實(shí)體網(wǎng)絡(luò)和圖嵌入node2Vec的相似病歷檢索模型研究:針對中文電子病歷數(shù)據(jù)記錄不完整的問題,通過圖嵌入技術(shù)node2Vec將云平臺腦血管電子病歷數(shù)據(jù)網(wǎng)絡(luò)化表示學(xué)習(xí),通過隨機(jī)游走技術(shù)挖掘網(wǎng)絡(luò)中的隱藏關(guān)系,獲取電子病歷的篇章向量表示,通過余弦相似度計算電子病歷相似度;(3)相似病歷檢索模型的應(yīng)用:結(jié)合天壇醫(yī)院腦血管病協(xié)同防治云平臺信息共享的現(xiàn)狀,實(shí)現(xiàn)云平臺下基于相似病歷檢索模型的腦血管病輔助診療應(yīng)用。通過對腦血管病電子病歷輔助診療的研究,得出了以下結(jié)論:(1)通過與條件隨機(jī)場、Bi-LSTM以及Bi-LSTM-CRF的對比實(shí)驗(yàn),證明了引入注意力機(jī)制的Bi-LSTM-ATT-CRF模型在醫(yī)療命名實(shí)體識別領(lǐng)域的適用性;(2)通過與空間向量模型和LDA主題模型的對比實(shí)驗(yàn),證明了通過融合命名實(shí)體識別技術(shù)和圖嵌入技術(shù)可以有效提升醫(yī)療相似文本檢測的效果;(3)通過實(shí)際應(yīng)用,證明了本文提出的模型結(jié)果可以擴(kuò)展電子病歷輔助診療的應(yīng)用場景,實(shí)現(xiàn)從相似病歷檢索、病癥分布分析和診療手段效果分析三方面幫助醫(yī)生快速匹配腦血管病癥狀相近的病歷表現(xiàn),找到關(guān)聯(lián)案例,實(shí)現(xiàn)腦血管輔助診療,提高醫(yī)生的工作效率。
【圖文】：

２＾＝ｉｅｘｐ（ｖ，，ｖ？ｙ）逡逑通過引人層次Ｓｏｆｔｍａｘ，可以將計算ｌｏｇ邋？（？彳叫）時間復(fù)雜度。逡逑下圖２－１是ＣＢＯＷ模型和Ｓｋｉｐ－ｇｒａｍ模型的結(jié)構(gòu)圖：逡逑ＩＮＰＵＴ邋ＰＲＯＪＥＣＴＩＯＮ邐ＯＵＴＰＵＴ邐Ｉ邐＇邋ＩＮＰＵＴ邋ＰＲＯＪＥＣＴＩＯＮ邐ＯＵＴＰＵＴ邐ｌ逡逑Ｉ邐ｌ逡逑ｒｎ邐：邐ｒ－ｉ逡逑＇逡逑｜邐Ｗ｛ｔ－２）邐｜邐１邐ａ邐Ｗ（ｔ－２）逡逑！邋＾＼邋！！邋／＾邋！逡逑Ｉ邋＾ＩＩ＾Ｃ邋！逡逑！邐��！邐＼ｙ邐！逡逑ｊ邋Ｗ（Ｈ２）邐Ｉ邐｜邐！邐★邐Ｗ（ｔｆ２）逡逑Ｕ邐！邋Ｉ邐ＬＪ邐！逡逑Ｉ？娭由＿邋—邋＿邋—邋編＊？邋—邋？邋—邋？邋—栜？由■yUyU■嫌Ｉ．邋？■嫌 卆蓳

本文編號：2679670