近年來(lái),隨著數(shù)字醫(yī)療在全球范圍內(nèi)的普及,醫(yī)療行業(yè)的人工智能應(yīng)用也逐漸開(kāi)展,死亡預(yù)測(cè)、癌癥診斷、醫(yī)學(xué)影像識(shí)別等研究相繼問(wèn)世�，F(xiàn)階段人工智能技術(shù)在醫(yī)學(xué)臨床應(yīng)用方面仍存在三點(diǎn)挑戰(zhàn):首先,現(xiàn)有的醫(yī)學(xué)人工應(yīng)用大多關(guān)注于醫(yī)學(xué)影像處理和結(jié)構(gòu)化數(shù)據(jù)預(yù)測(cè)的階段,對(duì)非結(jié)構(gòu)化的電子病歷文本數(shù)據(jù)的深度挖掘和輔助診斷仍處于起步階段;其次,現(xiàn)有的臨床決策支持系統(tǒng)大多是以知識(shí)庫(kù)為基礎(chǔ)的邏輯推理,導(dǎo)致每當(dāng)擴(kuò)展到一種新疾病時(shí),專業(yè)醫(yī)護(hù)人員前期預(yù)處理工作的復(fù)雜度呈幾何倍數(shù)增長(zhǎng),從而阻礙醫(yī)學(xué)人工智能算法的大規(guī)模推廣;再次,臨床決策支持系統(tǒng)難以從病歷文本中精確提取患者的特征信息,導(dǎo)致了輔助診斷算法無(wú)法對(duì)相似疾病做出準(zhǔn)確診斷�？傊�,現(xiàn)有工作普遍缺乏一種既能符合臨床診斷需要、又能有效提高診斷預(yù)測(cè)精度的智能算法。為了解決上述挑戰(zhàn),本文提出了一種整合自然語(yǔ)言處理和深度學(xué)習(xí)方法的兒科臨床輔助診斷算法（稱為NLP-BiRNN）,旨在通過(guò)對(duì)海量文本病歷的學(xué)習(xí),輔助臨床經(jīng)驗(yàn)不足的兒科醫(yī)生進(jìn)行快速準(zhǔn)確的診斷預(yù)測(cè)。本文的主要研究?jī)?nèi)容包括:第一,針對(duì)電子病歷中自由書(shū)寫(xiě)的無(wú)格式文本,提出了一個(gè)面向海量中文病歷文本的自然語(yǔ)言處理解決方案;第二,使用雙... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－３人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??２－３一，：入、

圖２－５?屋循環(huán)神經(jīng)元隨時(shí)間展開(kāi)示意圖??

Ｒｅｌｕ?＝?ｍａｘ?（０，?ｘ）?（２．?１２）??對(duì)應(yīng)的函數(shù)圖像如圖２－８所示??１０?－?？??：：ｚ??ｉ?Ｉ?ｉ?ｉ?ｉ?０?ｒ?ｉ?ｉ?ｉ?ｉ?ｉ??－１０?－８－６－４－２６?２?４?６?８?１０??圖２－８?ＲｅＬＵ函數(shù)圖像??１５??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)特征的乳腺腫瘤分類模型評(píng)估[J]. 梁翠霞,李明強(qiáng),邊兆英,呂聞冰,曾棟,馬建華.  南方醫(yī)科大學(xué)學(xué)報(bào). 2019(01)
[2]自動(dòng)答疑系統(tǒng)中文自動(dòng)分詞模塊設(shè)計(jì)與實(shí)現(xiàn)[J]. 闕玲麗.  電子技術(shù)與軟件工程. 2018(05)
[3]基于電子病歷系統(tǒng)的臨床疾病診斷的應(yīng)用效果評(píng)價(jià)[J]. 高健,杜靜.  中國(guó)數(shù)字醫(yī)學(xué). 2017(11)
[4]腸道病毒感染在兒童急性呼吸道感染中的臨床特征及流行病學(xué)分析[J]. 郝金斗,李寧,劉培輝.  中國(guó)醫(yī)藥導(dǎo)報(bào). 2016(36)

碩士論文
[1]基于病歷信息的智能診斷技術(shù)研究[D]. 胡育.電子科技大學(xué) 2015



本文編號(hào)：2977535