發(fā)布時間：2022-02-24 06:45

　　目前,肝臟類疾病已經(jīng)成為世界上致死率最高的疾病之一,因?yàn)樵缙诓±碇笜?biāo)不太明顯,有一定的診斷難度。同時由于傳統(tǒng)病歷數(shù)據(jù)通常沒有統(tǒng)一的結(jié)構(gòu)和標(biāo)準(zhǔn),尤其是文本病歷數(shù)據(jù)存在大量冗余、歧義、缺失,這增加了醫(yī)務(wù)工作者的診斷難度,甚至直接導(dǎo)致誤診。且不同的醫(yī)療機(jī)構(gòu)之間還存在很多信息壁壘,數(shù)據(jù)沒有很好地形成互通和共享,這造成了歷史醫(yī)學(xué)數(shù)據(jù)和肝病診斷經(jīng)驗(yàn)的流失。而移動通信技術(shù)的發(fā)展和醫(yī)療信息化的不斷推廣促使電子病歷數(shù)據(jù)飛速增長,其中的文本數(shù)據(jù)中蘊(yùn)含了大量的醫(yī)學(xué)語義信息。合理利用電子病歷數(shù)據(jù)能夠降低肝病的誤診率。自然語言處理中的文本處理技術(shù)可以把文本數(shù)據(jù)表示成為數(shù)字化的特征,然后通過計(jì)算機(jī)對文本特征的學(xué)習(xí)和訓(xùn)練,抽象出其中蘊(yùn)含的語義信息,以此輔助醫(yī)生的診療。本文結(jié)合肝臟電子病歷數(shù)據(jù)中文本部分的數(shù)據(jù)特點(diǎn),將詞向量技術(shù)和深度學(xué)習(xí)理論應(yīng)用到電子病歷文本數(shù)據(jù)的處理中。針對以往詞向量訓(xùn)練方式中忽略文檔全局信息的局限性,文中加入了全文詞語共現(xiàn)性統(tǒng)計(jì),使得詞語的向量表示能保留更多的語義信息。針對傳統(tǒng)的基于特征提取和分類器的疾病預(yù)測中存在的缺陷,本文借用部分處理圖像數(shù)據(jù)的思想,提出了醫(yī)學(xué)文本數(shù)據(jù)的定長矩陣表示,并結(jié)合根據(jù)... 

【文章來源】：浙江大學(xué)浙江省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：107 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第1章 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外主要研究現(xiàn)狀
        1.2.1 文本分詞
        1.2.2 文本表示
        1.2.3 分類學(xué)習(xí)
    1.3 論文的研究目的和意義
    1.4 論文的組織結(jié)構(gòu)
第2章 理論知識基礎(chǔ)
    2.1 短文本表示技術(shù)
        2.1.1 One-hot表示和Distributed表示
        2.1.2 Word2Vec詞向量
        2.1.3 GloVe詞向量
        2.1.4 向量相似度
    2.2 分類技術(shù)
        2.2.1 支持向量機(jī)
        2.2.2 k鄰近學(xué)習(xí)
    2.3 深度學(xué)習(xí)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 Softmax
    2.4 集成學(xué)習(xí)
    2.5 本章小結(jié)
第3章 基于醫(yī)學(xué)電子病歷數(shù)據(jù)的智能處理
    3.1 基于定長詞向量矩陣的醫(yī)學(xué)短文本表示
        3.1.1 基于commons-csv的數(shù)據(jù)提取:
        3.1.2 基于Word分詞的詞語空間
        3.1.3 基于GloVe的詞向量訓(xùn)練
        3.1.4 基于最大Tanimoto系數(shù)的文本定長矩陣表示
    3.2 基于深度學(xué)習(xí)和集成學(xué)習(xí)的醫(yī)學(xué)疾病預(yù)測
        3.2.1 基于傳統(tǒng)機(jī)器學(xué)習(xí)的分類預(yù)測
        3.2.2 基于深度學(xué)習(xí)的分類預(yù)測
        3.2.3 基于集成學(xué)習(xí)思想的改進(jìn)
    3.3 基于定長詞向量矩陣的文本語義信息挖掘
        3.3.1 相似度匹配
        3.3.2 關(guān)鍵信息提取
    3.4 本章小結(jié)
第4章 基于病歷文本語義分析的智能肝病輔助診療系統(tǒng)的設(shè)計(jì)
    4.1 系統(tǒng)整體設(shè)計(jì)
        4.1.1 功能模塊
        4.1.2 整體架構(gòu)
    4.2 網(wǎng)絡(luò)接入層設(shè)計(jì)
    4.3 業(yè)務(wù)邏輯層設(shè)計(jì)
        4.3.1 智能疾病預(yù)測和校驗(yàn)?zāi)K
        4.3.2 智能語音模塊
        4.3.3 智能匹配模塊
        4.3.4 關(guān)鍵信息提取模塊
    4.4 展現(xiàn)層設(shè)計(jì)
    4.5 算法層設(shè)計(jì)
    4.6 數(shù)據(jù)層設(shè)計(jì)
    4.7 本章小結(jié)
第5章 系統(tǒng)功能和性能測試
    5.1 測試環(huán)境介紹
    5.2 基于病歷文本語義分析的智能肝病輔助診療系統(tǒng)功能測試
        5.2.1 服務(wù)端測試
        5.2.2 網(wǎng)頁端測試
        5.2.3 移動端測試
    5.3 基于病歷文本語義分析的智能肝病輔助診療系統(tǒng)性能測試
        5.3.1 詞向量性能測試
        5.3.2 系統(tǒng)吞吐量測試
        5.3.3 系統(tǒng)穩(wěn)定性測試
    5.4 本章小結(jié)
第6章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果



本文編號：3642188