您当前的位置：
首页 > 文献资料
所属专业：
BiLSTM文献资料
-
基于双向LSTM神经网络电子病历命名实体的识别模型
背景:电子病历数据是医疗领域大数据的重要源头,是医学知识的体现.电子病历是患者就医过程的记录,是临床辅助决策系统、精准医学研究和疾病监控等应用的重要数据支撑.目的:研究电子病历的信息抽取技术,提取中文电子病历中的重要医学实体,支持肝细胞癌的知识发现.方法:数据集来自广东省某三甲医院的电子病历数据库.共收集了240例患有肝细胞癌的病历记录(18542个句子),包括入院记录和出院小结.按照预先定义的标准进行标注.随机抽取180例患者病历(13839个句子)进行训练,并保留60个病例记录(4703个句子)作为测试集.利用双向的LSTM网络结合CRF训练命名实体识别模型.在测试数据集上评估NER系统的性能,并计算出严格匹配的准确率、召回率和F1值.结果与结论:对测试数据集的评估表明,入院记录中实体识别F1值为0.8535,出院小结中实体识别的F1值为0.7265,总体F1值为0.8052.研究实现了电子病历文本自动命名实体识别模型,下一步的研究重点将改进实体抽取的准确率.
