首页 > 文献资料
-
面向中医临床现病史文本的命名实体抽取方法研究
目的:中医临床病历作为重要的临床数据,以文本的形式记录了医生和患者交互的整个过程.目前,在大数据的背景下,针对临床病历所涵盖的主体问题信息如现病史的分析利用相关研究仍有所欠缺.因此,本文针对中医临床病历中的现病史部分展开症状术语抽取方法研究,为临床病历的进一步使用奠定基础.方法:首先通过随机挑选与专家审核的方式获得了12 367份现病史数据,按照疾病种类分成了两组实验,其中糖尿病组包含了4 838份数据,脾胃病组7 529份数据,以及合并后的混合组12 367份数据.并整理出了一份涵盖22 996个词的症状术语字典.然后选取滑动窗口特征、词的前后缀特征、词典特征等5种特征模板,使用CRFs模型开展症状术语命名实体抽取实验.结果:在实验结果评价标准(准确率、召回率和F1值)上的表现:在开放测试上的评价结果为(0.83、0.8、0.82)、(0.9、0.9、0.89)和(0.88、0.87、0.87);在十重交叉验证上的评价结果为(0.83、0.82、0.83)、(0.95、0.95、0.95)和(0.93、0.92、0.92).结论:CRFs模型作为一种优秀的序列标注算法,适用于现病史文本的症状术语命名实体抽取任务.
-
神经元网络容错学习在肾小球区域边界增强中的应用
在肾脏组织切片图像的自动分析系统中,肾小球区域边界的增强是一个关键的环节.肾组织切片图像的复杂特点导致了对肾小球边界特征描述的困难.本文在给出特殊边界定义下提出了一种特征模板,用神经元网络构造非线性阈值曲面,考虑网络容错性对边界增强效果的影响,选择合适的阈值曲面进行边界增强.实验结果表明,该容错学习可以在抑制噪声的同时获得对肾小球边界的增强,从而获得良好的处理效果,并且对染色程度不同的样本图像具有强的适应性.
