【摘 要】
:
随着医疗数据的急速增长,传统的搜索引擎已经不能够满足人们检索医疗信息的需求,当人们使用搜索引擎进行检索时,返回的往往是一些网页链接,这些信息通常杂乱无章,需要人为去筛选。此外,医学知识的复杂多样以及用户医疗知识的匮乏都使得检索变得非常困难。问答系统的诞生给问题的解决带来了契机。将问答系统应用于医疗咨询领域形成医疗导诊系统,可以快速了解用户意图,为用户提供高质量的导诊服务。传统的导诊系统都是基于规则
论文部分内容阅读
随着医疗数据的急速增长,传统的搜索引擎已经不能够满足人们检索医疗信息的需求,当人们使用搜索引擎进行检索时,返回的往往是一些网页链接,这些信息通常杂乱无章,需要人为去筛选。此外,医学知识的复杂多样以及用户医疗知识的匮乏都使得检索变得非常困难。问答系统的诞生给问题的解决带来了契机。将问答系统应用于医疗咨询领域形成医疗导诊系统,可以快速了解用户意图,为用户提供高质量的导诊服务。传统的导诊系统都是基于规则模板的方式去解析用户问题,面对日益增长的信息,需要大量的人力物力去构建模板库以及关键词库,受限于模板库以及关键词库的大小,此类方法对于用户问题的解析能力往往较差,查询效率不高。针对上述情况,本文利用医疗知识图谱来研究与实现智能导诊系统,通过此系统为用户提供诸如疾病查询、科室查询、鉴别诊断等医疗导诊服务,利用深度学习技术对用户问题进行智能化的解析,极大提高了问题解答的能力。本文主要包含以下几个方面的工作:1.构建一种基于医疗知识图谱的智能导诊系统模型。该模型由医疗知识图谱模块、用户交互模块、问题理解模块、问题解答模块、测试模块共五个模块构成。2.给出医疗知识图谱的构建方法。使用爬虫技术从医疗网站上爬取信息,并将其保存到数据库中,接着根据医疗知识图谱的概念层设计,将爬取的医疗数据以“实体-关系-实体”或“实体-属性-属性值”的三元组的形式存储到图数据库中,从而实现医疗知识图谱的构建。3.给出医疗问题智能理解方法。用户问题的理解包含医疗实体识别和意图分类两个任务。在医疗实体识别任务中,使用BERT-IDCNN-Attention-CRF算法去识别用户问题中是否包含疾病、症状、治疗方式等实体。在意图分类任务中,使用BERT+Bi LSTM+Multi Head-Attention算法来判断用户是否想要进行疾病查询、科室查询、鉴别诊断等医疗服务。本文通过这两个任务实现了对用户问题的智能化解析。通过对比实验可以看出本文使用的医疗实体识别算法相较于经典算法BERT-Bi LSTM-CRF,在查准率、召回率、F1值上分别提高了0.51%、2.08%、1.29%。使用的意图分类算法与经典算法BERT-Text CNN相比,在查准率、召回率、F1值上分别提高了0.21%、3.08%、1.86%。同时,本文还对问题理解的准确率进行了实验,将本文给出的两个算法作用于同一个问题上时,能够同时抽取正确实体和正确意图的准确率为89%,进一步表明了本文所给的医疗问题智能理解方法的有效性。4.给出医疗问题解答导诊方法。首先通过Sentencetransformers库函数将识别出的实体映射到医疗知识图谱对应的实体上,根据回复策略、链指后的实体以及用户意图生成对应的Cypher语句去知识图谱中进行答案的查询,最后将匹配的最佳结果通过网页形式反馈给用户。5.实现并运行测试智能导诊系统。首先对系统的各个功能进行了编码实现,然后对整个导诊系统进行了运行测试。运行测试结果表明,在共270个医疗相关问题上,本系统在疾病查询、科室查询、鉴别诊断等9个方面都可以做出很好的回答。通过对本文构建的医疗知识图谱智能导诊系统进行的测试以及系统的整体运行情况可以看出,一方面通过本文给出的问题理解方法提高了对用户问题理解的准确率,另一方面在问题解答时,使用实体链指、槽位填充、知识图谱查询技术的确能够得到高效、准确的导诊答案。因此,本文构建的医疗知识图谱智能导诊系统能够很好地帮助用户进行科室查询、自我诊察等导诊服务,减轻了医院医生的工作量,方便了用户的就诊。
其他文献
近年来,随着机器人技术的不断创新与发展,各个领域都有机器人的参与,“机器换人”在某些工作领域是必然趋势。在狭窄、危险的非结构复杂环境中,比如地震坍塌、煤矿爆炸的灾后现场、狭窄管道等,人类难以进入这些环境进行探测、救援、巡检工作。因此本研究针对目前的机器人在灾后非结构环境和狭小管道环境存在障碍通过能力以及底盘被卡等方面的不足,提出了一种新型的组合轮杆机器人。该机器人在满足限定尺度和功率,结构简单的同
随着计算机网络及数字媒体技术的飞速发展,信息技术已经广泛的应用于各个领域当中,各种文字、音频、图像等多媒体信息及时的传递到世界各地,政府、企业、个人和各个组织等正利用互联网平台,传递大量公开或隐密的信息。然而公共传输的不安全性引起了大家的关注。其中信息隐藏是具有伪装特性的信息安全技术,它的主要思想是将秘密信息嵌入到数字多媒体载体中(声音、图像、音频等),而不易被人发现,从而安全的将秘密信息进行传递
等离子体纳米颗粒作为一种特殊的纳米材料,有着良好的生物相容性与可调节的光学性能。借助其独特的局域表面等离子体共振(LSPR)效应,可以在暗场显微镜(DFM)中获取等离子体纳米颗粒的光散射信号,得到等离子体纳米颗粒共振散射成像。由于成像速度快且成像结果具有高信噪比,等离子体共振散射成像在分析检测和动态反应监控方面具有很强的优越性,在生物、化学和光子学领域具有广阔的发展前景。但是该成像技术仍存在一定的
产教融合背景下,基于临床医生工作过程,从教学内容重构、模拟仿真教学、医教深度融合、评价机制改革等方面对诊断学实践教学进行有益探索,提升临床医学专业学生实践能力,为城乡基层医疗卫生机构培养高素质技能型专门人才打下基础。
近年来,随着深度学习技术的不断发展,人工智能的研究与应用也逐步渗入到了社会的各个领域。尤其在教育领域,目前面临着信息化和智能化的转型,因而探究人工智能技术在教育领域中的应用具有重要意义。智能提问是构建智能化教学环境的一个重要组成部分,它与教育学、计算机、心理学等众多学科有着密不可分的联系。在智能教学过程中,通过利用人工智能技术学习相关文本内容,自动提出有意义的问题,从而达到辅助教师授课以及提高学生
甲状腺结节是成年人群体中最常见的内分泌疾病之一,结节存在恶性风险,可能会发生癌变,及时进行诊断治疗能够减轻患者痛苦。超声成像由于其便捷、廉价、对患者无损伤等特性被广泛应用于甲状腺结节诊断。医生在人工阅片进行甲状腺结节诊断时需要耗费大量的精力,并且具有一定的主观性,可能产生漏诊、误诊的现象。而利用计算机辅助诊断系统可以较为客观、定量地描述结节,减轻医生压力并减少误诊。医疗图像分割作为计算机辅助诊断中
高接换种是将接穗嫁接在大树分枝上,利用大树原有的强大根系及树干的充足营养实现树冠快速建成和产量恢复的嫁接技术,是品种快速更新、提高经济效益的重要手段,并在全世界广泛应用。中国是柑橘的主要发源地,有4000多年的柑橘栽培历史和800多年的柑橘嫁接历史。近年来我国四川、重庆等柑橘产区采用高接换种的方式进行品种更新,但生产过程中大面积出现高接黄化现象,树冠建成慢、产量难以恢复,严重影响了当地柑橘产业升级
集成学习算法和理论的研究,一直是人工智能领域研究的热点。集成学习算法通过融合多个基学习器,组成一个性能更优越的强学习器,泛化能力得到增强。而获得一个优秀的强学习器,首要问题是使参与集成的基学习器准确且多样。为了解决这个问题,经典的方法是通过对整体训练集进行多次采样生成多个采样集,训练这些采样集将得到多个准确且具有一定多样性的基学习器,但是由于每个采样集遵循整体训练集的大致分布,训练得到的基学习器的
近年来在计算机视觉研究领域,行人重识别问题越来越引起学术界和工业界的广泛关注。其主要解决跨摄像机跨场景下的行人识别与检索,可看作是图像检索的子问题,能广泛运用于智慧城市、智能安防、刑侦等领域。同时行人重识别方法还能与人脸识别方法结合,互为补充。对不能获得清晰人脸图像的人员实现跨摄像机视角的识别与追踪,提升数据的时间与空间连续性。人脸识别与行人重识别本质上都是对图像特征的提取与表征,以及对特征的度量
文本验证码是一种自动识别用户的工具。当用户访问网站、查找信息、下载网络资源时,会调用到不同种类的验证码进行验证,包括用户注册、频繁认证失败、同一个IP地址频繁下载资源等情况。使用文本验证码能有效区分机器和人,保护用户的个人隐私和网站的安全,防止他人编写程序盗取网络资源,提高真实用户对网络资源的实际利用率。随着深度学习技术应用到文本图像识别,越来越多地识别技术逐渐攻破文本验证码防御技术点,成功识别文