【摘 要】
：
目的:基于各种医疗健康信息在线平台积累的大量问诊数据,应用自然语言处理相关技术构建医疗领域智能问答模型,为患者提供服务。方法:采用循环神经网络和动态卷积神经网络抽取
论文部分内容阅读
目的:基于各种医疗健康信息在线平台积累的大量问诊数据,应用自然语言处理相关技术构建医疗领域智能问答模型,为患者提供服务。方法:采用循环神经网络和动态卷积神经网络抽取问题与答案的文本特征,使用多层全连接神经网络评判二者匹配度以构建问答模型,采用P@1和MAP指标对模型进行评估。结果:模型能在备选答案中准确地辨别出指定问题的正确答案,效果明显优于基线模型。结论:该模型可以准确地回答患者提出的常见医学问题,可作为后期搭建医疗智能问答系统的底层模型。
其他文献
分析了当前我国区域卫生信息化发展中存在的问题,认为数十年的区域卫生信息化建设,-.方面推.动了全数字化环境下的业务流程再造,进而触发了区域医疗健康业务高度融合的数字化
在数字健康策略大力发展的背景下,通过研究泛美国家卫生健康信息系统成熟度评估模型的内容与特点,提取总结其中可借鉴的内容,结合我国卫生健康领域信息化发展现状,提出我国卫
区域卫生健康信息标准体系是我国区域卫生健康信息化建设发展的重要支撑,依据区域卫生信息化建设领域的标准化应用需求,根据适用性原则,选择该领域中相关的信息标准,建立标准
区域医疗健康数据的标准化、共享化是最大化医疗信息资源价值必然的建设道路,如何通过数据治理实现医疗健康数据价值的挖掘是亟待解决的难题。区域医疗健康数据治理面临数据
目的:实现城市医疗联合体信息共享。方法:以瑞金医院建立的各类医联体为例,分析城市医疗联合体的信息共享模式和遇到的问题。最终设计并实现医疗联合体信息共享。结果及结论:
目的:针对医疗行业数据孤岛、服务碎片、知识差异、产业发展等诸多痛点,提出新一代城市健康信息平台的建设路径。方法:通过数据实时汇聚、数据融合计算、整合公共服务、跨界
目的:筛选住院病历系统中可能与静脉血栓栓塞症相关的特征,与Caprini评分相结合,采用机器学习方法进行建模,在量表评估的基础上进一步提升VTE预测性能。方法:回顾了2019年9月
目的:心电图判读主要依靠医师经验性分析,容易出现差错,本研究提出-维卷积神经网络预测模型实现对心肌梗死的智能诊断。方法:本研究利用Keras及Tensorflow搭建一维卷积神经网
针对我国呼吸与危重症医学专业医疗资源总量不足、医疗资源碎片化、不均衡、非同质、转诊难等现状,中日友好医院牵头成立了呼吸专科联合体,通过加强二、三级及基层医院呼吸专
电子病历是由医生根据病人描述和检查结果进行推断总结出来的,是以非结构化文本形式进行存储和管理,是医疗信息化的核心数据资产,其基本信息单元是医疗实体。传统的实体识别