售前電話(huà)
135-3656-7657
售前電話(huà) : 135-3656-7657
【摘要】:醫(yī)療行業(yè)電子病歷數(shù)據(jù)的不斷累積,為智慧醫(yī)療系統(tǒng)的研究與設(shè)計(jì)的提供了大量的數(shù)據(jù)支撐。所以在線問(wèn)診系統(tǒng),開(kāi)發(fā)基于病歷數(shù)據(jù)的輔助問(wèn)診系統(tǒng)可幫助醫(yī)生進(jìn)行問(wèn)診工作,為診斷提供有效參考意見(jiàn)。本文依據(jù)醫(yī)院一般門(mén)診的實(shí)際問(wèn)診流程,采用機(jī)器學(xué)習(xí)和自然語(yǔ)言處理方法構(gòu)建了問(wèn)診模型來(lái)推理醫(yī)生的診斷過(guò)程。問(wèn)診模型通過(guò)模擬醫(yī)生與患者的信息動(dòng)態(tài)交互方式,將病歷拆分為更精細(xì)的粒度(癥狀),從而實(shí)現(xiàn)輔助問(wèn)診需求。本文的主要工作有:(1)實(shí)現(xiàn)電子病歷結(jié)構(gòu)化在問(wèn)診過(guò)程中,醫(yī)生需重復(fù)詢(xún)問(wèn)患者是否具有其他癥狀來(lái)做最終的診斷。所以,輔助問(wèn)診系統(tǒng)期望能對(duì)醫(yī)生提問(wèn)的癥狀詞做推薦,推薦詞即相關(guān)癥狀信息。在電子病歷文本中提取癥狀要素是構(gòu)建問(wèn)診模型基礎(chǔ)工作。本文通過(guò)醫(yī)學(xué)實(shí)體定義、病歷數(shù)據(jù)標(biāo)注、醫(yī)學(xué)實(shí)體識(shí)別來(lái)完成電子病歷結(jié)構(gòu)化工作。文中一共定義了 8種實(shí)體,標(biāo)注了一萬(wàn)多份病歷數(shù)據(jù),最終采用-CRF模型加規(guī)則聯(lián)合識(shí)別的策略,準(zhǔn)確率達(dá)0.938。(2)設(shè)計(jì)與實(shí)現(xiàn)基于電子病歷數(shù)據(jù)的問(wèn)診模型問(wèn)診模型主要包括癥狀推薦和疾病預(yù)測(cè)兩部分。根據(jù)先問(wèn)后診策略,實(shí)現(xiàn)了基于N-Gram和LSTM文本分類(lèi)的問(wèn)診模型。根據(jù)先診后問(wèn)策略,實(shí)現(xiàn)了基于決策樹(shù)和LSTM文本分類(lèi)的問(wèn)診模型和基于決策樹(shù)和強(qiáng)化學(xué)習(xí)的問(wèn)診模型。通過(guò)選取神經(jīng)內(nèi)科、消化科、心內(nèi)科和兒科四個(gè)科室病歷數(shù)較多的的十種疾病的病歷數(shù)據(jù)作為模型的訓(xùn)練集在線問(wèn)診系統(tǒng),并從疾病診斷準(zhǔn)確率和對(duì)話(huà)輪數(shù)角度對(duì)比分析了三個(gè)模型的效果。其中,基于決策樹(shù)和強(qiáng)化學(xué)習(xí)的問(wèn)診模型優(yōu)于其他兩個(gè)模型。在對(duì)話(huà)輪數(shù)為6時(shí),其診斷準(zhǔn)確率達(dá)0.679。(3)開(kāi)發(fā)基于問(wèn)診模型的交互網(wǎng)站為了問(wèn)診模型的實(shí)際使用,本文開(kāi)發(fā)了輔助問(wèn)診系統(tǒng)。該系統(tǒng)提供病歷管理、癥狀推薦和疾病預(yù)測(cè)功能。癥狀推薦模塊用于交互性輔助問(wèn)診,疾病預(yù)測(cè)模塊用于直接輔助診斷。通過(guò)問(wèn)診交互網(wǎng)站,用戶(hù)可切換三個(gè)問(wèn)診模型得到不同推薦癥狀詞和預(yù)測(cè)疾病來(lái)為下一步問(wèn)診作參考。