基于深度学习的慢性肝病CT报告相似度分析

• 作者: 刘清星 常炳国
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 慢性肝病 CT报告 深度学习 分词算法 相似度计算
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 算法
• 页码范围: 289-294,302
• 页数: 7页
• 分类号: TP391.1
• 字数: 5080字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.08.053

摘要

肝部CT检查是诊断慢性肝病的必要措施.通常,CT报告由影像所见描述和根据所见给出的诊断建议结果两部分组成.研究肝CT报告影像所见描述文本的相似度,辅助医生在给出新的CT诊断建议结果时参考历史上相似度最高的相应CT报告诊断结论.在研究慢性肝病医学词库基础上,运用网络爬虫技术获取相关网站医学词汇及自定义的否定词汇表,构建了包含约6 000个医学词汇的慢性肝病CT报告分词词库.运用基于词库与最大匹配规则相结合的分词算法,对肝CT报告文本进行分词处理.利用Doc2Vec深度学习算法获取CT报告文本分词表的句向量.通过计算句向量之间的余弦值得出CT报告文本相似度,选择历史CT报告文本中相似度大于阈值的报告用于医生进行参考.整理分析了6 900份真实的影像科检查报告,基于自定义词库及改进的分词算法,分词准确率达到87％.通过与基于TF-IDF的统计算法和基于隐含狄利克雷主题模型(LDA)算法进行对比分析,采用的算法获得的相似文本的平均准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常炳国	湖南大学信息科学与工程学院	20	118	7.0	10.0
2	刘清星	湖南大学信息科学与工程学院	1	2	1.0	1.0