经典深度学习算法对中文随机对照试验智能判别应用

• 作者: 姚攀 李春洁 毛渤淳 谢雨 陈圣恺
• 来源期刊: 中国循证医学杂志
• 关键词: 深度学习 随机对照试验 文献筛选 循证医学
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 原始研究
• 页码范围: 1262-1267
• 页数: 6页
• 语种: 中文
• DOI: 10.7507/1672-2531.201906050

摘要

目的 评价采用深度学习算法卷积神经网络(CNN)智能识别中文医学文献中随机对照试验(RCT)的效果.方法 计算机检索CNKI数据库,限定年限为2014年全年、主题为“口腔”的医学文献并导出包含标题、摘要信息的题录,采用双人独立标注后核对、讨论的方式进行RCT人工筛选,并将最终结果用于CNN算法模型训练.完成该算法模型训练后,组织前瞻性对照试验,检索2018年1月至3月CNKI上发表的所有口腔医学文献,以双人核对后最终结果作为金标准,将CNN算法结果与单人初次标注的结果(人工水平)进行对比,计算两组的灵敏度(SEN)与特异度(SPE).并调整算法的划分阈值,通过绘制受试者操作特征(ROC)曲线确定最佳阈值.结果 纳入1 246条RCT和4 754条非RCT用于CNN训练与测试.最终对照试验纳入RCT 249条、非RCT 949条,得到人工筛选的SEN=98.01％,SPE=98.82％.该算法模型对RCT筛选的SEN随阈值升高而减小,SPE随阈值升高而增大,进行27次阈值变动后,所得ROC曲线下面积为0.9977.得到该算法模型的最佳准确度阈值(阈值=0.4,SEN=98.39％,SPE=98.84％)与高SEN阈值(阈值=0.06,SEN=99.60％,SPE=94.10％).结论 经本研究建立的中文RCT数据库训练后,CNN算法对中文RCT的筛选效果较为出色,前瞻性对照试验证明其具有足以替代人工水平的RCT筛选效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李春洁		20	107	7.0	9.0
2	陈圣恺		2	0	0.0	0.0
3	姚攀		4	2	1.0	1.0
4	毛渤淳		2	0	0.0	0.0
5	谢雨		2	1	1.0	1.0