基于深度学习的甲状腺病史结构化研究与实现

• 作者: 申舒心 陈德华 骆轶姝
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 甲状腺 病史 深度学习 实体识别
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 21-26,32
• 页数: 7页
• 分类号: TP311
• 字数: 5280字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.04.006

摘要

甲状腺病史作为一类重要的非结构化文档,对医疗诊断至关重要.针对具体的甲状腺病史数据,提出一种基于深度学习的甲状腺病史结构化处理方法.首先,构建专业词库和病史本体,使用专业词库指导分词,基于本体结构完成结构化输出;其次,通过使用实体识别技术,完成对分词结果标签的预测;最后,使用标签抽取和词库匹配两种方法对病史数据进行信息抽取,并将结构化结果以RDF进行存储.实验结果表明该方法的准确率和泛化性较传统方法有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德华	东华大学计算机科学与技术学院	39	220	8.0	13.0
2	骆轶姝	东华大学计算机科学与技术学院	32	191	6.0	13.0
6	申舒心	东华大学计算机科学与技术学院	1	0	0.0	0.0