基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用

• 作者: 宋晓霞 岁波 洪平 罗海琼 赵璐偲 陈旭
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 电子病历 文本推荐 双向长短时记忆网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 系统研发与设计
• 页码范围: 55-57,51
• 页数: 4页
• 分类号: R319|TP391
• 字数: 2610字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2020.04.017

摘要

目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量.方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文本进行清洗构建训练集后做特征编码,采用基于深度学习的BiLSTM网络算法,学习专科专病的语义信息.结果:分别基于BERT特征、独热编码、词向量三种文本表示,针对过往病历数据建立BiLSTM模型,预测下一句文本,结果表明使用BERT预训练模型特征的BiLSTM模型F1-score达到75.23％,且具有实际应用的价值.在专科专病文本推荐的场景下,BERT特征优于独热编码和Word2Vec词向量.