期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进的医疗文本分类模型:LS-GRU
被引量：
8
1
作者
李强
李瑶坤
+1 位作者
夏书月
康雁
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第7期938-942,961,共6页
为了帮助低年资医生阅读胸部CT影像,并更加精确高效地为临床医生反馈影像报告结果,提出一种改进GRU深度学习框架LS-GRU,用来解决影像报告文本分类问题,即可以根据影像科医生描述,自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1 ...
为了帮助低年资医生阅读胸部CT影像,并更加精确高效地为临床医生反馈影像报告结果,提出一种改进GRU深度学习框架LS-GRU,用来解决影像报告文本分类问题,即可以根据影像科医生描述,自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1 168例,选择了两种描述相近的疾病(肺气肿和肺炎)进行分类,其中肺气肿患者报告大约652例,肺炎约516例.分别验证GRU、BiGRU及LSTM等模型,实验结果表明,LS-GRU模型分类更精确,且具有较高的鲁棒性.
展开更多
关键词
深度学习
医疗文本分类
GRU
慢阻肺
LSTM
在线阅读
下载PDF
职称材料
基于Vocab-GCN的中文医疗文本分类方法
被引量：
2
2
作者
杜永兴
孙彤彤
+3 位作者
周李涌
李灵芳
李宝山
弓彦章
《传感器与微系统》
CSCD
北大核心
2023年第8期152-156,共5页
提出一种应用于中文医疗文本分类的基于词汇级的图卷积神经网络(Vocab-GCN)模型。该模型不仅可以直接对医学文本关系图进行学习,在图嵌入中保存关系图的全局结构信息,得到含有语义网络的深层病理关系,而且仅依靠两层卷积神经网络(CNN)...
提出一种应用于中文医疗文本分类的基于词汇级的图卷积神经网络(Vocab-GCN)模型。该模型不仅可以直接对医学文本关系图进行学习,在图嵌入中保存关系图的全局结构信息,得到含有语义网络的深层病理关系,而且仅依靠两层卷积神经网络(CNN)就展现出了良好的学习优势。实验结果表明:基于Vocab-GCN的中文医疗文本分类方法相比于最优的深度学习方法提高了6.17%的分类准确率,适用于患者初步对疾病类型做出诊断。
展开更多
关键词
图卷积神经网络
深度学习
中文
医疗文本分类
疾病诊断
在线阅读
下载PDF
职称材料
基于神经网络的医疗文本分类研究
被引量：
13
3
作者
许浪
李代伟
+3 位作者
张海清
唐聃
何磊
于曦
《计算机工程与科学》
CSCD
北大核心
2023年第6期1116-1122,共7页
传统的医学文本数据分类方法忽略了文本的上下文关系,每个词之间相互独立,无法表示语义信息,文本描述和分类效果差;并且特征工程需要人工干预,因此泛化能力不强。针对医疗文本数据分类效率低和精度低的问题,提出了一种基于Transformer...
传统的医学文本数据分类方法忽略了文本的上下文关系,每个词之间相互独立,无法表示语义信息,文本描述和分类效果差;并且特征工程需要人工干预,因此泛化能力不强。针对医疗文本数据分类效率低和精度低的问题,提出了一种基于Transformer双向编码器表示BERT、卷积神经网络CNN和双向长短期记忆BiLSTM神经网络的医学文本分类模型CMNN。该模型使用BERT训练词向量,结合CNN和BiLSTM,捕捉局部潜在特征和上下文信息。最后,将CMNN模型与传统的深度学习模型TextCNN和TextRNN在准确率、精确率、召回率和F1值方面进行了比较。实验结果表明,CMNN模型在所有评价指标上整体优于其他模型,准确率提高了1.69%~5.91%。
展开更多
关键词
自然语言处理
医疗文本分类
BERT
CNN
BiLSTM
在线阅读
下载PDF
职称材料
题名
一种改进的医疗文本分类模型:LS-GRU
被引量：
8
1
作者
李强
李瑶坤
夏书月
康雁
机构
东北大学医学与生物信息工程学院
中国石油天然气管道工程有限公司
沈阳医学院附属中心医院
深圳技术大学健康与环境工程学院
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第7期938-942,961,共6页
基金
国家科技部重点技术研发项目(2017YFC0114200)
国家重点研发计划项目(2018YFC1311900).
文摘
为了帮助低年资医生阅读胸部CT影像,并更加精确高效地为临床医生反馈影像报告结果,提出一种改进GRU深度学习框架LS-GRU,用来解决影像报告文本分类问题,即可以根据影像科医生描述,自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1 168例,选择了两种描述相近的疾病(肺气肿和肺炎)进行分类,其中肺气肿患者报告大约652例,肺炎约516例.分别验证GRU、BiGRU及LSTM等模型,实验结果表明,LS-GRU模型分类更精确,且具有较高的鲁棒性.
关键词
深度学习
医疗文本分类
GRU
慢阻肺
LSTM
Keywords
deep learning
medical text classification
GRU(gate recurrent unit)
emphysema
LSTM(long-short term memory)
分类号
TG335.58 [金属学及工艺—金属压力加工]
在线阅读
下载PDF
职称材料
题名
基于Vocab-GCN的中文医疗文本分类方法
被引量：
2
2
作者
杜永兴
孙彤彤
周李涌
李灵芳
李宝山
弓彦章
机构
内蒙古科技大学信息工程学院
内蒙古自治区纪检监察大数据实验室包头大数据研发应用中心
出处
《传感器与微系统》
CSCD
北大核心
2023年第8期152-156,共5页
基金
国家自然科学基金资助项目(61961033)
内蒙古自然科学基金资助项目(2019MS06021)
+4 种基金
内蒙古自治区科技重大专项项目(2019ZD025)
内蒙古自治区研究生教育教学改革研究与实践项目(YJG20191012710)
内蒙古科技成果转化专项项目(2020.1—2021.12)
内蒙古纪检监察大数据实验室开放课题基金资助项目(IMDBD2020019)
内蒙古科技大学创新基金资助项目(2019ODL—S10)。
文摘
提出一种应用于中文医疗文本分类的基于词汇级的图卷积神经网络(Vocab-GCN)模型。该模型不仅可以直接对医学文本关系图进行学习,在图嵌入中保存关系图的全局结构信息,得到含有语义网络的深层病理关系,而且仅依靠两层卷积神经网络(CNN)就展现出了良好的学习优势。实验结果表明:基于Vocab-GCN的中文医疗文本分类方法相比于最优的深度学习方法提高了6.17%的分类准确率,适用于患者初步对疾病类型做出诊断。
关键词
图卷积神经网络
深度学习
中文
医疗文本分类
疾病诊断
Keywords
graph convolutional neural network(GCN)
deep learning
Chinese medical text classification
disease diagnosis
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于神经网络的医疗文本分类研究
被引量：
13
3
作者
许浪
李代伟
张海清
唐聃
何磊
于曦
机构
成都信息工程大学软件工程学院
四川省信息化应用支撑软件工程技术研究中心
成都大学斯特灵学院
出处
《计算机工程与科学》
CSCD
北大核心
2023年第6期1116-1122,共7页
基金
欧盟项目(598649-EPP-1-2018-1-FR-EPPKA2-CBHE-JP)
国家自然科学基金(61602604)
四川省科技厅项目(2021YFH0107,2022YFS0544,2022NSFSC0571)。
文摘
传统的医学文本数据分类方法忽略了文本的上下文关系,每个词之间相互独立,无法表示语义信息,文本描述和分类效果差;并且特征工程需要人工干预,因此泛化能力不强。针对医疗文本数据分类效率低和精度低的问题,提出了一种基于Transformer双向编码器表示BERT、卷积神经网络CNN和双向长短期记忆BiLSTM神经网络的医学文本分类模型CMNN。该模型使用BERT训练词向量,结合CNN和BiLSTM,捕捉局部潜在特征和上下文信息。最后,将CMNN模型与传统的深度学习模型TextCNN和TextRNN在准确率、精确率、召回率和F1值方面进行了比较。实验结果表明,CMNN模型在所有评价指标上整体优于其他模型,准确率提高了1.69%~5.91%。
关键词
自然语言处理
医疗文本分类
BERT
CNN
BiLSTM
Keywords
natural language processing
medical text classification
BERT
CNN
BiLSTM
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进的医疗文本分类模型:LS-GRU
李强
李瑶坤
夏书月
康雁
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020
8
在线阅读
下载PDF
职称材料
2
基于Vocab-GCN的中文医疗文本分类方法
杜永兴
孙彤彤
周李涌
李灵芳
李宝山
弓彦章
《传感器与微系统》
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
3
基于神经网络的医疗文本分类研究
许浪
李代伟
张海清
唐聃
何磊
于曦
《计算机工程与科学》
CSCD
北大核心
2023
13
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
