久久久999久久久99,鸡巴操女人逼性爱,极品美女极度色诱视频天美,一区二区三区日本在线观看,码精品一区二区三区四区,久久久久久久人人妻,黄色一级日本黄色一级,美女精品蜜桃丝袜在线观看,久久婷五月综合色啪

【摘要】：醫療行業電子病歷數據的不斷累積,為智慧醫療系統的研究與設計的提供了大量的數據支撐。所以在線問診系統,開發基于病歷數據的輔助問診系統可幫助醫生進行問診工作,為診斷提供有效參考意見。本文依據醫院一般門診的實際問診流程,采用機器學習和自然語言處理方法構建了問診模型來推理醫生的診斷過程。問診模型通過模擬醫生與患者的信息動態交互方式,將病歷拆分為更精細的粒度(癥狀),從而實現輔助問診需求。本文的主要工作有:(1)實現電子病歷結構化在問診過程中,醫生需重復詢問患者是否具有其他癥狀來做最終的診斷。所以,輔助問診系統期望能對醫生提問的癥狀詞做推薦,推薦詞即相關癥狀信息。在電子病歷文本中提取癥狀要素是構建問診模型基礎工作。本文通過醫學實體定義、病歷數據標注、醫學實體識別來完成電子病歷結構化工作。文中一共定義了 8種實體,標注了一萬多份病歷數據,最終采用-CRF模型加規則聯合識別的策略,準確率達0.938。(2)設計與實現基于電子病歷數據的問診模型問診模型主要包括癥狀推薦和疾病預測兩部分。根據先問后診策略,實現了基于N-Gram和LSTM文本分類的問診模型。根據先診后問策略,實現了基于決策樹和LSTM文本分類的問診模型和基于決策樹和強化學習的問診模型。通過選取神經內科、消化科、心內科和兒科四個科室病歷數較多的的十種疾病的病歷數據作為模型的訓練集在線問診系統,并從疾病診斷準確率和對話輪數角度對比分析了三個模型的效果。其中,基于決策樹和強化學習的問診模型優于其他兩個模型。在對話輪數為6時,其診斷準確率達0.679。(3)開發基于問診模型的交互網站為了問診模型的實際使用,本文開發了輔助問診系統。該系統提供病歷管理、癥狀推薦和疾病預測功能。癥狀推薦模塊用于交互性輔助問診,疾病預測模塊用于直接輔助診斷。通過問診交互網站,用戶可切換三個問診模型得到不同推薦癥狀詞和預測疾病來為下一步問診作參考。