一种改进的医疗文本分类模型:LS-GRU

摘要：

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1168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

所属期刊栏目：41

分类号：TG335.58(金属压力加工)

资助基金：国家科技部重点技术研发项目;国家重点研发计划项目

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：938-942,961