面向医疗分诊的深度神经网络学习

摘要：

[目的]基于患者的主诉和病史,利用深度学习模型辅助解决医院预检分诊中准确分配科室问题.[方法]将卷积神经网络模型应用于医疗领域的短文本分类问题,从非结构化的患者主诉文本中学习医疗术语之间的相关性,进行预训练,然后将预训练模型的结构、参数及其权重用于含主诉和病史文本的网络中进行调整,从而得到最终的学习结果.[结果]该算法在数据集上F值达到88％,超过当前最好的基线模型6个百分点,同时发现在数据集内容和样本量大小相似的情况下,使用预训练模型能够明显提高模型训练效率.[局限]本研究基于电子病历数据展开,与直接使用分诊台患者自述数据相比可能存在差异,对此有待进一步探讨.[结论]提出的分诊模型有较强分类能力,能够辅助提高医疗分诊的效率,推动精准医疗发展.

关键词：医疗分诊、电子病历、卷积神经网络、预训练

所属期刊栏目：3

分类号：G202(信息与传播理论)

资助基金：国家自然科学基金项目“基于个性化知识地图的交互式信息检索系统研究”项目71573196的研究成果之一

在线出版日期：2019-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：99-108