基于深度学习技术的神经外科疾病智慧辅助分诊模型研究
Research on intelligent assisted triage model for neurosurgical diseases based on deep learning technology作者机构：北京交通大学计算机科学与技术学院、北京工商大学计算机与人工智能学院北京100091 首都医科大学附属北京天坛医院 首都医科大学附属北京友谊医院 北京交通大学计算机科学与技术学院 解放军总医院医疗保障中心信息科
出 版 物：《中国数字医学》 (China Digital Medicine)
年 卷 期：2024年第19卷第8期
页 面：96-101页
学科分类：12[管理学] 1204[管理学-公共管理] 120402[管理学-社会医学与卫生事业管理(可授管理学、医学学位)] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 1001[医学-基础医学(可授医学、理学学位)] 10[医学]
基 金：国家自然科学基金青年科学基金项目-基于深度学习的智慧分诊管理模型优化策略研究(72004147) 中国人民解放军总医院医学工程实验室自主课题-多源异构医疗数据汇聚及知识融合关键技术研究(2022SYSZZKY25)
摘 要：随着深度学习技术发展与临床数据的快速积累,医学人工智能成为研究热点。基于临床文本信息,利用机器学习和自然语言处理技术进行临床辅助诊疗决策是重要的应用方向。然而,主要研究都聚焦于高质量数据基础上的通用或常见的临床诊疗预测任务(如基于影像的医学诊断等)。由于临床环节多样,常常存在数据资源不足情况下的诊疗决策,如复杂疾病的门急诊分诊诊断临床工作量大,智能预测模型能够提升临床效率,是具有重要价值的新方向。本研究以4万余例医院神经外科临床文本数据为基础,提出了一种基于深度学习的神经外科辅助分诊模型(ABTC)。该模型融合了ALBERT预训练模型和TextCNN卷积神经网络,以增强医学文本的嵌入表示和上下文内容的学习,从而提高神经外科诊断的准确性和效率。实验结果显示,该模型对69种神经外科疾病的预测性能F1值达到了0.7769(高于所有基线模型)。同时,在常见神经外科疾病如创伤性脑损伤诊断预测性能表现良好,F1值0.90。提示神经外科门急诊辅助分诊模型对提升临床诊疗决策效率具有一定价值。
维普期刊数据库
同方期刊数据库