检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向医疗文本数据压缩的主流算法及发展趋势

中国医学装备 2020年第11期17卷 195-199页

作者：高克承徐桓刘岩刘洋张曦空军军医大学军事生物医学工程学系陕西西安710032 联勤保障部队药品仪器监督检验总站北京100071

随着远程医疗和网络诊断的出现,医疗卫生数据及患者个人信息量呈海量化,为了解决医疗卫生数据存储与传输困难的问题,针对以往经典压缩算法及目前的压缩算法新进展,介绍适用于医疗卫生的文本数据压缩算法。以往经典的压缩算法存在压缩率... 详细信息

随着远程医疗和网络诊断的出现,医疗卫生数据及患者个人信息量呈海量化,为了解决医疗卫生数据存储与传输困难的问题,针对以往经典压缩算法及目前的压缩算法新进展,介绍适用于医疗卫生的文本数据压缩算法。以往经典的压缩算法存在压缩率不足及通常适用于小文件的缺点,对此相关研究提出了适用于海量文本并具有高压缩率的压缩感知算法。通过对机器学习和深度学习用于文本压缩进行相关讨论,为日后文本压缩发展研究提供参考。

关键词：医疗卫生数据压缩医疗文本 Huffman编码 LZW编码压缩感知

在线全文

学校读者我要写书评

暂无评论

医疗领域文本结构化

计算机工程与设计 2017年第10期38卷 2873-2878页

作者：丁祥武张夕华东华大学计算机科学与技术学院上海201620

现有通用分词工具对医疗专业术语的识别效果不理想,影响了医疗文本结构化的效果。针对该问题,提出一种基于词向量的新词发现方法,利用新词发现过程中构建的词库抽取信息,得到结构化数据。使用Google开源词向量工具word2vec训练文本,将... 详细信息

现有通用分词工具对医疗专业术语的识别效果不理想,影响了医疗文本结构化的效果。针对该问题,提出一种基于词向量的新词发现方法,利用新词发现过程中构建的词库抽取信息,得到结构化数据。使用Google开源词向量工具word2vec训练文本,将词映射到抽象的n维向量空间;根据词与词之间的得分、词的左右信息熵和在文本中的词来发现新词,把发现的新词加入用户自定义词库;设计信息抽取规则,根据发现的关键词提取对应的关键信息,将其组织为结构化数据。实验结果表明,用该方法进行结构化处理在准确率上比传统方法提高了10%,在效率上比传统方法提高了18%。

关键词：医疗文本中文分词词向量信息熵信息抽取

基于ERNIE-Bi-GRU-Attention的医疗实体关系抽取模型

在线全文

学校读者我要写书评

暂无评论

信息技术与信息化 2024年第2期 208-212页

作者：姚洁仪王春亮水电工程智能视觉检测湖北省重点实验室湖北宜昌443000 三峡大学计算机与信息学院湖北宜昌443000

医疗信息文本信息处理存在文本长、专业术语多、实体间关系复杂等问题,因此,提出一种基于ERNIEBi-GRU-Attention的医疗实体关系抽取模型。首先通过预训练模型ERNIE使向量获得丰富的语义信息和医疗先验知识,解决医疗专业术语问题;其次通... 详细信息

医疗信息文本信息处理存在文本长、专业术语多、实体间关系复杂等问题,因此,提出一种基于ERNIEBi-GRU-Attention的医疗实体关系抽取模型。首先通过预训练模型ERNIE使向量获得丰富的语义信息和医疗先验知识,解决医疗专业术语问题;其次通过Bi-GRU-Attention进行语句编码,捕获有效上下文信息,有利于关系抽取;然后使用经典CRF输出实体标签;将实体标签特征和语句编码向量特征拼接进行一阶和二阶特征融合;最后通过分类器获得最终关系标签输出。通过在医疗数据集上验证,结果表明与其他模型相比,使用此模型医疗实体关系抽取的效果有所提升。

关键词：信息抽取关系抽取预训练 BiGRU 医疗文本

《拨开心灵迷雾：帮助家长和老师共同守护儿童青少年的心理健康》（第14-15章）的汉译及翻译实践报告

在线全文

学校读者我要写书评

暂无评论

《拨开心灵迷雾：帮助家长和老师共同守护儿童青少年的心理健康》...

作者：戚丽贵州师范大学

学位级别：硕士

目前,我国儿童青少年群体在学习、适应环境和处理人际关系等方面压力增大,心理健康问题的发生率呈逐渐上升趋势。家长和老师如果能掌握一些心理健康知识,就能及时识别孩子的心理问题,帮助其寻求专业支持。《拨开心灵迷雾:帮助家长和老... 详细信息

目前,我国儿童青少年群体在学习、适应环境和处理人际关系等方面压力增大,心理健康问题的发生率呈逐渐上升趋势。家长和老师如果能掌握一些心理健康知识,就能及时识别孩子的心理问题,帮助其寻求专业支持。《拨开心灵迷雾:帮助家长和老师共同守护儿童青少年的心理健康》一书详细讲述了儿童青少年心理健康的影响因素、家长与孩子建立积极关系的方式方法以及一些常见心理健康问题的诊断与治疗,能够切实指导家长和老师积极应对孩子的心理问题。该书属于心理学医疗文本,具有一定的翻译价值,能够指导非专业人员积极应对各种心理健康问题,同时也给专业人员提供了深入挖掘相关信息的渠道。其中第十四、十五章涉及的心理健康问题在儿童青少年的成长中较为典型,因此本报告选取这两章开展英译中翻译实践,研究卡特福德翻译转换理论在该医疗文本翻译中的适用性。本文的翻译实践报告包含五个章节。第一章节描述了本次翻译任务,主要介绍该书的翻译价值、源语文本的作者和主要内容,并概述翻译实践报告的框架结构。第二章节详细描述了整个翻译过程,包括译前的源语文本分析和平行文本阅读、译中的翻译难点处理及译后的自检与他检。第三章概述了理论框架,主要介绍卡特福德翻译转换理论。译者结合该医疗文本具有句子复杂和逻辑性强等特点说明了卡特福德转换理论在此次翻译实践中的的适用性。第四章分析了翻译实践中的相关案例,译者在翻译转换理论的指导下,分别从层次转换、范畴转换两大类分析译例采用的翻译策略与方法,主要包括语法与词汇间的转换、结构转换、词性转换、语言单位转换、内部体系转换等。第五章总结和反思了本次翻译实践的收获与不足。本次翻译实践加深了译者对心理学和精神病学专业领域知识的了解及对卡特福德转换理论的认识,为其今后翻译此类文本积累相关知识和翻译技巧,也为其他译者翻译同类文本提供一些参考和借鉴。此外,儿童青少年心理健康问题日益突出,译者希望广大读者更多地了解心理健康知识,更希望家长和老师能够从中获取有用信息,帮助儿童青少年应对心理健康问题。

关键词：翻译转换理论层次转换范畴转换医疗文本

《医疗保健护工：培训发展实用指南》（第五章）的汉译及其翻译实践报告

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

《医疗保健护工：培训发展实用指南》（第五章）的汉译及其翻译实...

作者：陈萍贵州师范大学

学位级别：硕士

医疗保健护工与老年健康服务息息相关,是保障健康老龄化的重要组成部分。翻译医疗保健护工方面的文本,对于提高医疗保健服务质量、规范护工职业化培训、促进护工职业发展、积极应对人口老龄化具有重要意义。本文从安德鲁·切斯特曼翻译... 详细信息

医疗保健护工与老年健康服务息息相关,是保障健康老龄化的重要组成部分。翻译医疗保健护工方面的文本,对于提高医疗保健服务质量、规范护工职业化培训、促进护工职业发展、积极应对人口老龄化具有重要意义。本文从安德鲁·切斯特曼翻译伦理模式出发,翻译了《医疗保健护工:培训发展实用指南》第五章,并基于翻译实践过程中遇到的困难展开理论和实践过程的反思。本实践报告由翻译任务介绍、翻译过程、理论框架、案例分析和结论五个章节组成。在第一章,译者简介了翻译任务的背景、选材考量以及实践报告的内容。第二章描述了翻译的译前、译中和译后三个阶段。第三章综述了国内外翻译伦理的研究,介绍了安德鲁·切斯特曼的五大翻译伦理模式及理论的适用性。第四章节,译者在理论指导下展开翻译实践案例分析,选取了翻译材料中的26个案例,从原作和作者、目的语读者、译者和译本三个方面详细分析。翻译过程中译者采用了意译、增译、直译加注、抽象化与具体化、词性转换、词序调整、句式转换、语态转换等翻译策略,解决了原文再现、目的语读者需求及译本规范的翻译难点。在第五章,译者总结了此次翻译实践的收获及该报告的局限。本次翻译实践为我国护工队伍专业素质的提升、护工行业标准和规范的制定、护理教育培训体系和医院护理服务体系的完善提供了参考。

关键词：切斯特曼翻译伦理模式医疗文本

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多重注意力机制的中文医疗实体识别

计算机工程 2023年第6期49卷 314-320页

作者：陈明刘蓉张晔华中师范大学物理科学与技术学院武汉430079

医疗实体识别是从医疗文本中识别疾病、症状、药物等多种类型的医疗实体,能够为知识图谱、智慧医疗等下游任务的发展提供支持。针对现有命名实体识别模型提取语义特征较单一、对医疗文本语义理解能力不足的问题,提出一种基于多重注意力... 详细信息

医疗实体识别是从医疗文本中识别疾病、症状、药物等多种类型的医疗实体,能够为知识图谱、智慧医疗等下游任务的发展提供支持。针对现有命名实体识别模型提取语义特征较单一、对医疗文本语义理解能力不足的问题,提出一种基于多重注意力机制的神经网络模型MANM。为捕获文本中更丰富的语义特征,在模型输入中引入医疗词汇先验知识,通过自注意力机制获取医疗文本的全局语义特征,并利用双线性注意力机制获取词汇和字符层面的潜在语义特征,得到包含字词间依赖关系的特征向量。为提高模型的上下文信息捕捉能力,采用改进的长短时记忆网络提取文本时序特征,同时设计多头自注意力机制获取词语间隐含的关联语义特征。最后融合上述多层次语义特征,利用条件随机场进行实体识别。在公开数据集CMeEE、CCKS2019、CCKS2020上进行对比实验,实验结果表明,MANM模型在3个数据集上的F1值分别达到64.29%、86.12%、90.32%,验证了所提方法在医疗实体识别中的有效性。

关键词：命名实体识别医疗文本注意力机制长短时记忆网络语义特征

基于肿瘤疾病检查报告的事件抽取及可解释性研究

在线全文

学校读者我要写书评

暂无评论

基于肿瘤疾病检查报告的事件抽取及可解释性研究

作者：陈晓玲东华大学

学位级别：硕士

恶性肿瘤是严重危害人类健康的疾病之一。在肿瘤疾病的临床检查治疗过程中会产生大量检查报告,如X射线影像报告、超声影像报告、CT检查报告等医疗文本数据。它们是医生对疾病的客观记录,也是对疾病诊断的重要依据。对肿瘤疾病进行事件抽... 详细信息

恶性肿瘤是严重危害人类健康的疾病之一。在肿瘤疾病的临床检查治疗过程中会产生大量检查报告,如X射线影像报告、超声影像报告、CT检查报告等医疗文本数据。它们是医生对疾病的客观记录,也是对疾病诊断的重要依据。对肿瘤疾病进行事件抽取,从海量的文本报告中提取出医生感兴趣的内容并以结构化的形式呈现出来,对辅助医生的诊断治疗显得尤为重要。针对上述问题,本文以肿瘤疾病检查报告为研究对象,提出了一种基于机器阅读理解的肿瘤疾病事件抽取方法,并对此方法进行了可解释性研究。本文主要研究内容包括:(1)基于肿瘤疾病检查报告的机器阅读理解数据集生成对肿瘤疾病检查报告进行预处理,生成适用于机器阅读理解方法的数据集。首先对检查报告中存在的无标注数据、无关标记和乱码等问题进行数据清洗,然后生成肿瘤疾病机器阅读理解数据集(Tumor QA)。该数据集将检查报告作为文章,根据检查报告中标注的属性生成问题,通过标注算法将属性值标注成答案并生成肿瘤疾病机器阅读理解数据集(Tumor QA)。最后,进一步通过文本重组和中英文回译方法进行数据增强,生成增强数据集(Tumor QA+)。(2)提出了一种基于机器阅读理解的肿瘤疾病事件抽取方法将肿瘤疾病事件抽取定义为一个机器阅读理解任务,基于BERT构建一个问题可回答性判别器(Judger),该判别器可以判断阅读理解问题是否可回答,主要用于辅助获取问题答案的跨度选择模型。跨度选择模型从BERT的最后一层Transformer中获得医疗文本中每个词的编码,再使用注意力机制从这些词编码中获得和答案相关的重要信息,将这些重要信息输入到双向LSTM模块中,以获得文本的全局表征,最后通过此全局表征和softmax函数来预测答案的跨度(即答案在文本报告中的起始位置和结束位置),实现事件抽取。此外,为跨度选择模型设计了一个新的Loss函数,避免了不可回答问题的答案抽取,既提升了模型训练效率又提高了模型性能。(3)事件抽取模型的可解释性分析研究分别在建模前和建模后对模型决策进行了可解释性分析。建模前,对数据进行可视化分析,从数据特点和整体分布特征角度,解释模型预测结果和数据集分布之间的关系,发现在数据量较小的情况下,模型预测结果会受到输入数据的影响。建模后,通过隐层分析法,透视网络层次之间的信息传递过程。通过计算数据在网络中的整体梯度值和各网络层次之间的香农散度值,解释各网络层次对模型决策的影响并以可视化的方式展示出来。

关键词：医疗文本事件抽取机器阅读理解问题可回答性可解释性

基于预训练模型和混合神经网络的医疗实体关系抽取

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

北京大学学报（自然科学版） 2023年第1期59卷 65-75页

作者：赵丹丹张俊朋孟佳娜张志浩苏文大连民族大学计算机科学与工程学院大连116600

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文... 详细信息

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果。在医疗领域数据集上的实体关系抽取实验结果表明,新提出的混合神经网络模型的性能比主流模型均有提升,说明这种多特征融合的方式可以提升实体关系抽取的效果。

关键词：医疗文本关系抽取混合神经网络预训练模型

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于XLNet的医学文本实体关系识别模型

智能计算机与应用 2023年第4期13卷 8-13页

作者：郑增亮沈宙锋苏前敏上海工程技术大学电子电气工程学院上海201620

目前在处理医学文本实体间关系提取任务中,使用传统的词向量表示方法无法解决医学文本中的词多义性问题,加上基于长短时记忆网络对文本语义局部特征抽取不够充分,不能充分捕捉医疗文本隐藏的内部关联信息。因此,提出一种基于XLNet-BiGRU... 详细信息

目前在处理医学文本实体间关系提取任务中,使用传统的词向量表示方法无法解决医学文本中的词多义性问题,加上基于长短时记忆网络对文本语义局部特征抽取不够充分,不能充分捕捉医疗文本隐藏的内部关联信息。因此,提出一种基于XLNet-BiGRU-Attention-TextCNN的医疗文本实体关系抽取模型。利用XLNet模型将输入的医疗文本转化为向量形式,接着连接双向门控循环神经网络(BiGRU)提取文本语句的长距离依赖关系,然后使用注意力机制(Attention)为特征序列分配权重,降低噪声影响,最后利用文本卷积神经网络(TextCNN)对序列进行局部特征提取并通过softmax层输出关系抽取结果。实验结果表明,本文所提模型在精确率、召回率和F值上均优于基准模型。

关键词：医疗文本医疗实体关系抽取 XLNet 双向门控循环单元注意力机制 TextCNN

维普期刊数据库博看期刊