检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于智能问诊的药品推荐系统的研究与实现

基于智能问诊的药品推荐系统的研究与实现

作者：刘巧西南大学

学位级别：硕士

电子商务模式的迅猛发展,影响着人们的生活方式,线上购药逐渐成为一种发展趋势。但是,目前销售平台将药品按照普通商品的模式,通过销量、用户点击等行为进行统一的商业化推荐,没有考虑到药品的特殊性以及不同疾病之间药品的差异性。根... 详细信息

电子商务模式的迅猛发展,影响着人们的生活方式,线上购药逐渐成为一种发展趋势。但是,目前销售平台将药品按照普通商品的模式,通过销量、用户点击等行为进行统一的商业化推荐,没有考虑到药品的特殊性以及不同疾病之间药品的差异性。根据疾病类型对药品进行针对性推荐,能准确、高效的帮助用户寻找到符合自身需求的药品,由于疾病种类繁多,因此选择了特点显著的精神科疾病作为研究对象。精神科疾病和普通身体疾病不同,患者通常会有病耻感,导致就诊率不高,网上问诊更具有实际意义,且精神科疾病药品大多为处方药,将疾病问诊与药品推荐整合,更能保证推荐结果的专业性,系统对这类药品进行展示,作为辅助用药的参考。本文以精神科疾病作为研究案例,对后续根据更多的疾病种类进行药品推荐的研究以及形成医疗和药品一体的平台具有重要的研究价值和指导意义。本文研究并实现了基于智能问诊的药品推荐系统,该系统能够根据用户的病情描述、精神科疾病辅助诊断问题的回答等信息输出用户所患疾病,再推荐治疗疾病的相关药品。主要工作如下:1.数据的采集和预处理。数据主要来源为“好大夫在线”医患交流平台中精神科疾病的问诊数据,对爬取的数据进行分词、词性标注、提取关键词等预处理操作。针对单一关键词提取算法不能有效挖掘文本信息的问题,本文将TF-IDF和词性融合到Text Rank算法中并设置对比实验,实验表明融合后的关键词提取算法能更好的提取文本特征。另外,通过设置关键词提取个数的对照试验,研究不同的关键词个数对模型有效性的影响。2.疾病诊断模型的研究与构建。疾病诊断的实质是根据用户的病情描述以及精神科疾病辅助诊断问题的回答进行疾病分类。首先,对Fast Text算法进行研究分析,针对Fast Text算法输入层数据中的无关词汇影响分类效果的问题,本文将输入层数据使用融合的关键词提取算法进行关键词提取操作。其次,采用Fast Text、多分类逻辑回归（Multiple classification Logistic Regression,MLR）、双向长短期记忆网络（Bi-directional Long Short-Term Memory,BI-LSTM）三种分类模型在医疗数据集上进行训练和测试。经研究比较,Fast Text相较于其余两种算法在运行速度和模型效果上更有优势。结合应用需求,将Fast Text算法作为疾病分类的最终算法。3.疾病问诊与药品推荐。疾病问诊流程包括:首先,由用户根据自身情况进行病情描述;其次,患者回答精神科疾病辅助诊断问题,该题的设置可以使提问更具有专业性和代表性;最后,利用疾病分类模型对病情描述、辅助诊断题的回答等信息进行疾病判断,输出概率最高的疾病种类。问诊结束后,根据疾病问诊结果向用户推荐治疗该种疾病的药品,为了更合理有效的推荐相关药品,采用Jaccard相似系数对药品数据进行相似度计算从而将治疗同种疾病的药品通过相似度关联在一起,作为用药辅助依据。4.药品推荐系统的设计与实现。根据上述研究内容,设计并实现了基于智能问诊的药品推荐系统。该系统的核心包括用户信息管理、智能问诊、疾病知识、药品推荐等模块。通过此系统将问诊与药品进行资源整合,相较于目前只提供药品购买服务的平台具有一定的进步,帮助用户解决生活中的需求,具有较高的实用价值。

关键词：精神科疾病药品推荐数据处理疾病分类线上问诊

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源情境协同感知的药品推荐

计算机研究与发展 2020年第8期57卷 1741-1754页

作者：郑值徐童秦川廖祥文郑毅刘同柱童贵显中国科学技术大学计算机学院合肥230027 福州大学数学与计算机科学学院福州350116 华为技术有限公司杭州310051 中国科学技术大学附属第一医院合肥230027

电子医疗记录的快速积累与数据分析技术的日益成熟,为实现包含智能诊断与药品推荐等功能的智慧医疗服务奠定了基础.然而,电子病历的精简性与患者症状描述的模糊性,导致诊断模型容易受到高发疾病与常见症状的干扰,从而无法支撑细粒度的... 详细信息

电子医疗记录的快速积累与数据分析技术的日益成熟,为实现包含智能诊断与药品推荐等功能的智慧医疗服务奠定了基础.然而,电子病历的精简性与患者症状描述的模糊性,导致诊断模型容易受到高发疾病与常见症状的干扰,从而无法支撑细粒度的诊断与处方,在药品推荐上缺乏针对性.与此同时,病情描述以外的许多情境信息,如患者的性别、年龄等个人信息,诊疗过程、检查结果等记录信息,以及所在地的天气、温差等外部信息等,也对于细化对于患者的诊断和处方有着重要的辅助作用.然而,这些多源异构信息往往难以被现有技术所有效提取与整合,从而限制了病情诊断与药品推荐的有效性.针对这一问题,提出了一种基于多源情境协同感知的药品推荐方法,在有效整合多源异构情境信息的基础上,为实现病情诊断与药品推荐提供了具有可解释性的依据.具体而言,首先使用词袋模型对病历和相应的情境数据进行处理,然后设计了一种基于LDA模型的情境主题模型Medicine-LDA,在融合患者病情描述与相应情境信息的同时,有效缓解了情境信息组合爆炸的问题.基于某大型三甲医院的电子病历数据集上的对比实验证明了该方法的有效性与鲁棒性.

关键词：情境感知药品推荐主题模型多标签学习推荐系统

在线全文

学校读者我要写书评

暂无评论

融合知识图谱与协同过滤的药品推荐算法

软件导刊 2023年第8期22卷 42-47页

作者：张文卓申艳光李焰河北工程大学信息与电气工程学院河北工程大学附属医院河北邯郸056004

针对传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高的问题,通过构建药品知识图谱,引入药品间的语义信息并将其作为重要推荐依据,进而提出一种融合知识图谱与协同过滤的TransR-CF药品推荐算法。通过使用知识表示学习翻译模型T... 详细信息

针对传统药品推荐算法忽略药品自身语义信息而导致推荐精度不高的问题,通过构建药品知识图谱,引入药品间的语义信息并将其作为重要推荐依据,进而提出一种融合知识图谱与协同过滤的TransR-CF药品推荐算法。通过使用知识表示学习翻译模型TransR将药品知识图谱映射到低维连续的向量空间中以获取药品实体及其关系,从而计算得出药品间的语义相似度,将语义相似度与通过协同过滤推荐算法得出的行为相似度线性融合进行推荐。算法在基于传统协同过滤药品推荐算法的基础上,又考虑药品间的语义信息,一定程度上降低了数据稀疏性和冷启动对推荐结果造成的影响,使得推荐结果更加合理可信。在和鲸社区线上药店销售数据公开数据集上的实验结果表明,该算法准确率、召回率和F值与基准算法相比均有一定程度的提升。

关键词：药品推荐协同过滤知识图谱知识表示学习

在线全文

学校读者我要写书评

暂无评论

基于用户相似度和信任度的药品推荐算法

计算机工程与应用 2018年第8期54卷 214-219,241页

作者：肖晓丽周锡玲综合交通运输大数据智能处理湖南省重点实验室(长沙理工大学) 长沙410114 长沙理工大学计算机与通信工程学院长沙410114

为了解决协同过滤算法推荐精度低的问题,提出基于用户相似度和信任度的药品推荐算法。该方法通过离线使用DBSCAN算法对药品进行聚类来降低时间复杂度。引入共同评分药品阈值使用户相似度计算更准确,同时设置相似度阈值来限定相似性邻居... 详细信息

为了解决协同过滤算法推荐精度低的问题,提出基于用户相似度和信任度的药品推荐算法。该方法通过离线使用DBSCAN算法对药品进行聚类来降低时间复杂度。引入共同评分药品阈值使用户相似度计算更准确,同时设置相似度阈值来限定相似性邻居的选取以克服KNN算法选取邻居的缺陷。根据用户的推荐可信度和评分可信度建立信任计算模型,计算基于相似邻居集的可信邻居集。通过两次邻居选择策略为目标用户产生药品推荐。仿真结果表明,该算法与其他算法相比在平均绝对误差、准确率和召回率上有更好的性能,提高了系统推荐精度。

关键词：协同过滤信任计算模型用户相似度药品推荐

在线全文

学校读者我要写书评

暂无评论

基于深度学习的疾病辅助诊断和药品推荐

基于深度学习的疾病辅助诊断和药品推荐

作者：刘元喆西北师范大学

学位级别：硕士

基于大量的电子病历数据,智慧医疗使用现代计算机技术手段结合现有医疗数据辅助医生进行诊疗。本文通过深度学习方法结合电子病历数据构建深度学习模型,从而帮助医生对患者完成疾病诊断以及后续的药品推荐,进而提高医生的治疗效率。主... 详细信息

基于大量的电子病历数据,智慧医疗使用现代计算机技术手段结合现有医疗数据辅助医生进行诊疗。本文通过深度学习方法结合电子病历数据构建深度学习模型,从而帮助医生对患者完成疾病诊断以及后续的药品推荐,进而提高医生的治疗效率。主要完成了以下工作:(1)构建了1D-DLSTM疾病诊断模型。首先,通过结合ICD-10构建了医学领域的专业词库,并使用Jieba分词法联合医学词库对病历进行分词。其次,利用Skipgram模型联合BERT模型训练医学词向量,使得词向量涵盖大量病历特征。最后,提出1D-DLSTM疾病诊断模型,以病历文本中症状描述的词向量矩阵作为输入端,以确诊疾病为模型输出端,利用卷积层扫描词向量,并进一步利用LSTM内核提取词向量特征,经过反传播的参数调节以及对结果的归一化输出,最终训练完成疾病诊断模型。通过输入病患的症状,可诊断病患所患疾病。实验表明,1D-DLSTM疾病诊断模型,诊断的最终准确率达90%,相比CNN提升3%。(2)基于医疗知识图谱推荐药品。利用Request法对医疗网站进行爬取,获取疾病的描述及相应属性。将爬取到的实体根据ICD-10中的医学术语规范确立医学实体,并根据网站中的描述,确立实体的本体及其属性之间的关系。最后,根据中文语法原则,将主谓宾映射到实体与关系中,构成医疗知识三元组,将医疗知识三元组存储于Neo4j中,并且基于Neo4j使用Cypher检索疾病相应药品,完成药品推荐。(3)构建BP-ADRP模型筛选药品。首先利用滑窗遍历法抽取电子病历中的体检数据,将药前体检作为特征数据,药后体检作为标签数据,基于深度学习中的BP神经网络,构建了BP-ADRP模型,使用BP-ADRP对药品不良反应进行预测。本文将临床检验的特征数据为模型输入端,标签数据为模型输出。模型可通过输入病患使用药前的体检数据,输出药品不良反应预测结果。BP-ADRP药品不良反应模型最终预测的准确率达88%,与同类LSTM算法相比高出12%,与CNN算法相比高出14%,机器学习算法SVM相比,准确率提高7%,可准确地预测临床方面的药品不良反应。检索知识图谱所获取的药品,筛选病人会发生不良反应的药品,为最终推荐的药品,有效的辅助医生对病患的用药。

关键词：电子病历疾病诊断药品推荐 1D-DLSTM模型医疗知识图谱 BP-ADRP模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于协同过滤的药品推荐算法研究

基于协同过滤的药品推荐算法研究

作者：周锡玲长沙理工大学

学位级别：硕士

近年来,电子商务的快速发展给人们的生活带来了许多便利。电子商务网站上的商品种类繁多,人们很难快速地找到自己所需要的商品,因此出现了信息过载现象。推荐系统是解决信息过载问题的有效方法,协同过滤推荐技术是个性化推荐系统中应用... 详细信息

近年来,电子商务的快速发展给人们的生活带来了许多便利。电子商务网站上的商品种类繁多,人们很难快速地找到自己所需要的商品,因此出现了信息过载现象。推荐系统是解决信息过载问题的有效方法,协同过滤推荐技术是个性化推荐系统中应用最为广泛的技术。但协同过滤推荐算法存在数据稀疏性、推荐精度低等问题,针对这些问题,本文进行了如下两个方面的研究。针对协同过滤算法推荐精度低的问题,本文提出基于用户相似度和信任度的药品推荐算法。该方法使用基于密度的聚类算法对药品进行聚类来降低时间复杂度。引入共同评分药品阈值使用户相似度计算更准确,同时设置相似度阈值来限定相似性邻居的选取以克服K最近邻算法选取邻居的缺陷。根据用户的推荐可信度和评分可信度建立信任计算模型,计算基于相似邻居集的可信邻居集。通过两次邻居选择策略为目标用户产生药品推荐。仿真结果表明:本文算法与其他算法相比在平均绝对误差、准确率和召回率上有更好的性能,提高了系统推荐精度。为了解决协同过滤推荐算法计算用户相似度不准确的问题,本文提出了一种融合人口统计属性的药品推荐算法。在药品聚类前,采用两阶段的特征选择方法对特征空间进行降维,以降低时间复杂度和提高K-means聚类算法的性能。在计算用户评分相似度时,引入了用户人口统计属性相似度。将用户评分相似度和人口统计属性相似度进行加权线性融合得到用户相似度,根据用户相似度为目标用户选取相似邻居集。最终为目标用户产生推荐。仿真实验表明:(1)与直接聚类相比,经过特征选择后进行药品聚类的运行时间大大减少;(2)与传统的协同过滤推荐算法相比较,本文算法的用户相似度计算更准确,提高了系统的推荐精度。

关键词：协同过滤信任计算模型药品推荐特征选择人口统计属性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的推荐系统

基于知识图谱的推荐系统

作者：杨天吉海南大学

学位级别：硕士

随着社会的进步与发展,互联网+的快速发展,药品推荐系统层出不穷,而药品推荐系统的核心则是针对于药品信息的数据处理与分类。因现阶段针对国内药物并没有权威可用且契合的公开数据集,所以各种推荐系统所使用的数据均存在数据缺失的问题... 详细信息

随着社会的进步与发展,互联网+的快速发展,药品推荐系统层出不穷,而药品推荐系统的核心则是针对于药品信息的数据处理与分类。因现阶段针对国内药物并没有权威可用且契合的公开数据集,所以各种推荐系统所使用的数据均存在数据缺失的问题,且现存的各类数据文本分类算法又存在特征提取不准确、模型泛华能力弱等问题。而针对此种问题,本文的研究工作与创新点如下。(1)数据的收集和处理:针对数据缺失问题,利用python语言编写爬虫脚本越过各大医药网站的反爬机制对其药品的半结构化数据(包括药品本身的详细介绍以及销量信息和评价)进行爬取,然后使用jieba分词工具以及CNN网络对其进行中文分词的去除。而药品的销量信息与评价信息则需要单独整理以供后续推荐时进行比对使用。(2)知识图谱的构建:针对特征提取不准确、模型泛华能力弱等问题提出了Attention-BiLstm-BiGRU模型,并在神经元个数、维度、批次等分别对它测试优化,已达到在本数据集上有最优效果;它由注意力机制、双向门控和双向长短时网络组成。该模型首先通过双向LSTM和双向GRU分别对文本序列进行建模,以捕捉文本中的上下文特征,采用双向是因为能够同时考虑文本序列的前后文信息,然后将LSTM和GRU的输出进行拼接;然后使用注意力机制对提取到的特征进行加权,以便将重要的特征突出显示。在第一阶段整理好的药品数据集上与BiLstm、BiGRU以及注意力机制进行对比后,分别有2%、13%、8%的提升,验证了模型的有效性。(3)药品推荐系统的设计和实现:综合以上几点,设计并实现了基于智能问答的推荐系统。该系统使用基于skip-gram模型编写推荐算法,对用户输入的问题从图数据库中选择准确的信息进行推荐,满足用户的需求。用户输入的症状越多,推荐的药品也会越准确,并在推荐之前会与销量表对比确保推荐最适合症状的建议药品供用户选择。这个系统的核心功能包括存储、获取数据、智能回答问题、展示疾病药品知识和推荐药品。通过这个系统,我们可以将医疗诊断和药品信息整合起来,相比现在只提供药品购买服务的平台有了更大的进步,能够帮助用户解决购药难的问题,非常实用。

关键词：知识图谱药品推荐数据处理疾病问诊系统构建

基于Spark的疾病与药品关联知识图谱的构建与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国卫生信息管理杂志 2022年第6期19卷 931-938页

作者：戴静娟史雷杰黄晓琴陈名扬宁波市医疗中心李惠利医院东部院区浙江省宁波市315100 新疆生产建设兵团医院新疆维吾尔自治区乌鲁木齐市830000 万达信息股份有限公司上海市200040

目的构建疾病与药品关联的知识图谱,便于医生在开具处方时查询相关用药知识,减轻医生的学习和工作压力。方法针对临床医生工作现状,探索利用基于分布式机器学习库Spark-MLlib的并行频繁模式增长(FP-growth)关联规则算法,从历史海量临... 详细信息

目的构建疾病与药品关联的知识图谱,便于医生在开具处方时查询相关用药知识,减轻医生的学习和工作压力。方法针对临床医生工作现状,探索利用基于分布式机器学习库Spark-MLlib的并行频繁模式增长(FP-growth)关联规则算法,从历史海量临床数据中挖掘用药知识实现知识图谱构建。结合实际医疗理论对图谱中2型糖尿病的用药知识进行临床论证。结果通过该方法挖掘出的临床用药知识,可应用于医生日常处方药品开单过程中,作为医生选用合适药品和联合用药的参考。结论构建的疾病与药品关联知识图谱,能够根据疾病诊断名称为临床经验不足的年轻医生和实习医生提供用药知识,对有临床经验的医生也有一定的帮助。

关键词：机器学习关联分析 FP-growth算法知识图谱药品推荐

在线全文

学校读者我要写书评

暂无评论

基于条件随机场的症状信息抽取研究与应用

基于条件随机场的症状信息抽取研究与应用

作者：涂喆北京化工大学

学位级别：硕士

随着信息化社会的快速发展,“互联网+”的思想已经逐步渗入到各行各业改革创新的浪潮当中。“互联网+医疗”已成为了当今社会对医疗体验的迫切需求。症状信息抽取是医疗信息整合及药品推荐系统等多种应用的技术支撑之一。本文对症状信... 详细信息

随着信息化社会的快速发展,“互联网+”的思想已经逐步渗入到各行各业改革创新的浪潮当中。“互联网+医疗”已成为了当今社会对医疗体验的迫切需求。症状信息抽取是医疗信息整合及药品推荐系统等多种应用的技术支撑之一。本文对症状信息抽取进行了分析研究。研究内容包括：1、研究基于条件随机场的症状信息自动抽取方法。对药品说明书文本结构及表达方式进行分析,在此基础上提取症状信息的关键特征：症状主体及症状表达形式特征;利用条件随机场模型结合其他基本本文特征建立症状信息抽取模型。2、研究并提出了基于症状信息文本自动标注结果的症状信息交叉匹配算法。通过分析症状主体和症状表现形式的自动标注结果与症状信息识别结果的关联性,提出了症状信息交叉匹配方法,根据后期识别的症状信息交叉验证症状主体及症状表现形式识别的结果。3、研究基于药品适应症症状库的药品推荐方法。分析了适应症与药品的相关关系以及用户输入文本与推荐药品间的关系。依据TF-IDF权重计算方法提出了症状权重量化方法,并以此为基础结合症状集最大覆盖原则推导了相关药品排名算法。4、设计多组对照实验研究了基于条件随机场的症状信息抽取方法的有效性。实验结果表明,基于条件随机场的分步症状抽取方法可以获取症状的分解信息,并相较于单纯的基于条件随机场模型和基于隐马尔科夫模型的症状信息抽取能达到更高的准确率及召回率。实验证明,基于条件随机场的症状信息抽取方法能够提高症状信息抽取的准确率及召回率,且能较准确地识别出症状主体与症状表现形式。药品推荐有效性实验证明本文提出的症状权重量化算法方法对相关推荐药品的排名结果是合理的,可解释的。

关键词：症状信息抽取命名实体识别条件随机场药品推荐