基于深度学习的电子病历命名实体识别及其在知识发现中的应用

通过引入医学文本语言和文档类别特征,构建了一个基于深度学习的电子病历命名实体识别系统。识别的实体包括身体部位、症状和体征、疾病和诊断、检查和检验以及治疗5大类。基于模型识别的结果,将其应用在基于共现的临床知识发现中。命名实体识别系统的准确率为93.29%,召回率为93.53%,F1值为93.41%。医学语言特征的引入能够进一步提高基于深度学习的医学实体识别系统的效果,实体识别的结果可以作为电子病历知识发现的基础。     

基于表情符号的文本情感分析研究

目的提出一种基于表情符号的文本自动标注的方法,为文本情感分析提供方法学参考。方法从Blued软件抓取广东省用户的发帖文本,筛选出情感倾向明显的表情符号。基于筛选的表情符号生成训练集,并对含表情符号的训练文本进行自动标注。然后用机器学习的方法训练分类器,并在人工标注的测试集中验证,评估其分类效果。结果共选取标签表情符号174个,其中正向表情符号93个(53.5%),负向表情符号81个(46.5%)。纳入分析的文本共14.3万条,其中训练集13.0万条(90.9%),测试集1.3万条(9.1%)。朴素贝叶斯、逻辑回归、支持向量机、融合模型最高准确率分别为0.739、0.732、0.729、0.741。结论基于表情符号自动标注文本的方法可应用于文本情感分类。     

儿童孤独症及其语言训练探讨

【目的】　探讨儿童孤独症病因、临床表现、诊断及其语言训练的效果。　【方法】　对 116例儿童孤独症病例进行生物学因素 (妊娠史、出生史、家族史、抽搐史 )、家庭因素 (父母性格、家庭教育方式 )、病历主诉、发病年龄、确诊年龄、辅助检查 (脑CT、EEG、BAEP和SPECT)做统计分析。其中 43例孤独症儿童进行了语言训练。训练前后使用 [S S〗法检查和构音障碍检查 ,根据结果进行个体化语言训练 ,并对结果做统计学分析。　【结果】　病历主诉以语言障碍和交流障碍为主 ,脑部SPECT异常检出率高 ,主要表现为大脑局灶性血流灌注量降低。确诊年龄晚于发病年龄 2 9个月。语言训练与改善语言交流、功能性构音障碍者差异有非常显著性 (P <0 .0 1) ;不同年龄组之间的语言治疗效果差异有非常显著性 (P <0 .0 1)。　【结论】　异常妊娠史、出生史、家族史和父亲内向的性格特点与孤独症发病有较密切关系 ,临床易误诊。语言训练对促进孤独症患儿的语言交流能力的效果肯定 ,年龄越小 ,效果越好 ;疗程越长 ,效果越稳定     

结构化描述语言电子病历模型及其关键技术实现

目的 开发新一代电子病历系统,实现临床医生结构化描述语言信息快速采集,方便临床信息集成与数据复用。方法 建立电子病历结构化描述语言模型,将临床规范化数据与描述性文本信息融为一体,实现重要医疗事件的表达和标识,达到临床信息的有效利用和医生快速数据录入。讨论 该模型实现了电子病历的模板表达和医生自由文本数据录入,通过自然语言实时处理技术,保障了电子病历的质量控制。结论 结构化描述语言电子病历模型允许医生自由文本数据录入,支持临床信息复用以及结构化数据处理,能实现临床数据快速采集,具有临床文档质量控制功能,是新一代电子病历发展的重要方向。     

1 436份出院病历缺陷催补单的分析

近 10年来 ,我院设专人对出院病历质量进行检查 ,用缺陷催补单的形式对存在问题予以纠正 ,取得了较好的效果。现对 1992年以来的 14 36份出院病历缺陷催补单进行浅析如下。资料与方法14 36份出院病历缺陷催补单来源于 1992年以来我院信息科病历质量检查的缺陷催补单存根 ,出院病历质量检查标准为江西省卫生厅颁发的《江西省医疗文书书写规范》。结果与分析1 14 36份出院病历缺陷催补单按编目分布见表 1。病历首页、住院病历或入院记录、病程记录三项占缺陷催补总数的86 1% ,是病历质量中存在问题较多的编目 ,其中 :病历首页中的主要问题是…     

基于病种联合学习的中文医疗文本匹配集成模型

针对来自不同病种的患者问题匹配数据,利用预训练的BERT构建问句对相似度计算模型,提出了一种以病种分类为辅助任务的联合学习模型,并结合多模型融合策略,实现了不同类别模型与不同数据划分、不同训练阶段下训练得到的同类模型间的集成,以此提升匹配模型的泛化能力。所提出的集成模型,在医疗问句匹配数据集上的实验结果优于其他现有的文本匹配模型。     

四级质控法在护理病历质量管理中应用研究

目的：探讨四级质控法应用于义乌市中心医院护理病历质量管理中的效果及应用价值。方法：抽取该院实施四级质控法前后各200份护理病历,观察应用四级质控法在护理病历质量管理中的效果。结果：实施四级质控法后护理病历质量明显提升,在病历书写要求、体温单书写、医嘱单书写、入院护理评估单书写和病情护理记录书写等方面发生的缺陷均少于实施四级质控法前,经统计学分析比较,差异有统计学意义（P〈0.05）。实施四级质控法后病历评分高于对照组,护士病历书写考核评分高于对照组,经统计学分析比较,差异有统计学意义（P〈0.05）。结论：实施四级质控法应用在护理病理质量管理中可以提高护理病历质量,减少护理文书书写不规范所引发的医疗纠纷,同时可以提高护士病历书写水平,是临床护理文书质量实施持续改进有效的方法。     

本体在电子病历检索中的研究与探索

目的电子病历在临床诊断与治疗中的应用日益广泛,如何有效地利用电子病历系统中大量的数据,辅助医生进行分析与诊断是一个非常重要的问题。传统的基于文本关键字的检索方法已不能满足对大型电子病历数据库检索的需要,将基于本体的检索方法引入到医学数据库中进行研究是一项非常有意义的工作。方法在分析传统电子病历检索方法不足的基础上,本文结合模糊本体的概念,提出了一种基于模糊本体的电子病历分析方法。该方法充分利用了模糊本体中隶属度的概念,对查询语句和电子病历关键词向量空间模型进行模糊本体概念映射,概念相似度计算。结果通过数值实验对该方法在查全率和查准率方面进行了性能分析,实验证明该方法具有良好的检索性能。     

基于代价敏感和文本分类的神经学科分诊方法研究

医院急需一套准确高效的智慧分诊辅助系统,降低患者挂错科室和无意义就诊情况发生的概率,以促进医疗服务提质增效、降本增益。本研究提出了一种基于深度学习的神经学科文本分类方法,根据病历中的主诉预测其诊断。针对病历数据不平衡等问题,在BERT模型的基础上,使用一种基于代价敏感学习的方法,以Focal loss替换原来的二元交叉熵损失,并通过二次微调的方式进行领域知识融入。实验结果证明,优化后的模型有效提高了模型的分类准确率,对数量较小类别的分类效果有明显提升。本研究提出的分诊模型可应用于智慧分诊系统建设。     

基于数据融合长短期记忆的大型医疗设备异常检测模型研究

目的：构建基于数据融合长短期记忆(DF-LSTM)的大型医疗设备异常检测模型,用以发掘设备异常,减少设备宕机概率。方法：借助医疗设备日志信息,从医疗设备厂家获取异常标注规则,提取医院计算机断层扫描(CT)设备的传感器日志数据16 643 688条,使用滑动窗口方法对其分割生成日志序列,最终获得53 114个日志序列,以按照时间窗口分割的日志序列为输入,以异常与否为输出,构建基于DF-LSTM的大型医疗设备异常检测模型,并进行训练和验证,对比使用交叉熵损失函数的DF-LSTM异常检测模型与本研究使用焦点损失(focalloss)函数的DF-LSTM异常检测模型的精确率、召回率以及F1分数(F1-score)。结果：基于DF-LSTM大型医疗设备异常检测模型的精确率、召回率及F1-score分别达到99.615%、98.969%和0.993分,较使用交叉熵损失函数的DF-LSTM异常检测模型均有约1%的提升。结论：基于DFLSTM的大型医疗设备异常检测模型具有较好的表现,能够极好地提取日志序列信息,有效识别异常日志序列,减少误判和错判情况,提高大型医疗设备运维人员工作效率,减少因大型医疗设...     

结构化护理总值班交班信息系统的构建及应用

目的：构建并运行结构化护理总值班交班信息系统,评价其实施效果。方法：基于医院信息系统（Hospital Information System,HIS）,以电子病历为信息源,设计护理总值班交班信息系统,包括输入生成系统及查询统计系统,分住院病人统计、急诊情况、护理重点三大结构模块,通过标准化的数据表达模式和信息分类框架进行科学融合,并对护理总值班交班质量、交班录入时间、交班数据正确率进行比较。结果：实行结构化护理总值班交班信息系统后,交班质量评分较改进前明显提高,交班录入时间较原交班路径显著缩短。结论：结构化护理总值班交班信息系统有效提高了护理总值班交班质量和工作效率,为数据的查找和共享提供支持,协助管理者全面了解全院病人情况。     

从单篇论文引证视角改进学术期刊评价方法及其实证研究

【目的】 从单篇论文引证体现的期刊学科贡献性、重要性、长效性以及学术传承性4个维度,对期刊论文的相关指标进行统计,析出重要的实质性引用并将其标准化,从而压缩被引频次的水分,实现更加有效和精准的期刊影响力评价。【方法】 立足“以文评刊”的理念,从单篇论文引证视角,采用论文引证标准化指数、论文复引频次、文献L指数及F1指数4个维度的6个指标,探索改进学术期刊评价的新方法。【结果】 以自然地理学中文期刊为例开展实证研究,6个评价指标能更加准确地表征期刊的重要性和长效性。【结论】 相比基于影响因子等传统评价指标的方法,基于单篇论文引证视角的期刊评价改进方法可更加合理地对期刊进行定量评价,有效促进期刊关注论文的学术质量及长期作用,是一种值得推广的期刊评价新思路。     

人工智能电子病历质量控制技术应用效果研究

目的:评价人工智能技术应用于电子病历(EMR)质量控制系统的效果,为推进人工智能EMR质量控制技术提供理论依据。方法:选取2022年5-10月医院EMR的运营数据,其中5月份为测试数据,从医院层面、医生层面、科室层面和核心医疗制度层面采用人工智能监控系统对6-10月份EMR质量控制的数据进行对比研究,检验人工智能EMR质量控制技术的应用效果。结果:医院EMR书写违规情况由6月份的48%降至10月份的37%,甲级病历比率由3.4%增长到5.6%;违规数量最高的前10个科室6-10月份的EMR书写违规数量均显著下降,差异有统计学意义(F=16.15,P<0.05);违规数量最高的前10名医生6-10月份的EMR书写违规数量均显著下降,差异有统计学意义(F=5.77,P<0.05);违规数量最高的前10名核心医疗制度6-10月份的违规数量均显著下降,差异有统计学意义(F=10.46,P<0.05)。结论:人工智能EMR质量控制技术能够降低病历缺陷率,提高病历质量。     

基于结构化教学法的小组训练对学龄前孤独谱系障碍儿童的疗效分析

目的 探讨基于结构化教学法(TEACCH)的小组训练对学龄前孤独谱系障碍(ASD)儿童的训练效果，为TEACCH本土化训练模式提供参考。方法 将武汉市精神卫生中心2018年1月—2021年10月的60例ASD儿童进行康复训练，随机分为TEACCH组和对照组各30例，分别比较两组在训练前、训练后、训练后6个月随访和1年随访时评估康复效果各项得分的变化，采用PEP-3进行康复效果的评估。结果 TEACCH组和对照组在训练前基线得分差异均无统计学意义(P>0.05)。在所有评估项目中时间主效应均显著(P<0.001),TEACCH组在语言表达、语言理解、小肌肉、社交互动、问题行为、个人自理和适应行为得分均高于对照组，差异具有统计学意义(F=4.159、10.447、4.556、4.666、12.922、4.199、8.484,P<0.05),组间和时间交互效应在情感表达、问题行为、个人自理差异具有统计学意义(F=3.919、5.071、9.689,P<0.05)。TEACCH组的语言表达、问题行为、个人自理在训练后、6个月随访和1年随访前后测差值均高于对照组，差异有统...     

电子病历质量实时监控评分方法

本文阐述了电子病历质量实时监控评分需要具备的4个条件：①建立病历质量实时监控方法;②建立病历文书智能判别方法;③建立病历等级评判标准;④建立病历评分数学模型。介绍了病历质量实时监控评分的流程、统计方式和作用,对该方法的先进性、实用性、操作性和局限性进行了客观的评价。     

基于循环神经网络的根本死因推断模型

目的 利用循环神经网络探索自动推断根本死因的可行性，为死因监测工作提供自动化工具。方法 利用2016—2021年福建省国家级死因监测点经专家审核的死亡报告数据，基于门控循环单元(GRU)构建根本死因推断模型，通过训练、验证和测试确定最终模型；用准确率、加权查准率、加权查全率和F1分数评价模型性能。结果 根本死因推断模型的验证集推断准确率达93.5%。测试集推断准确率为87.8%,加权查准率87.3%,加权查全率87.8%,加权F1分数为0.88。结论 基于循环神经网络的根本死因推断模型具有较好性能，深度学习相关技术在辅助提升死因监测工作质量上能够发挥作用，降低人工审核压力。     

四级质控法在护理病历质量管理中的应用

目的：探索一种提高护理病历质量管理的有效方法。方法：采用护士-责任组长-护士长-护理部四级病历质控法进行质控。并随机抽取采用四级质控法前后两组病历进行对照分析。结果：对两组病历书写基本要求、体温单、医嘱单、人院护理评估单、病情护理记录单等5项内容中存在的缺陷进行比较，经过t检验，P值均〈0．05，观察组缺陷明显少于对照组。结论：四级质控法是全面质量管理在病历管理中的具体应用，是对病历质量实行持续质量改进的有效方法，值得推广应用。     

PDCA循环在病历质量管理中的应用实例研究

摘要:目的　通过实施一系列的干预措施,全面改进我院病历质量,提高医生病历书写水平,并推广相应成功经验。方法　运用PDCA管理基本理论,结合5W1H分析法、QC七大手法、流程图等管理工具,对病历质量存在的问题、影响因素、干预措施及效果评估等进行全方位剖析,将病历质量数据做统计分析。结果　实施干预措施后我院病历质量得到明显改善,甲级病案率、平均分呈上升趋势,P＜0.0001,差异有统计学意义。结论　PDCA循环的应用对病历质量的提高有明显的推动作用,医院逐步形成了制度完善、标准规范、监控多元的病历质控体系,病历质量持续改进效果明显。     

基于多任务学习构建尘肺病鉴别诊断及分期模型

目的 基于多任务学习,构建深度学习模型辅助临床医师进行尘肺病鉴别诊断与分期。方法 收集2011—2022年四川省某职业病医院3 600名就诊者的数字化摄影后前位胸片,使用全卷积神经网络（UNet）进行肺野分割。基于多任务学习,利用任务间相关性,以DenseNet121为骨干网络,添加两个分类器构建多任务模型,并在ChestX-ray14数据集上预训练。采用配对t检验比较单任务模型与多任务模型之间准确率、精确度、灵敏度、F1分数的差异。结果 测试集结果显示,单任务模型鉴别诊断和诊断分期性能约90%和77%。多任务模型鉴别诊断和诊断分期性能约94%和86%,分别高于单任务模型约4%和9%,评价指标间差异具有统计学意义（P<0.05）。结论 多任务模型较单任务模型更具优势,可有效实现尘肺病与肺结核的鉴别诊断和尘肺病精准分期。     

10489份内科住院病历首页六项缺陷发生率浅析

病历首页记录的信息是医院统计工作的基本数据,也是病历质量、医疗质量评估的重要依据,近5年,我院注重落实医疗核心制度和卫生部"病历书写基本规范"要求,不断完善病区、病案室、医务部和院质管办病历质量监控,效果较明显。