基于知识图谱的国内外电子病历研究热点与前沿分析

目的:系统梳理国内外电子病历研究热点和前沿趋势,为完善中国电子病历研究提供参考。方法:利用Cite Space 5.8.R1绘制知识图谱,使用文献计量方法对来自于Web of Science核心集数据库和CNKI数据库的国内外电子病历研究文献进行聚类分析。结果:纳入研究的716篇国内电子病历研究文献关键词聚类模块值为0.6945,聚类平均轮廓值为0.9595,形成了16个高信度研究热点聚类;纳入研究的17131篇国外电子病历研究文献关键词聚类模块值为0.3073,聚类平均轮廓值为0.6700,形成10个高信度研究热点聚类。结论:1960年以来国内外电子病历研究关注度不断增强,且研究热点存在一定相似性,相较国内电子病历研究而言,国外电子病历研究热点更有深度。此外,电子病历规范化研究与电子病历隐私研究也得到国内外学界关注。     

基于本体的向量空间模型在电子病历中的研究

电子病历在临床诊断与治疗中的应用日益广泛,如何有效利用电子病历系统中的大量数据辅助医生进行分析与诊断,是一个非常重要的问题.传统的基于索引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,将基于本体的向量空间模型引入到电子病历中进行研究,是一项非常有意义的工作.在分析传统电子病历检索方法不足的基础上,结合模糊本体概念,提出一种基于本体的向量空间模型.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及概念相似度计算.最后通过数值实验,对该方法在查全率和查准率方面进行了性能分析,证明其具有良好性能.     

基于电子病历的胃癌治疗方案辅助选择

目的：通过挖掘电子病历文本中的信息,探索有效的文本挖掘方法,以期实现电子病历的决策支持价值。方法：将2500份胃癌患者电子病历随机分为训练组和测试组,利用词典结合统计的方法对训练组病历文本进行分词,根据每个切分词与从病历中抽取的治疗方案的共现频次对切分词进行聚类,统计训练组病历中的文本在各个聚类中词的匹配数,并以训练组病历文本在各类中的匹配词数和治疗方案建立起Bayes判别函数作为决策支持模型,对测试组病历进行验证,对分词方法及判别模型进行评价。结果：随机抽取50份发现分词召回率为74.24%,准确率为82.30%,F-1值为78.06%。在切分词聚为五类时,所建立的判别模型对测试组病历的判定准确率为62%。结论：词典结合统计的分词方法在电子病历文本分词中的效果较好,基于聚类的电子病历文本挖掘可实现病历的决策支持价值,但建立的决策支持模型准确度不高,仍需对建模过程中病历文本分词及切分词的处理进行进一步研究。     

电子病历信息抽取可视化分析

以国内外电子病历信息抽取相关文献为研究样本,基于CiteSpace构建关键词共现图谱、时间线聚类图以及共被引网络图,可视化揭示电子病历信息抽取发展趋势、研究热点及重点领域,为相关研究提供参考。     

智能语义电子病历实现研究

分析智能语义电子病历建设需求,以电子病历知识库为核心,建立临床医疗规则以及费用审核机制,研究智能语义电子病历的模型架构和关键实现技术,对新一代高端电子病历研发和应用有重要作用。     

基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用

目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量。方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文本进行清洗构建训练集后做特征编码,采用基于深度学习的BiLSTM网络算法,学习专科专病的语义信息。结果:分别基于BERT特征、独热编码、词向量三种文本表示,针对过往病历数据建立BiLSTM模型,预测下一句文本,结果表明使用BERT预训练模型特征的BiLSTM模型F1-score达到75.23%,且具有实际应用的价值。在专科专病文本推荐的场景下,BERT特征优于独热编码和Word2Vec词向量。     

基于HL7CDAD门诊电子病历的设计与实现

探讨基于HL7CDA门诊电子病历的设计与实现方法,参考HL7CDA标准,对门诊病历信息的结构与语义进行定义,包括：建立门诊电子病历的CDA文档。用于门诊病历内容的表达;建立基于此CDA的样式表文件。便于其信息浏览。实践证明。以HL7CDA标准为基础,规范了门诊电子病历信息的结构与语义,为门诊病历信息的共享与交换提供了一个可行的方法。     

基于密度聚类的医学图像分割及其局部特征提取

本文分析了一种实用于医学图像聚类分析的改进DENCLUE算法,用此算法先聚类出有器官语义意义的区域,再在聚类出的区域上,分别提取基于灰度直方图统计特征的均值、方差、倾斜度和峰度4个局部特征,这些局部特征能够更好地表示图像信息.     

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。     

基于本体的电子病历后结构化模型关键技术

空间向量模型是工程领域语义表达分类工具,本项目提出运用模糊向量空间模型概念,对电子病历海量数据进行挖掘。通过模型可以找寻出医生的诊疗习惯、诊疗模式、用药习惯等诊疗行为,从而推动分级诊疗、计算机辅助决策、精准医疗的全面实施。检索结果经过验证,其结论较传统检索方法更为准确。     

基于非相关文献的知识发现研究进展

对基于非相关文献的知识发现方法研究进展进行总结,探讨Arrowsmith的演进及排序控制指标,并从词频统计、语义控制、词频统计与语义控制相结合、互信息方法、共词聚类法、主题聚类法等角度对该研究领域的代表性研究成果进行概述,指出Swanson方法存在的不足及其在未来科学发展中具有广阔的前景。     

基于LDA主题模型的电子病历热点主题发现

目的：探究2010-2019年国际上电子病历研究领域的热点。方法：以2010-2019年Web of Science 中有关电子病历研究的12 217篇文献作为研究对象,以作者关键词、扩展关键词和摘要为文档语料,通过各主题的困惑度确定最佳主题个数,采用LDA主题模型实现主题聚类。通过主题强度和阈值确定电子病历研究领域2010-2019年来的研究热点,通过后离散时间窗口的方式对主题演化趋势进行了分析。结果：基于LDA主题模型研究发现2010-2019年电子病历的研究主题有20个,“药物不良反应的发现”“用药调整”“药物研发”“患者死亡预测”“患病风险研究”“电子病历的文本挖掘”“患者二次入院研究”等7个主题为2010-2019年来的热门研究主题。结论：在不同时间窗口下对各个主题的强度进行计算发现,热度上升的主题为“药物不良反应的发现”,“药物研发”主题热度呈下降趋势,其他主题热度变化幅度小,个别年份有波动。     

基于临床病历预训练语言模型的病历文本纠错探索

电子病历文本中存在错别字既不符合国家电子病历管理规范，又降低了自然语言处理技术的效果，影响了电子病历的价值挖掘与应用。阐述了一种基于在大量真实病历语料上训练出的预训练语言模型进行自动纠错的方法。实验证明，该方法在仿真数据集和真实病历数据集上检错和纠错都取得了很好的效果，运行效率很高，可以支持事中和事后的电子病历纠错，有效提升电子病历质量，推动电子病历的应用。     

Medical Knowledge Extraction and Analysis from Electronic Medical Records Using Deep Learning

Objectives Medical knowledge extraction (MKE) plays a key role in natural language processing (NLP) research in electronic medical records (EMR), which are the important digital carriers for recording medical activities of patients. Named entity recognition (NER) and medical relation extraction (MRE) are two basic tasks of MKE. This study aims to improve the recognition accuracy of these two tasks by exploring deep learning methods.Methods This study discussed and built two application scenes of bidirectional long short-term memory combined conditional random field (BiLSTM-CRF) model for NER and MRE tasks. In the data preprocessing of both tasks, a GloVe word embedding model was used to vectorize words. In the NER task, a sequence labeling strategy was used to classify each word tag by the joint probability distribution through the CRF layer. In the MRE task, the medical entity relation category was predicted by transforming the classification problem of a single entity into a sequence classification problem and linking the feature combinations between entities also through the CRF layer.Results Through the validation on the I2B2 2010 public dataset, the BiLSTM-CRF models built in this study got much better results than the baseline methods in the two tasks, where the F1-measure was up to 0.88 in NER task and 0.78 in MRE task. Moreover, the model converged faster and avoided problems such as overfitting.Conclusion This study proved the good performance of deep learning on medical knowledge extraction. It also verified the feasibility of the BiLSTM-CRF model in different application scenarios, laying the foundation for the subsequent work in the EMR field.     

基于语义关系发现的阿尔茨海默病药物重定位

针对阿尔茨海默病,提出基于语义关系SCP算法发现重定位药物的方法,从总体流程、语义关系集抽取等方面阐述算法原理,介绍结果验证方法并比较该算法与LTC-AMW算法筛选药物-AD关系对排序结果。     

Use of Digital Patient Photographs and Electronic Medical Record Data as Diagnostic Tools in Japan

An electronic medical record (EMR) system was introduced to the University of Miyazaki Hospital, in Japan, in 2006. This hospital is the only one in Japan to store digital photographs of patients within EMRs. In this paper, we report on the utility of these digital photographs for disease diagnosis. Digital photographs of patients were taken at the time of hospitalization, and have been used for patient identification by medical staff. More than 20,000 digital photographs have been saved, along with examination data and medical history classified by disease, since the introduction of EMR. In the first part of the present study, we analyzed the facial cheek color of patients using photographs taken at the time of hospitalization in relation to diagnoses in six disease categories that were considered to lead to characteristic facial skin characteristics. We verified the presence or absence of a characteristic color for each disease category. Next, we focused on four diseases, Analysis of the facial skin color of 1268 patients found the same patterns of characteristic color. Overall, we found significant differences in complexion according to disease type, based on the analysis of color from digital photos and other EMR information. We propose that color analysis data should become an additional item of information stored in EMRs.     

浅谈大学生的人际交往问题与应对

目的 探讨大学生在人际交往中常见的问题与应对方法,促进大学生良好人际关系的建立。方法 对大学生人际关系的特点以及常见的认知偏差进行了分析,对如何建立良好人际关系提出了相应的建议。结果 大学生人际关系比较单纯、稳定,富有理想色彩,认知因素起着主导作用,但在认知上常会出现一些偏差。结论 大学生应端正交往动机,学习交往艺术,学会理解和宽容以增进其良好人际关系的建立。     

基于中医药主题词集的语义类型关联分析

目的:研究TCMLS语义网络.方法:对3 515篇有关“腧穴”临床文献进行主题词的语义类型提取,采用关联分析的方法对提取的语义类型进行关联分析.结果:实验证明基于中医药学主题词表的语义类型关联规则挖掘的结果跟临床文献的实际情况更相近.结论:TCMLS可以考虑利用该方法进行扩展研究.