中医病历术语识别方法探讨

目的探索中医领域利用少量标注语料进行电子病历中医学实体信息的命名实体识别(NER)研究工作,为更复杂的中医电子病历信息处理及深度学习方法在中医领域内的运用提供参考。方法分析中医电子病历词汇术语与一般的NER任务相比较的特殊性,对比了目前3种NER技术的优缺点,找寻适合中医电子病历医学术语的NER技术。结果长短时记忆神经网络(LSTM)是一种无监督学习模型,能有效利用序列数据中长距离依赖信息,特别适合处理文本序列数据;还可以和条件随机场(CRF)模型相结合,解决中医NER的难点。长短时记忆神经网络联合条件随机场模型(LSTM-CRF)可以在未标记的病历文本语料上无监督学习词语特征,不依赖于人工设计特征模板而达到自动提取患者症状、疾病、诱因等命名实体的目的。结论中医电子病历术语识别应利用多种命名实体识别技术,充分发挥这些技术的优势,提高模型识别准确性。     

基于先验信息感知学习的能谱CT及物质定量智能成像算法

目的 提出一种基于先验信息感知学习的能谱CT半监督物质定量智能成像算法（SLMD-Net）,以提升能谱CT及物质定量成像精度和质量,并降低数据驱动网络对标签数据的依赖性。方法 算法框架包括监督子模块和自监督子模块。在监督子模块中,基于少量标签数据和均方误差损失函数学习构建从低信噪比数据到高信噪比数据的映射关系;在自监督子模块中,针对大量无标签低信噪比基物质图像数据,采用基于图像恢复模型构建损失函数,并纳入基物质图像数据的先验信息,以全变分（TV）模型刻画图像的先验信息。两个子模块合并构成SLMD-Net并通过临床仿真数据评估可行性和有效性。结果 与模型驱动的物质定量成像方法（FBP-DI、PWLS-PCG、E3DTV）,数据驱动的物质定量成像方法,如基于监督学习的物质定量成像方法（SUMD-Net和BFCNN）,基于无监督学习的物质定量成像方法UNTV-Net以及基于半监督的循环一致性生成对抗网络（SemiCycleGAN）相比,SLMD-Net在视觉和定量评估上均有明显优势,如在水物质定量成像结果和骨物质定量成像结果中,SLMDNet获得最高的PSNR指标（31.82和29.06）、...     

基于机器学习的癫痫脑电数据分析方法研究

详细阐述基于机器学习的癫痫脑电数据处理和分析方法，包括监督学习、无监督学习、半监督学习、强化学习和其他类型的机器学习方法，评价这些方法应用于癫痫脑电数据检测的效果。     

基于自监督学习与语义分割相结合的内窥镜白内障图像分割

目的:基于自监督学习与语义分割方法在白内障数据集上训练深度学习模型,分割白内障手术的显微镜图像,以提升算法的准确性和鲁棒性.方法:提出CA-PSP模型实现白内障数据集语义分割,采用自监督模型BYOL预训练模型参数;为了增强网络特征表达能力,在骨干网络加入一个轻量级的网络注意力机制,即坐标注意力模块(coordinate...     

基于中文病例报告文献的医学诊疗命名实体识别研究

基于公开发表的中文病例报告文献构建医学诊疗实体语料库,搭建语料标注审核平台,以基于上下文语义理解的方式识别疾病、症状、检查、治疗4类医学诊疗实体。通过构建字符、词边界、上下文、词性和词典等特征,基于条件随机场模型提出一种多特征融合的中文病例报告诊疗命名实体识别方法,具有较高的识别准确率。     

基于降噪自动编码器特征学习的音乐自动标注算法

目前,音乐自动标注模型大多采用手动设计模式,因而存在最佳特征难以选择的问题。提出了一种基于非监督学习的特征学习算法,该算法能自动学习特征的潜在结构而不需要依赖先验知识。首先,预处理阶段主要提取音乐的音级轮廓频率谱并进行PCA白化降维处理;然后,采用深度学习中的降噪自动编码器算法对降维后的特征进行无监督的学习,并采用最大值池化和取均值来聚合得到新的特征向量;最后,将特征向量和标签送入多层感知机中进行有监督的学习。基于Magnatagatune和GTZAN数据库的实验结果表明,本文算法在一定程度上提高了音乐自动标注的准确率。     

基于蚁群算法的故障识别

提出了一种新的基于蚁群算法的故障诊断知识获取算法。该算法将故障诊断中故障的识别分类问题转化为求解带约束的最优化聚类问题，并应用改进的蚁群算法，基于群体的协作与学习求解这一聚类问题。将该方法应用于一化学反应器的故障诊断过程，结果表明该算法具有实现简单、收敛速度快、本质分布式并行性、鲁棒性强以及故障识别结果可靠等优点。     

信息抽取在构建医学知识图谱中的应用及进展

阐述医学信息抽取中实体识别、实体消岐和关系抽取3个重要步骤,介绍传统方法、基于机器学习以及基于深度学习的应用,对前沿内容和未来发展进行展望.     

基于CRF的症状构成分析与标注

中文症状的描述丰富多样,症状的构成元素复杂多变,对症状构成的研究有助于全面理解症状成分、识别症状名称的同义词以及定量分析患者的患病情况。本文提出了一种中文症状构成模型,将中文症状看作是一个由原子症状、连词、否定词等16种构成元素中的一个或多个所组成的构成序列,并利用条件随机场模型实现对症状构成序列的自动标注。实验结果表明,该方法能够很好地识别中文症状的构成元素,其症状和构成元素两种统计粒度上的标注正确率分别达到了90.53%和93.91%。     

中文电子病历命名实体识别方法研究

针对中文电子病历命名实体识别任务中存在的边界划分不准确、实体识别率不高等问题,提出基于深度学习的CNN-BiLSTM-CRF模型,详细阐述模型结构与原理,采集3 127份中文电子病历数据进行实验以验证模型性能,结果表明该模型具有较好的识别效果及性能。     

对医学生学习细胞生物学意义教学内容的思考和改进

医学本科生不能充分认识细胞生物学的学科意义直接影响实际教学效果。在分析学生不重视该课程学习客观原因的基础上,从细胞生物学基础理论对医学生临床实践、医学研究、继续深造及未来个人发展的意义等方面进行讲解,能够取得较好效果,为实现该课程的教学目标奠定基础。     

基于实体词典与机器学习的基因命名实体识别

将实体词典以特征的形式引入到机器学习模型中,提出一种基于实体词典与机器学习的基因命名实体识别方法,在GENIA 3.02语料上进行实验。测试结果表明引入实体词典特征后,在获得较高实体识别准确率的同时,优化CRFs识别模型的时间复杂度,提高系统识别效率。     

生物医学命名实体识别研究现状及中文生物医学命名实体识别难点与意义综述

介绍国内外生物医学命名实体识别的研究现状,详细阐述生物医学命名实体识别的技术方法,包括基于词典和规则的方法、基于机器学习的方法、混合方法和神经网络方法以及相关测评组织和标准,总结中文生物医学命名实体识别难点和意义。     

基于安宁疗护理念的医学生职业素养教育学习体验的质性研究

目的 探讨医学生对基于安宁疗护理念的职业素养教育教学模式的学习体验。方法 采用质性研究中描述性质性研究方法对参加本选修课的12名医学生进行半结构式深入访谈,运用Colaizzi 7步分析法对资料进行整理分析,提炼主题。结果 对参与培训医学生的学习体验提炼出5个主题,即利他主义增强、职业价值观增强、增加知识和提高学习能力、死亡观念的再认知、培养共情能力。结论 基于安宁疗护理念的职业素养教育有利于提高医学生的职业价值观、增强学习能力和主动性,进而提升医学生的职业素养。     

PBL教学模式在医学免疫学教学中的实践

探讨PBL教学模式在医学免疫学教学中的应用，以问题为基础，进行小组讨论式学习。结果显示，PBL教学组学生的自主学习、分析和解决问题的能力均较传统授课组明显提高，同时也增强了学生之间的团队精神。PBL教学有助于医学生成为终生学习者，变被动为主动学习，值得推广。     

中国与印度医学生图片再认记忆的跨文化研究

目的 通过对中国、印度医学生图片再认记忆的跨文化研究,探讨文化背景对医学生再认记忆的影响.方法 应用新-旧再认的图片记忆测试程序,记录正确率和反应时.结果 中国医学生医学新图判断正确率[(83.21±8.95)%]高于印度医学生[(75.56±12.63)%,P＜0.05],医学旧图反应时[(887.57±104.07)ms]长于印度医学生[(840.93±122.48)ms,P＜0.05].文化差异和图片类型对再认记忆的正确率、反应时均影响显著,学习经验对反应时影响显著,对正确率影响不明显;除图片类型与学习经验对再认记忆的影响有交互作用外,各因素均无交互作用.结论 文化差异、专业背景和学习经验均影响再认记忆,不同文化背景的医学生在图片再认记忆过程中采取了不同策略.     

组块理论在医学英语词汇习得中的作用探讨

目的研究组块理论在医学英语词汇教学习得中的作用。方法探讨了根据音、形、义对医学英语词汇组块后进行记忆的方法。结果组块理论应用于医学英语词汇习得,使学习者不仅快速掌握了医学英语词汇,而且也提高了学习医学英语的积极性和主动性。结论根据音、形、义组块记忆医学英语词汇,有助于提高学习者对医学英语词汇学习的兴趣,从而有助于提高学习者医学英语文献的阅读能力。     

PBL教学方法的调查和探索

针对传统教学方法存在的弊端提出PBL教学法，并对PBL教学法优缺点进行问卷调查分析。认为我国现阶段还不适合完全实行该教学方法，需根据实际情况，有选择的与传统教学方法相结合，循序渐进地改革。     

影响医德情感形成的要素分析

医德情感的形成受到医务人员个体的一般道德情感的心理基质、对医德知识的学习态度、医德认知过程及社会环境因素的影响和制约，正是这些因素的不断运动与交互作用规定了医务人员的医德情感。