排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
目的:构建适用于中文电子病案审核的命名实体识别模型,提高医院统计部门相关病案审核的工作效率,为人工智能技术在医疗卫生行业的应用奠定基础。方法:基于1 700条真实中文电子病历,选取“症状体征”“疾病诊断”“治疗方式”“解剖部位”“影像检查”“手术”等作为主要实体,结合经人工审核的病案结果进行BIOES标注,基于RoBERTa的BiLSTM-CRF算法,构建中文病案实体识别模型。结果:所建实体识别模型在CCKS2017中准确率为94.80%,召回率为96.03%,F1值为0.95;在CCKS2019中准确率为81.91%,召回率为83.03%,F1值为0.83。与传统基于Word2Vec、BERT的识别模型相比,RoBERTa-BiLSTM-CRF模型具有更优的效果。结论:基于RoBERTa的BiLSTM-CRF模型在中文电子病案实体识别中效果良好,能够对中文电子病历进行有效的初步识别和筛查,提高相关统计人员的审核效率。 相似文献
2.
3.
4.
目的以消费者服务质量感知为导向,选取合理、科学、可落地的零售药店纳保评估指标,并将其应用至实践。方法遵循问题界定-问题解析-指标遴选-指标收集-预实验-问题发现-体系改进的循环研究模式,通过专家评审方式界定与解析问题,选择核心指标,通过现场预实验修正与论证结果。结果以实现药店间公平竞争为目标,研究界定6个影响消费者对药店服务质量感知的问题,分别为信息不对称、服务质量差、药店基建差、营业时间短、用药安全低和医保药品少。以此形成6个评价零售药店的指标维度,涉及52个指标。研究以其中3个维度为核心,每个核心维度中选取一个具有代表性的指标作为最后结果。维度一为"药店实体",以药店规模为代表指标;维度二为"服务质量",以"执业药师和药师(数)"为代表指标;维度三为"应对人群医保药品需求的满足程度",以"医保品种数合计"为代表指标,作为最终的评价指标。该研究结果在基于被应用场景的需要,即专家增选和赋值后,已被应用于上海市零售药店医保定点月度纳保评估之中,作为省(市)及各区(县)的纳保评估依据。结论本研究成果可推广性强,如应用于药店的市场退出机制、常态化监管考核等。在具体应用中可以根据当地情况赋予权重。 相似文献
5.
基于真实中文电子病历与网络爬取数据,构建病历实体识别模型,确定实体关系,进行知识图谱可视化展现,搭建基于规则匹配的问答系统。探索适用于中文电子病历的知识图谱与知识体系构建方法,提高医院统计部门相关审核工作效率,为人工智能技术在医疗卫生行业应用奠定基础。 相似文献
1