【技术实现步骤摘要】
一种基于BGRU
‑
Attention
‑
CRF的Bio
‑
NER智慧医疗分诊系统
[0001]本专利技术涉及智慧医疗
,具体涉及一种基于BGRU
‑
Attention
‑
CRF的Bio
‑
NER智慧医疗分诊系统。
技术介绍
[0002]根据2022年国家卫生局数据,我国医患的比大约是1∶1500,这远远低于欧美国家的1∶200左右。根据已有数据分析,在患者初次就诊阶段,会因为对自身的病情症状无法匹配正确的科室产生疑惑,从而耽误最佳的治疗时间。随着互联网的发展,越来越多的医院开始采用智慧医疗分诊系统缓解医疗资源的压力。国内的智慧医疗分诊系统主要通过问答系统,缩小疾病范围,最后为患者提供对应的科室。总的来说,智能分诊系统需要多轮输入,部分系统会通过命名实体识别技术(NER)对患者提供的病情资料、电子病历等信息进行关键词识别,最后将识别出的关键词与已有数据库的进行相似度匹配,从而为患者推荐相应的科室。
[0003]医疗命名实体识别技术(bio
‑
NER)是自然语言处理中的一项基本任务,其主要任务是对于医疗文本数据中的重要医学术语进行数据标注,比如症状、手术和药物等。在医疗分诊系统的实际应用中,患者往往对自己的病情描述不清,使用bio
‑
NER可以提取患者病情的关键信息,有助于进一步的病情判断。
[0004]目前,针对医疗命名实体识别技术的机器学习方法主要有H
【技术保护点】
【技术特征摘要】
1.一种基于BGRU
‑
Attention
‑
CRF的Bio
‑
NER智慧医疗分诊系统,包括一种智慧医疗分诊系统和一种基于BGRU
‑
Attention
‑
CRF算法,智慧医疗分诊系统通过云服务器建立;所述智慧医疗分诊系统包括用户模块(1)和远程服务模块(2),所述远程服务模块(2)包括文本预处理模块(21),特征识别模块(22),数据库单元模块(23)以及科室匹配模块(24),所述基于BGRU
‑
Attention
‑
CRF算法位于特征识别模块(22)中;还包括以下步骤:步骤201:在云端数据库储存收集过往病人的主诉信息和电子病历,进行数据预处理后,人工标注医疗命名识别类型作为原始训练集;步骤202:对数据进行预处理,将原始训练数据按照比例分为训练集、验证集、测试集;步骤203:构建BGRU
‑
Attention
‑
CRF神经网络,用于命名实体识别,利用测试集和验证集对神经网络进行训练;步骤204:将命名实体传入科室匹配模块(24),与过往病人的主诉信息和电子病历中的关键词进行文本相似度计算,得到推荐科室。2.根据权利要求1所述的一种基于BGRU
‑
Attention
‑
CRF的Bio
‑
NER智慧医疗分诊系统,其特征在于:所述用户模块(1)为ANDROID应用程序。3.根据权利要求1所述的一种基于BGRU
‑
Attention
‑
CRF的Bio
‑
NER智慧医疗分诊系统,其特征在于:所述步骤203中,BGRU神经网络结构采用递归神经网络,属于RNN、LSTM的变体;BGRU网络是一种基于学习时间序列数据关系的循环结构,和采用一层双向GRU网络。4.根据权利要求1所述的一种基于BGRU
‑
Attention
‑
CRF的Bio
‑
NER智慧医疗分诊系统,其特征在于:所述步骤203中,GRU的输入序列为{x
t
|x1,x2,...,x
n
},隐藏层序列中间状态为最终状态为{h
t
|h1,h2,...,h
n
};GRU网络重置门401r
t
、更新门402z
t
,输出序列的计算式子如下:z
t
=σ
g
(W
z
x
t
+U
z
h
t
‑1+b
z
)r
t
=σ
g
(W
r
x
t
+U
r
h
t
‑1+b
r
))式中,x
t
为输入序列,r
t
为重置门、z
t
为更新门,
‘⊙’
为Hadamard点积,为t时刻隐藏层的中间状态,h
t
为t时刻隐藏层的最终状态,h
t
‑1为t
‑
1时刻隐藏层的最终状态,b
z
,b...
【专利技术属性】
技术研发人员:吴俊宏,
申请(专利权)人:浙江远图技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。