-
公开(公告)号:CN114171147A
公开(公告)日:2022-03-11
申请号:CN202111446280.5
申请日:2021-11-30
Applicant: 中国医学科学院北京协和医院 , 北京安妮福克斯信息咨询有限公司
IPC: G16H10/60 , G06N3/08 , G06N3/04 , G06F40/295 , G06F40/289
Abstract: 本发明提供一种新型医疗文本预处理系统,其特征在于,包括:文本数据;文本预处理,文本预处理的输出端单向连接于文本数据的输入端,文本预处理的输出端单向连接有mord2vec模型生成词向量,mord2vec模型生成词向量的输出端单向连接有堆叠BILSTM模型捕捉上下语境特征,所述堆叠BILSTM模型捕捉上下语境特征的输出端单向连接有CRF模型提取全局最优序列,所述CRF模型提取全局最优序列的输出端单向连接有输出预测命名实体识别序列,S1:所述文本预处理对输入的妊娠糖尿病电子病历文本进行分词。本发明提供的一种新型医疗文本预处理系统,可以获取到包含更丰富、更精准特征信息的文本表示,使得妊娠糖尿病电子病历的命名实体识别效果更加精准。
-
公开(公告)号:CN111671394A
公开(公告)日:2020-09-18
申请号:CN202010396751.5
申请日:2020-05-12
Applicant: 中国医学科学院北京协和医院
IPC: A61B5/00 , A61B5/0205 , A61B5/145 , A61B5/20
Abstract: 本发明公开了一种重症监护报警方法及装置。所述重症监护报警方法包括:获取状态数据库,所述状态数据库包括至少一个数据判断条件以及至少一条报警信息,一条报警信息映射一个数据判断条件;获取使用者的状态参数;将所述使用者的状态参数与所述数据判断条件进行比对,若存在满足数据判断条件的使用者的状态参数,则获取数据判断条件所映射的报警信息;发送报警信息。本发明的重症监护报警方法通过预设状态数据库以及获取使用者的状态参数,能够实时检测使用者的情况并当使用者出现需要报警的情况下进行报警。
-
公开(公告)号:CN115238693A
公开(公告)日:2022-10-25
申请号:CN202210809038.8
申请日:2022-07-11
Applicant: 中国医学科学院北京协和医院 , 北京安妮福克斯信息咨询有限公司
IPC: G06F40/295 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多分词和多层双向长短期记忆的中文命名实体识别方法,通过对BERT‑BILSTM‑CRF模型的修改,提高命名实体的识别精度;确定命名实体识别模型的输入与输出:以医疗文本为研究对象,将带有实体标注的医疗文本数据集作为命名实体识别模型的输入,模型的输出是对数据集进行医疗实体预测后给出的实体标注结果;本发明,通过进一步强化模型的文本的语境特征提取性能,一方面考虑了多词切分的方法来增加局部语境特征,另一方面引入了多层双向长短期记忆方法,通过设置不同深度的BILSTM模型来增加全局语境特征以及引入了医学词典这一外部知识,通过丰富模型学习过程中的语义特征信息,从而进一步提升命名实体识别任务的精度。
-
公开(公告)号:CN115169348A
公开(公告)日:2022-10-11
申请号:CN202210726176.X
申请日:2022-06-24
Applicant: 中国医学科学院北京协和医院 , 北京安妮福克斯信息咨询有限公司
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06N3/04
Abstract: 本发明公开了一种基于混合神经网络的事件抽取方法,具体涉及自然语言文本处理技术领域,包括步骤一:对原始文本进行数据预处理,并对原始文本进行分句,得到事件句,再对事件句进行分词、命名体识别,并将事件句序列转换为词向量的形式;步骤二:将以词向量表示的事件句序列传入到双向长短时记忆网络,即(前向和后向两个子LSTM网络),再利用BERT模型来捕捉字级别的语义特征。本发明利用BERT模型来解决一词多义的问题,且充分考虑了卷积神经网络有效提取文本局部特征与BILSTM网络提取文本全局特征的优势,以及文本在上下文语义中的信息,有效提取了文本的特征。模糊上下文语义的情况被解决,提高了事件抽取的效果。
-
-
-