<span id="1h515"><output id="1h515"></output></span>
    1. <span id="1h515"><sup id="1h515"></sup></span><optgroup id="1h515"><li id="1h515"></li></optgroup>

        1. <legend id="1h515"></legend>
          <legend id="1h515"></legend>

          核心技術

          推薦課程MORE

          健康醫療大數據服務平臺

          健康醫療大數據服務平臺

          核心技術

          醫學自然語言處理API

          日期:2019-01-29類別:核心技術
          我要分享

          病歷作為醫院的寶貴財富,里面蘊含了大量的專業知識,但是由于受到技術的限制,長期得不到有效利用,其主要制約在于如何對文本類數據進行結構化處理,并加以充分利用。目前,很多醫院的醫生還停留在去病案室借閱病歷,手工摘抄收集科研數據的階段,效率十分低下。如何利用最新的人工智能技術,讓機器“讀懂”病歷數據,提高臨床科研效率和質量,是目前亟需解決的課題。

              對病歷文本相關的智能分析主要涉及自然語言處理技術,相關研究開始于20世紀60年代的美國,已經發展了數十年的時間。但我國醫學自然語言處理起步較晚,發展水平還與發達國家有一定差距,主要集中在基于規則和專家系統的方法,而將機器學習、深度學習應用到醫學自然語言處理需要更加深入的研究。

            
              我們構建醫學語料庫的基礎上,開發了命名實體識別標注軟件,通過人工標注-機器學習反饋機制進行訓練。目前,運用RNN深度學習模型構建的文本結構化算法模型已經達到較高的準確率,實體識別、屬性抽取、實體分類、關系提取等任務的準確率可以達到90%以上。


           

          亚洲成av人影片在线观看
          <span id="1h515"><output id="1h515"></output></span>
          1. <span id="1h515"><sup id="1h515"></sup></span><optgroup id="1h515"><li id="1h515"></li></optgroup>

              1. <legend id="1h515"></legend>
                <legend id="1h515"></legend>