基于深度图挖掘的医学概念表示

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 医学概念表示学习

1.2.2临床事件预测

1.3 本文研究内容及贡献

1.3.1研究内容

1.3.2本文贡献

1.3.3结构框架

第二章 基于语义和可变间隔递归网络的医学概念表示方法

2.1 引言

2.2 基于语义的医学概念表示方法

2.2.1 基于自然语言处理的语义表示

2.2.2 融合子字信息的细粒度语义表示

2.3 可变时间间隔长短时记忆网络模型

2.3.1 长短时记忆网络

2.3.2 基于时间间隔门控单元的长短时记忆网络

2.4 实验结果与分析

2.4.1 实验数据

2.4.2 评价指标

2.4.3 对比模型设置

2.4.4 语义概念表达结果

2.4.5 实验结果与分析

2.5 本章小结

第三章 基于语义和时间卷积网络的医学概念表示方法

3.1 引言

3.2 基于时间卷积网络的医学概念预测

3.2.1 一维全卷积网络

3.2.2 时间卷积网络

3.3 实验结果与分析

3.3.1 实验数据

3.3.2 模型参数

3.3.3 评价指标

3.3.4 对比模型

3.3.5 实验结果与分析

3.4 本章小结

第四章 基于异构图卷积的医学概念表示方法

4.1 引言

4.2 图网络结构

4.3 深度时控异构图卷积模型

4.3.1 多维信息异构图

4.3.2 异构图卷积

4.3.3 基于时间-事件关系的编解码预测

4.4 实验结果与分析

4.4.1 实验数据

4.4.2 模型参数

4.4.3 评价指标

4.4.4 对比模型

4.4.5 实验结果与分析

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间取得的科研成果

致谢