面向决策支持的医学文本语义分析方法研究

目录

声明

致 谢

1 引言

1.1 研究背景及研究意义

1.2 研究内容及关键问题

1.3 研究创新点

1.4 技术路线

1.5 章节安排

2 文献综述和相关方法

2.1 文献综述

2.1.1 医学文本分词方法

2.1.2 医学文本结构化方法

2.1.3 语义分析和医学概念抽取

2.1.4 基于医学文本的决策支持

2.2 相关数据与方法

2.2.1 医学领域知识库

2.2.2 机器学习方法

2.2.3 大数据分析方法

2.2.4 评估方法和指标

2.3 本章小结

3 基于自然语言处理的医学文本结构化和标准化方法

3.1 医学文本特征和语义复杂性分析

3.1.1 医学文本数据的来源和特征

3.1.2 医学文本分析的N-Gram语言模型

3.1.3 医学文本语料库的使用及影响分析

3.2 基于医学文本语料库的文本结构化方法

3.2.1 基于字典的机械分词和N-Gram分词方法研究

3.2.2 基于序列标注的医学文本分词方法研究

3.2.3 基于语义理解的医学文本分析方法研究

3.3 中文超声检查报告文本分析和性能评估

3.3.1 专家辅助的超声检查报告文本标注方法

3.3.2 超声检查报告的文本结构化方法

3.3.3 超声检查报告的文本语义分析方法

3.3.4 标注系统的性能评估方法

3.3.5 标注系统的整体性能测试与分析

3.4 本章小结

4 基于医学领域知识的医学文本语义分析和知识发现方法

4.1 面向医学文本的语义相似度计算方法

4.1.1 语义关系与文本特征提取方法

4.1.2 基于加权Levenshtein距离和N-Gram的文本相似度计算方法

4.1.3 评估方法和实验分析

4.2 基于UMLS的医学概念相似度和相关性计算方法

4.2.1 医学文本语义相似度计算方法

4.2.2 医学文本语义相关性计算方法

4.2.3 相关方法的测试和分析

4.3 基于语义分析的计算机辅助ICD-11 编码方法

4.3.1 相关知识库

4.3.2 ICD-11编码语义模型

4.3.3 ICD-11编码规则建模方法

4.3.4 ICD-11候选编码相关性计算方法

4.3.5 相关方法的测试和分析

4.4 本章小结

5 面向决策支持的海量医学文本分析方法及应用案例研究

5.1 医学文本主题建模和知识发现方法

5.1.1 基于LDA的医学文本主题建模方法

5.1.2 知识约束下医学文本主题建模和预测方法

5.1.3 相关方法性能的对比分析

5.2 基于大数据分析的典型医学文本分析方法设计和分析

5.2.1 基于MapReduce模型的大规模数据集连接方法

5.2.2 基于MapReduce模型的大规模文档相似度计算方法

5.3 面向医疗大数据分析的Hadoop 性能自动调整优化方法

5.3.1 Hadoop性能自动调优框架设计方法

5.3.2 基于无导数优化理论的Hadoop最优参数搜索方法

5.3.3 典型MapReduce算法性能调优和实验分析

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

作者简历及攻读博士学位期间取得的研究成果

独创性声明

学位论文数据集