基于深度学习的中文病历病史智能分类研究

摘要

自然语言处理(Natural Language Processing,NLP)是计算机科学领域及人工智能领域的一个重要方向,结合机器学习的自然语言处理,能够有效地把非结构化的自然语言转换为结构化的数据.医院的电子病历主要用于临床,对于电子病历的数据,往往需要重新组织才能开展研究,论文主要研究基于卷积神经网络(Convolutional NeuralNetwork,CNN)、长短期记忆网络(long Short-Term Menmory,LSTM)等算法对中医病历资料进行病史信息字段自动分类与抽取,旨在解决医学病历混杂的文本信息中自动抽取所有病史信息的分类问题.总结实验结果发现,基于卷积神经网络(CNN)的病史信息分类抽取F1值为0.850 6,基于长短期记忆网络(LSTM)的病史信息分类抽取F1值为0.881 0,具有良好的分类效果.