马慧敏
- 作品数：4 被引量：12H指数：2
- 供职机构：东软集团股份有限公司更多>>
- 发文基金：国家科技重大专项更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 融合文字与标签的电子病历命名实体识别被引量：1
- 2022年
- 准确的命名实体识别是结构化电子病历的基础,对于电子病历规范化编写有着重要的作用,而现今的分词工具对于专业的医疗术语无法做到完全正确的区分,使得结构化电子病历难以实现.针对医疗实体识别中出现的问题,本文提出了一种在命名实体识别领域中改进的BiLSTM-CRF深度学习模型.模型将文字和标签结合作为输入,在多头注意力机制中使模型关注更多的有用信息,BiLSTM对输入进行特征提取,得到每个文字在所有标签上的概率,CRF在训练过程中学习到数据集中的约束,进行解码时可以提高结果的准确率.实验使用人工标注的1000份电子病历作为数据集,使用BIO标注方式.从测试集的结果来看,相对于传统的BiLSTM-CRF模型,该模型在实体类别上的F1值提升了3%–11%,验证了该模型在医疗命名实体识别中的有效性.
- 赵奎杜昕娉高延军高延军
- 关键词：结构化电子病历命名实体识别CRF
- 有限状态机在模拟演练系统中的应用被引量：7
- 2013年
- 在研究了有限状态机的基本原理和在游戏开发中的应用,并结合应急模拟演练系统的实际需求,通过在Delta3D引擎中实现一个有限状态机控制器组件解决系统角色状态控制的问题.首先介绍了有限状态机的基本原理和Delta3D引擎架构的特点,设计了一个有限状态机的例子并详细介绍了有限状态机控制器组件的总体结构、基本功能和具体实现方式.
- 张博伦王宁马慧敏
- 关键词：有限状态机组件
- 基于Time-awareLSTM双向自动编码器的患者疾病分型
- 2024年
- 医学领域中,患有相同疾病的患者之间也存在差异性,看似简单的疾病也可能表现出不同程度的复杂性,这给患者的识别、治疗和预后都带来巨大挑战.本文使用以纵向非结构化时序存储的电子病历来解决患者异质性,通过抓住就诊时间间隔不规律的特点增强对于隐藏信息的获取,经过前向和后向的双向学习捕捉当前就诊记录与过去和未来信息的联系,加深对于原序列特征提取的层次,使模型做出更为精准的决策.本文提出的BT-DST模型使用time-aware LSTM单元构造双向自动编码器学习患者强大的单一表示,然后将其用于患者聚类,通过统计分析得到患者针对当前疾病的亚型分型,可针对不同群体采用不同类型的治疗干预,为不同类患者提供针对其健康状况的精准医疗.
- 赵奎李琦高延军高延军
- 关键词：聚类
- 基于迁移学习的伤口图像分割被引量：4
- 2022年
- 图像分割是计算机辅助阅片的基础,伤口图像分割的准确率直接影响伤口分析的结果.传统方法进行伤口分割步骤繁琐,准确率低.目前已有少部分人利用深度学习进行伤口图像分割,但是他们都是基于小型数据集,难以发挥深度神经网络的优势,准确率难以进一步提高.充分发挥深度学习在图像分割领域的优势需要大型数据集,目前还没有关于伤口图像的大型公共数据集,而制作大型伤口图像数据集需要人工标记,耗费大量时间和精力.本文提出基于迁移学习的伤口图像分割方法,首先利用大型公共数据集训练ResNet50网络作为特征提取器,再利用该特征提取器连接上两个并行的注意力机制后在利用小型伤口图像数据集进行再训练.实验表明本方法的分割结果在平均交并比上有较大提高,在某种程度上解决了缺乏大型伤口图像数据集而导致伤口图像分割准确率低的问题.
- 陈志威赵奎曹吉龙孙靖马慧敏
- 关键词：图像分割
