排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
3.
医疗大数据的广泛应用,给心脑血管疾病的研究带来新的机遇.合理利用数据特征进行分析,对心脑血管疾病在医药作用、疾病关联、风险预警等方面的发展具有推动意义.但心脑血管疾病大数据存在一定的个性特征,特别是关联性强、周期性长、隐私性敏感等方面,给数据的应用造成一定的影响.文章阐述了医疗大数据的发展对心脑血管疾病研究的影响,并主要分析心脑血管疾病大数据所体现的特征及应用.同时结合医疗领域与信息领域,提出了心脑血管疾病大数据所面临的挑战和展望. 相似文献
4.
针对传统方法在中文电子病历实体抽取任务中存在对词典和分词工具过于依赖,无法充分利用上下文特征等问题,本文提出一种基于字嵌入卷积(CNN)、双向门控循环单元(BGRU)和条件随机场(CRF)结合的中文电子病历实体抽取模型。首先利用字嵌入方法提取出潜在词特征,然后在使用字词特征联合方式的同时使用注意力机制突出特定的信息,最后通过合理性约束得到最终结果。该模型充分使用了字词特征避免了实体抽取受错误分词的影响,并且减少了人工构造特征的过程,提高了实体抽取效率。实验结果表明,该模型在诊断名称、症状名称、治疗方式类别的实体抽取中,F值表现优于传统的Bi-LSTM-CRF模型。 相似文献
5.
在心血管疾病的研究中发现,其并发症与虚弱症具有一定的相关性。研究心血管疾病并发症与虚弱症之间的关联模式,有利于临床决策的制定和并发症的预防。但并发症与虚弱症之间的相关关系复杂,导致传统Apriori算法效率低且不准确。本文提出一种改进的关联规则挖掘算法——HI-Apriori。HI-Apriori算法将Hash表和提升率引入Apriori中,利用提升率对候选项集中的不可靠项集进行剪枝,然后建立Hash表存储可靠项集。通过实验数据得出,HI-Apriori算法能够提升至少约60%的运行效率,且从关联规则中得出,中等程度以上的虚弱症会提高心血管患者患有糖尿病的概率。 相似文献
1