龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：阳江市人民医院;广东工业大学
申请日：2024-04-15
公开（公告）日：2024-06-25
公开（公告）号：CN118245603A
主分类号：G06F16/35
分类号：G06F16/35;G06F40/247;G06F40/216;G06F40/284;G16H10/60
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种中医电子病历智能分类方法、系统及设备。本发明包括以下步骤：采集中医病历文本数据，使用文字表述替代文本中的数字描述；进行文本分词，提取文本数据的三个基本特征：词频、逆文本频率、互信息，得到相对应的特征值；基于三类不同的文本特征，构建词向量训练模型分别对文本特征进行训练，并使用特征融合方法，得到最终文本特征矩阵；使用多种不同的分类器模型，结合集成学习方法，实现基于电子病历的中医文本分类。本发明直接从电子病历上提取三种不同的文本特征，不用进行复杂的文本处理过程，简单方便、容易操作。所提取的文本融合特征以及所使用的集成学习方法能够很好的应对多种文本表述的挑战，实现文本分类的目的。
主权项：1.一种针对慢性鼻炎的中医电子病历智能分类方法，其特征在于包括如下步骤：步骤一、获取中医电子病历文本数据；收集所需的与慢性鼻炎相关的中医电子病历文本数据；步骤二、对获得的文本数据进行预处理；步骤三、提取多种文本特征；根据步骤二文本数据处理后的分词结果以及构建出的词表，统计出每个词语在不同的分类类别数据中的词频TF、逆文本频率IDF、互信息MI三个不同方面的信息；将所得到的结果继续归一化后以矩阵形式进行存储，作为文本数据的三种不同特征；步骤四：多特征融合；构建词向量训练模型，并分别以词频TFw、逆文本频率IDFw、互信息MIw作为输入特征矩阵，生成词向量，该三类特征矩阵均为文本全局统计信息；步骤五：多模型集成学习并预测证型类别：计算最终特征矩阵在多个Transformer类分类器中的训练结果指标：交叉熵以及文本的四个类别的识别率。
全文数据：
权利要求：
百度查询： 阳江市人民医院;广东工业大学 一种中医电子病历智能分类方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号