典型文献
基于双向表示神经网络的中医证候归类模型的构建
文献摘要：
目的 构建基于双向表示神经网络的中医证候归类模型,将临床记录中的证候归类为与ICD-11中相对应的证候,并为临床医生记录证候提供归类提示.方法 首先使用基于RNN的Encoder-Decoder结构和基于RNN与Sigmoid函数结合的Multilabel结构建立对照模型,其后分别使用基于BERT与Sigmoid函数结合的Multilabel结构,以及本研究提出的基于BERT候选项选择结构建立模型.以准确率、精确率、召回率、F1得分对各模型进行评价.并使用提出的多模型决策错误自查法,观察模型的自查误能力.结果 基于BERT的候选项选择结构建立的中医证候归类模型在各项指标中的表现最优,均达85％以上.基于多模型决策错误自查法,发现了87.23％错误结果,模型具有错误自查能力.结论 构建的中医证候归类模型可将医生撰写的证候归类为与ICD-11和《中医病证分类与代码》中相对应的证候,并具备自查误功能.将模型用于中医证候的归类处理,可为大数据背景下的中医归类诊疗及中医辨证论治规律的挖掘提供有力的工具支持.
文献关键词：
中医;证候归类;ICD-11;人工智能
中图分类号：
作者姓名：
张异卓;周璐;孙月蒙;刘双巧;徐凤芹;孙燕;李宇航
作者机构：
北京中医药大学中医学院 北京 100029;中国中医科学院西苑医院 北京 100091
文献出处：
引用格式：
[1]张异卓;周璐;孙月蒙;刘双巧;徐凤芹;孙燕;李宇航-.基于双向表示神经网络的中医证候归类模型的构建)[J].世界科学技术-中医药现代化,2022(10):4063-4072
A类：
证候归类,Multilabel
B类：
中医证候,ICD,临床医生,RNN,Encoder,Decoder,Sigmoid,BERT,选项,选择结构,建立模型,精确率,召回率,多模型,模型决策,自查,有错,中医病证分类与代码,大数据背景下,中医辨证论治,论治规律
AB值：
0.221705
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
