基于深度学习技术的神经外科疾病智慧辅助分诊模型研究

摘要：

随着深度学习技术发展与临床数据的快速积累,医学人工智能成为研究热点.基于临床文本信息,利用机器学习和自然语言处理技术进行临床辅助诊疗决策是重要的应用方向.然而,主要研究都聚焦于高质量数据基础上的通用或常见的临床诊疗预测任务(如基于影像的医学诊断等).由于临床环节多样,常常存在数据资源不足情况下的诊疗决策,如复杂疾病的门急诊分诊诊断临床工作量大,智能预测模型能够提升临床效率,是具有重要价值的新方向.本研究以4万余例医院神经外科临床文本数据为基础,提出了一种基于深度学习的神经外科辅助分诊模型(ABTC).该模型融合了ALBERT预训练模型和TextCNN卷积神经网络,以增强医学文本的嵌入表示和上下文内容的学习,从而提高神经外科诊断的准确性和效率.实验结果显示,该模型对69种神经外科疾病的预测性能Fl值达到了0.776 9(高于所有基线模型).同时,在常见神经外科疾病如创伤性脑损伤诊断预测性能表现良好,F1值＞0.90.提示神经外科门急诊辅助分诊模型对提升临床诊疗决策效率具有一定价值.

关键词：神经系统疾病、计算机辅助分诊、人工智能、深度学习

所属期刊栏目：19

分类号：R197.3;R319(保健组织与事业（卫生事业管理）)

资助基金：国家自然科学基金;中国人民解放军总医院医学工程实验室自主课题

在线出版日期：2024-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：96-101