声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：郑值,徐童,秦川,廖祥文,郑毅,刘同柱,童贵显,
关键词：情境感知, 药品推荐, 主题模型, 多标签学习, 推荐系统,
电子医疗记录的快速积累与数据分析技术的日益成熟，为实现包含智能诊断与药品推荐等功能的智慧医疗服务奠定了基础.然而，电子病历的精简性与患者症状描述的模糊性，导致诊断模型容易受到高发疾病与常见症状的干扰，从而无法支撑细粒度的诊断与处方，在药品推荐上缺乏针对性.与此同时，病情描述以外的许多情境信息，如患者的性别、年龄等个人信息，诊疗过程、检查结果等记录信息，以及所在地的天气、温差等外部信息等，也对于细化对于患者的诊断和处方有着重要的辅助作用.然而，这些多源异构信息往往难以被现有技术所有效提取与整合，从而限制了病情诊断与药品推荐的有效性.针对这一问题，提出了一种基于多源情境协同感知的药品推荐方法，在有效整合多源异构情境信息的基础上，为实现病情诊断与药品推荐提供了具有可解释性的依据.具体而言，首先使用词袋模型对病历和相应的情境数据进行处理，然后设计了一种基于LDA模型的情境主题模型Medicine-LDA，在融合患者病情描述与相应情境信息的同时，有效缓解了情境信息组合爆炸的问题.基于某大型三甲医院的电子病历数据集上的对比实验证明了该方法的有效性与鲁棒性.
来源：2020年第8期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。