首页期刊导航|中华医院感染学杂志
期刊信息/Journal information
中华医院感染学杂志
中华医院感染学杂志

半月刊

1005-4529

zhyygrxzz@163.com

010-66939264

100039

北京市复兴路28号

中华医院感染学杂志/Journal Chinese Journal of NosocomiologyCSCD北大核心CSTPCD
查看更多>>本杂志是全国唯一医院感染管理与控制的专业学术期刊。办刊宗旨在于加强医院感染控制，提高全国医院感染管理水平，在全国医院感染管理、消毒灭菌、抗菌药物使用等工作中起导向作用，在业界公认有以下两个特点：一是高学术水平，注重内容的科学性和创新性；二是普及性，指导医院感染管理、监控，提高全国医院感染监控的整体水平。
正式出版
收录年代

    基于自然语言处理和深度学习的急性呼吸道传染病早期识别模型的构建

    张忆汝汤永朱敏谢杏...
    2394-2400页
    查看更多>>摘要：目的 通过深度学习算法构建急性呼吸道传染病早期识别模型,协助开展医疗机构呼吸道传染病早期识别工作.方法 收集2012年1月—2023年3月北京某大型三甲医疗机构急性呼吸道感染性疾病6 683例患者病历文本数据,使用基于自然语言处理(NLP)技术的双向编码器表征(BERT)训练词向量,结合卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)构建早期识别模型BERT_MCB,以受试者工作曲线、准确率、精确率、召回率和F1值等指标作为模型性能判断标准.结果 BERT_MCB模型整体优于随机森林、BERT、BERT_CNN、BERT_RNN四组基线模型,其中准确率提高了 1.20％～15.80％、精确率提高了 1.66％～23.69％、召回率提高了 0.25％～26.75％、F1值提高了 0.66％～27.25％.结论 本研究建立的急性呼吸道传染病早期识别模型可较为准确地识别出急性呼吸道传染病,表明深度学习算法在早期识别急性呼吸道传染病方面具有较好的应用前景.

    急性呼吸道传染病症状监测电子病历深度学习自然语言处理早期识别模型传染病监测预警

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《中华医院感染学杂志》稿约

    前插1-前插2页
      原文链接:
    • NETL
    • NSTL
    • 万方数据