电子病历的关键信息抽取,属于序列标注问题;其主要任务是对电子病历中的医学专业术语(比如部位、疾病、症状、检查、治疗等)提取出来,在自然语言处理中,它是很多复杂任务中的一个基本任务,具有重要的意义;当前普遍做法是利用基于规则的方法和基于传统机器学习算法来提取,这两类方法,鲁棒性和泛化能力都难以满足临床多场景的应用,本文提出一种基于BiLSTM(Long Short-Term Memory,双向循环神经网络)和CRF(Conditional Random Field,条件随机场)的算法,经实验证明,本方法可以有效提取病历中的关键信息,满足临床的需要.
NETL
NSTL
万方数据
