目的:分析和归纳我国不同类型高校健康服务与管理专业本科生培养目标的定位及其差异。方法:2020年6月至10月，采用文献研究法和词频分析法对67所高校健康服务与管理专业本科生的培养目标进行分析。采用中文词频分析软件ROST-CM6对其健康服务与管理专业培养目标进行分词和高频词提取，从专业素养、知识要求、能力要求、工作方向、人才类型5个维度进行词频分析，归纳目前该专业差异性定位和存在的问题。结果:"管理"在各维度关键词频的总频次中占比最高，为24.3%(67/276)，其次是"应用型"[15.2%(42/276)]和"创新"[10.5%(29/276)]。同时，关键词频在不同高校的分布情况显示，"管理"在67所高校出现的频率为100.0%(67/67)，"应用型"和"医学"出现频率分别为62.7%(42/67)和35.8%(24/67)。知识要求维度中的关键词"管理"在不同院校类型之间的分布完全一致，在医药类、理工类、综合类和其他类院校培养目标中"医学"出现的次数分别为12次、8次、2次和2次，其在不同院校类型之间分布差异具有统计学意义( P<0.05)。 结论:相关高校健康服务与管理专业本科生培养目标均着重应用型人才培养，突出创新精神和能力培养，具有一定的科学性和合理性。目前存在的较为突出的问题是，专业培养目标定位不够明确，核心竞争优势不够突出。

目的:分析国家针对青少年艾滋病防治投放的核心知识宣传信息与“百度知道”文本挖掘词频差异。方法:采用网络数据采集方法（即数据爬虫），采集并整理截至2018年6月11日“百度知道”上在线查询者关于艾滋病提问的相关信息；国家针对青少年艾滋病投放的核心宣传信息（简称核心知识宣传信息）由《大众人群艾滋病知识知晓率问卷》和《青年学生人群艾滋病知识知晓率问卷》，及14条针对青年学生艾滋病防治宣传教育核心知识构成。根据官方分类将所有数据分为预防，检测和治疗，危险性认识、症状和传播，法律法规、歧视与政策4类。利用中文文本分词、词频统计、对比分析和词频可视化呈现等文本挖掘方法比较去除无用词后以上两方面信息的差异。结果:“百度知道”信息中，预防，检测和治疗，危险性认识、症状和传播，法律法规、歧视与政策类词频数量分别为18 942、43 140、73 437和33 859个；核心知识宣传信息中，4类词频数量分别为371、241、208和136个。核心知识宣传信息的语义相关词词频中，占总词频比例最高的为预防类（32.3%，162个），最低的为法律法规类（14.1%，71个）；“百度知道”信息的语义相关词词频中，最高的为检测与治疗类（51.7%，51 264个），最低的为预防类（11.4%，11 272个）。两方面信息完全重复词占核心知识宣传信息词频比例为59.3%~63.9%；完全重复词占“百度知道”信息4类词频比例相对较低，预防类、检测与治疗类均大于45%，症状和传播类为34.3%（14 781个），法律法规类最低，仅为17.0%（5 744个）。结论:对比官方投放和“百度知道”，法律法规类和预防类词频对比差异较大，建议在核心知识宣传中结合青少年需求和兴趣增补和改进相关内容。

研究旨在探讨人工智能电子病历质控系统质量控制指标的构建,着重研究指标的筛选和自然语言结构化处理等.在基于各级主管部门颁布的政策文件、标准规范形成质控指标的初步构建基础上,将这些粗略且多样性的质控指标进行处理,形成更加客观的质量控制指标,包括定量维度和定性维度指标.在此基础上通过对电子病历中的诊断和医嘱等关键信息进行数据清洗、量化归类和自然语言结构化处理,实现病案质控指标的自动分析、错误检测和质量评估.最后通过建立中文病案分词引擎,提升病案的分词效果.基于该策略下构建人工智能的电子病历质量控制系统,能较为准确有效识别电子病历中的潜在质量问题,在病案质控工作中能起到显著的辅助效果.为基于人工智能电子病历质量控制产品的设计提供参考.

目的:利用文本挖掘技术发现鼻炎及其并发症的中西药和非药物治疗规律.方法:以中国知网文献和医患互动论坛上的鼻炎相关问答帖为数据源,利用中文文本分词、数据清洗、词频统计、相关分析等方法发现鼻炎及其并发症的治疗规律.结果:鼻炎的治疗方式分为西药、中药、中成药和非药物治疗,其中苍耳子经常被用做鼻炎偏方,玉屏风颗粒或散剂是治疗鼻炎的重要中成药,针灸是非药物治疗的主要方法,针刺、按摩也是不容忽视的非药物治疗方式,免疫疗法和脱敏疗法比较受推崇,生理盐水、减充血剂经常用于辅助治疗,目前医界提倡中西医结合疗法.鼻炎并发症发病较高的依次是鼻窦炎、气管炎、咽炎、中耳炎、肺炎,其症状和用药都有不同.结论:本文发现的中西药及非药物治疗鼻炎及其并发症的用药规律,可以为临床选药和基础研究提供参考,同时也验证了医学研究网络数据源的可用性和文本挖掘方法应用的可行性.

目的:利用自然语言处理技术,对病历文本中的医学知识进行挖掘,提高临床科研的效率和质量.方法:设计和构建了病历智能分析系统,利用中文分词、命名实体识别和语义关联抽取等技术对病历文本进行信息抽取.结果:对病历文本进行了智能分析,实现了结构化处理,为医生开展临床科研提供了便利.结论:利用自然语言处理技术对病历进行智能分析,将在医疗大数据的分析和挖掘中发挥重要作用.

目的 分析体检报告血脂四项检验项目及结果临床描述常用的中文词条,尝试建立与中文规范术语及与LOINC、SNOMED CT英文术语集的映射关系.方法 以在8家医院进行健康体检的11953名员工体检报告的"血脂四项检验结论"为研究对象,利用R语言文本挖掘tm包及中文分词Rwordseg包,将每一份体检报告的"血脂四项检验结论"的临床描述文档转化为词条矩阵.血脂四项的检验项目名称与LOINC建立映射关系,异常结果中文描述词条与全国科学技术名词审定委员会建议的规范医学名词、《诊断学》、ICD-10的中文规范术语建立映射关系,与SNOMEDCT英文描述建立映射关系.结果 ①中文分词词库包含39个词条,其中17个词条为规范术语,占43.6％;②血脂四项检验项目名称可与LOINC代码完全映射;③17个规范术语有15个可以与SNOMED CT术语集建立映射关系.结论 ①体检医院的"血脂四项检验结论"临床描述术语还需要进一步规范;②血脂四项的检验项目名称可通过《居民健康档案医学检验项目常用代码》与LOINC术语集建立映射关系;③检验结果的临床描述与SNOMED CT术语映射可建立"多对一"的映射关系.

目的 探索利用点阵(lattice)长短期记忆(long short term mermory network,LSTM)神经网络构建命名实体识别(named entity recognition,NER)模型解决中文医学文本的信息提取问题.方法 利用Lattice LSTM来表征句子中的词汇词(lexicon word),从而将潜在词信息整合到基于字符的长短期记忆网络—条件随机场(long short term memory-conditional random field,LSTM-CRF)模型中.进一步使用一个大型自动获取的词典来匹配句子,进而构建基于词的Lattice.利用Lattice LSTM结构自动控制从句子开头至结尾的信息流.结果 门控单元可用于将来自不同路径的信息动态传送到每个字符.在NER数据基础上进行训练后,Lattice LSTM能够学会从语境中自动找到更有用的词汇,以取得更好的NER性能.结论 与基于字符和词的NER方法相比,本文所提出的模型优势在于利用显性词汇信息而不是字符序列进行标注,同时较少出现分词误差.

目的:现有医学知识浩瀚如烟,知识图谱是知识展示比较有效的方法.方法:利用自然语言处理技术,对妇产科教材中的医学知识进行抽取和表示,将妇产科知识存储成结构化的知识图谱,方便专业医学人士查询,也方便对大众进行科普.使用中文分词、命名实体识别、实体分类、关系抽取等技术对教科书文本进行信息抽取.结果:将妇产科教材中的知识转变为知识图谱结构.为后期智能医疗等医疗服务提供了理论基础.结论:以教材为来源,构建领域知识图谱很迅速,能够可视化展示医学信息,让人们快速有效了解医学常识.

目的 提出一种基于Re-entity新分词方法 的条件随机场(CRF)模型,并与双向长短记忆神经网络(BiLSTM)-CRF和Lattice-长短记忆神经网络(LSTM)进行比较.方法比较了现有实体识别方法和模型后,针对2018年全国知识图谱与语义计算大会(CCKS2018)任务一"电子病历命名实体识别",提出基于Re-entity的CRF、BiLSTM-CRF、Lattice-LSTM方法,并在不同语料库训练不同参数级别的字符向量集.分别将各方法引入神经网络模型中进行模型性能对比实验,最后分别基于句子级和篇级输入句长进行对比研究.结果 CRF模型在最优特征工程的结果下引入Re-entity方法后性能得到提高,句子级的Lattice-LSTM模型在该任务上取得了89.75％ 的严格F1-measure,优于CCKS2018任务一的最高结果(89.25％).结论 基于Re-entity新分词方法的CRF模型可利用中文临床药物知识库有效提高电子病历中药物的识别率,Re-entity方法可改善数据预处理阶段分词导致的错误累加,Lattice结构可以更好地结合字符和词序列的潜在语义信息,同时句子级输入能有效提高神经网络模型的识别准确率.

目的 构建中药方剂数据挖掘系统,直观反映方剂属性及方剂之间的相似度,为方剂研究及应用提供参考.方法 应用爬虫框架和手工录入方式获取一定数量的经典方剂,采用中文分词工具和手工整理方式对方剂信息进行名称、功能、来源、中药组成、剂量、剂量单位、炮制方法 、忌宜、主治等属性拆分,构造语料词库,Python3.5环境下采用TF-IDF算法计算方剂间相似度并进行功能主治验证,采用d3.js进行可视化展示.结果 经过分词和手工整理得到不同类型方剂7710首,包含药物8957味,构建的中药方剂数据挖掘系统实现了相似度和方剂构成等信息可视化展示.同时,相似度高的方剂在功能主治方面具相似性.结论 本研究构建的中药方剂数据挖掘系统可直观展示方剂信息、方剂与药物间的关联关系及方剂之间的相似度.