一种改进的医疗文本分类模型:LS-GRU

作者：李强; 李瑶坤; 夏书月; 康雁

来源：东北大学学报(自然科学版), 2020, 41(07): 938-961.

DOI：10.12068/j.issn.1005-3026.2020.07.005

• 深度学习
• 医疗文本分类
• GRU
• 慢阻肺
• LSTM

为了帮助低年资医生阅读胸部CT影像,并更加精确高效地为临床医生反馈影像报告结果,提出一种改进GRU深度学习框架LS-GRU,用来解决影像报告文本分类问题,即可以根据影像科医生描述,自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1 168例,选择了两种描述相近的疾病(肺气肿和肺炎)进行分类,其中肺气肿患者报告大约652例,肺炎约516例.分别验证GRU、BiGRU及LSTM等模型,实验结果表明,LS-GRU模型分类更精确,且具有较高的鲁棒性.

• 单位
  沈阳医学院附属中心医院; 中国石油天然气管道工程有限公司; 东北大学; 深圳技术大学