中文医学术语集在真实世界临床研究中的应用

目的:通过分析国内外医学术语集的应用进展,拓展中文临床术语集在中文电子病历环境下的科研应用场景及范围。方法:检索四川大学数字图书馆出版物,通过文献回顾进行分析归纳。结果:中文医学术语集对电子病历概念识别和数据挖掘具有重要作用,有助于语义互操作。基于语义网及语义知识库,可以更深入地进行多种风险预测模型、语义相似度计算和推理性决策支持系统的研究。结论:中文医学术语集是基础性的信息化标准,可支撑多种临床智慧应用构建,建议纳入医学教育。

融合标签知识的中文医学命名实体识别

医学领域命名实体识别是信息抽取任务重要的研究内容之一,其训练数据主要来源于临床实验数据、健康档案、电子病历等非结构化文本,然而标注这些数据需要专业人员耗费大量人力、物力和时间资源。在缺乏大规模医学训练数据的情况下,医学领域命名实体识别模型很容易出现识别错误的情况。为解决这一难题,文中提出了一种融合标签知识的中文医学命名实体识别方法,即通过专业领域词典获得文本标签的释义后,分别将文本、标签及标签释义编码,基于自适应融合机制进行融合,有效平衡特征提取模块和语义增强模块的信息流,从而提高模型性能。其核心思想在于医学实体标签是通过总结归纳大量医学数据得到的,而标签释义是对标签进行科学解释和说明的结果,模型融入这些蕴含了丰富的医学领域内的先验知识,可以使其更准确地理解实体在医学领域中的语义并提升其识别效果。实验结果表明,该方法在中文医学实体抽取数据集(CMeEE-V2)3个基线模型上分别取得了0.71%,0.53%和1.17%的提升,并且为小样本场景下的实体识别提供了一个有效的解决方案。

位置标签增强的中文医学命名实体级联识别

针对一般领域的命名实体识别方法不能直接用于中文医学专业实体的识别,现有的相关研究只专注于英文文本和扁平结构的医学实体识别等问题,通过对专业领域实体识别方法的研究,结合中文医学实体的特点提出了一种面向中文医学实体的级联识别方法。将每个字符元素相对于实体的位置标签嵌入模型,并结合中文医学实体跨度内不同元素的重要程度进行实体的融合表示。通过序列标注方法检测字符的位置标签,利用字符的位置信息指导候选实体生成,并进行实体语义分类。模型在CMeEE和CCKS2018数据集以及中文糖尿病科研文献数据集上分别进行扁平实体、嵌套实体和不连续性长实体的识别实验。实验结果表明,该方法能够有效地识别中文医学文本中不同结构的实体。

基于自注意力机制与词汇增强的中文医学命名实体识别

针对中文医学文本实体嵌套导致的单词边界识别困难问题以及现有栅格结构集成词汇特征所面临的语义信息损失严重的情况,提出一种用于中文医学命名实体识别(MNER)的自适应词汇信息增强模型。首先,利用双向长短期记忆(BiLSTM)网络编码字符序列的上下文信息并捕捉较长距离的依赖关系;然后,对字符序列中每个字符的潜在单词信息进行字词对建模,采用自注意力机制实现不同单词之间的内部交互;最后,通过基于双线性注意力机制的词汇适配器将词汇信息集成到文本序列中的每个字符中,有效增强语义信息的同时充分利用单词丰富的边界信息,并抑制相关性低的单词。实验结果表明,所提模型与基于字符的基线模型相比,平均F1值分别提升了1.37~2.38个百分点,并在结合BERT后取得了最优的效果。

融合机器阅读理解的中文医学命名实体识别方法

医学命名实体识别是自动构建大规模医学知识库的关键,但医学文本中存在实体嵌套现象,采用序列标注的方法不能识别出嵌套中的实体。文中提出了基于阅读理解框架的中文医学命名实体识别方法,该方法将嵌套命名实体识别问题建模为机器阅读理解问题,使用BERT建立阅读理解问题和医学文本之间的联系,并引入多头注意力机制强化问题和嵌套实体之间的语义联系,最后用两个分类器对实体开头和结尾位置进行预测。与目前5种主流方法相比,该方法取得了最优结果,综合F1值达到了67.65%;与经典的实体识别模型BiLSTM-CRF相比,F1值提升了7.17%,其中嵌套较多的临床表现实体提升16.81%。

基于多特征嵌入的中文医学命名实体识别

针对基于字符表示的中文医学命名实体识别模型嵌入信息单一、缺失词边界和结构信息的问题,文中提出了一种融合多特征嵌入的医学命名实体识别模型。首先,将字符映射为固定长度的嵌入表示;其次,引入外部资源构建词汇特征,该特征能够补充字符的潜在词组信息;然后,根据中文的象形文字特点和文本序列特点,分别引入字符结构特征和序列结构特征,使用卷积神经网络对两种结构特征进行编码,得到radical-level词嵌入和sentence-level词嵌入;最后,将得到的多种特征嵌入进行拼接,输入长短期记忆网络编码,并使用条件随机场输出实体预测结果。将自建中文医疗数据和CHIP_2020任务提供的医疗数据作为数据集进行实验,实验结果表明,与基准模型相比,所提模型同时融合了词汇特征和文本结构特征,能够有效识别医学命名实体。

文本挖掘在中文医学疾病关系抽取中的应用

随着新型冠状病毒在全球的爆发,人们越来越重视生命健康与用药安全。近些年,生物医学科研领域呈现快速发展趋势,形成了庞大的文本数据资源。本文聚焦于中文医学文本数据,提出了Bert-wwm编码与Casrel标注器解码相结合的抽取模型,并与原模型进行了实验对比。结果表明,基于该模型的F1值为63.3%,与基础模型相比有了进一步的提升。

中文医学学术期刊发表英文文章的实践与思考

中文医学学术期刊发表英文文章的现象较为普遍。通过对发表在《吉林大学学报(医学版)》上的112篇英文文章的发表时间、栏目、作者分布及被引用情况和其他3种较权威医学学术期刊发表的英文文章的数量及被引用情况进行分析,发现中文期刊发表的英文文章虽然具有较高的学术价值,但被国内期刊引用率明显低于同期发表的中文文章,SCI-E检索显示被引频次为0,认为中文医学学术期刊发表英文文章并没有起到扩大传播范围、促进期刊国际化的作用,而且浪费宝贵的信息资源。建议中文医学学术期刊不宜刊发英文文章,在国内应首选英文版期刊发表英文文章。

Lattice LSTM神经网络法中文医学文本命名实体识别模型研究

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(lexiconword),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?eld,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,LatticeLSTM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。

中文医学主题词表检索系统

在简要介绍“中文医学主题词表检索系统”开发研制的基础上 ,重点讨论了该系统的功能和特点 ,描述了数据结构及内容 ,并提出了进一步发展和改进的建议。

PubMed多语种摘要在中文医学科技期刊中的应用

为了提高中文医学科技期刊的国际影响力,更好地为广大读者提供日益完善的高质量服务,以《中国肺癌杂志》为例介绍了在Pub Med检索系统使用中文摘要的主要技术方法。分析了此项工作对中文医学科技期刊在扩大期刊影响力、提高为读者服务质量等方面的积极意义。通过向Pub Med提交中文摘要,期刊的DOI解析量、Pub Med Link Out全文点击量、期刊全文下载量等均有稳步增长。中文医学科技期刊可以充分利用Pub Med国际权威检索系统提供的平台与技术优势,更好地向世界展示我国的学术发展水平。

大学中文医学图书复本的控制

图书复本控制是转型时期图书馆亟待解决的问题，如何科学合理的达到既控制复本，又较好适应读者的借阅需求，对于图书馆节约办馆。提高效益有重要意义。一个管理效率高的图书馆能够达到节约资金与优质服务的结合。因此，立足于提高管理效率，研究大学医学图书复本的控制。

中文医学期刊投稿论文的主要问题和审改策略

综观中文科技期刊编辑部接收的稿件和审稿专家反馈意见，近几年的科研论文质量大不如前，逐年下降成为一个普遍现象，其中质量低劣者为数不少。现在能被国家科技论文统计源期刊刊用的稿件所占投稿比例较低，有的期刊的投稿刊用率不到15%；本刊--《微循环学杂志》以往每期会有几篇不用退修，由编辑部进行格式规范即予发表的论文，现在成了凤毛麟角，非常稀罕。这确实不是期刊编辑部挑花了眼睛，也不是审稿人稿子看多了，眼睛看刁了。可能有很多原因造成了这种现状，但最根本的原因是作者科研素质较差，写作训练不够。对于作者来说，既然有了发表论文的动机和目的，就应该安安静静、认认真真、踏踏实实地把相关理论功课做到位，把研究工作做扎实，把论文写好，切莫“心浮气躁”、“急功近利”、“临时抱佛脚”，甚至“投机取巧”，否则，白费动机，也达不到目的。

主要中文医学检索工具的比较

检索国内医学文献,除各种专科性检索工具外,《中文科技资料目录,医药卫生》(以下简称《中目》)、《全国报刊索引》和CBMDisc(《中文生物医学文献光盘数据库》的简称)是国内最大型、也是最受欢迎和最常用的检索工具。研究它们彼此间的差别,了解它们各自的特点,无疑对利用它们进行有效检索具有重要意义。

中文医学主题词表(机读版)在文献标引中的应用

为适应目前中国医学图书资料主题标引和分类标引的需要,中国医学科学院医学信息研究所研制出了中文医学主题词表检索系统(CBMMESH),这个系统收录了该所编制的《医学主题词表(英汉对照)》(1995年版)、中国中医研究院图书情报研究所出版的《中医药主题词表》(1987年版),是目前国内最新、最现代化的标引工具。我们在编制1977年《中国医学文摘计划生育、妇产科学》的主题索引工作中,应用该系统对文献进行标引,不但大大地缩减了标引人员的工作量,而且提高了标引质量,收到了很好的效果。现将应用该系统的体会介绍如下。

网络中文医学文献检索途径与方法

随着信息技术和网络技术的飞速发展，查找文献信息的工具和方法发生了巨大变化，获取文献信息的手段日益方便和简化。但面对浩瀚的网络信息，要迅速全面地获取有用信息，就必须掌握文献信息检索技术和方法。在信息时代，具备独立获取与利用信息的能力，是提高教师信息素养的必然要求，也是教师教学科研工作必备的基本功。