基于双向表示神经网络的中医证候归类模型的构建

目的构建基于双向表示神经网络的中医证候归类模型,将临床记录中的证候归类为与ICD-11中相对应的证候,并为临床医生记录证候提供归类提示。方法首先使用基于RNN的Encoder-Decoder结构和基于RNN与Sigmoid函数结合的Multilabel结构建立对照模型,其后分别使用基于BERT与Sigmoid函数结合的Multilabel结构,以及本研究提出的基于BERT候选项选择结构建立模型。以准确率、精确率、召回率、F1得分对各模型进行评价。并使用提出的多模型决策错误自查法,观察模型的自查误能力。结果基于BERT的候选项选择结构建立的中医证候归类模型在各项指标中的表现最优,均达85%以上。基于多模型决策错误自查法,发现了87.23%错误结果,模型具有错误自查能力。结论构建的中医证候归类模型可将医生撰写的证候归类为与ICD-11和《中医病证分类与代码》中相对应的证候,并具备自查误功能。将模型用于中医证候的归类处理,可为大数据背景下的中医归类诊疗及中医辨证论治规律的挖掘提供有力的工具支持。