An academic processing and support platform focusing on journal databases, submission and review, and pre-typesetting.
胡瑞文 李伟超 朱昔羽 徐硕
Wen Yuan (High School Edition) 2021 No.08
华中科技大学,湖北 武汉 430074
由于患者对大型三甲医院的信赖,普通医院诊疗服务较少等因素,各地大型三甲医院的门诊就诊量在近年来逐年上升,并大多突破一万人\天。当患者在门诊进行就诊时第一个环节便是候诊,通常来说候诊需要患者等待很长的时间,正是如此候诊从一定意义上使患者形成了焦虑、烦躁的情绪,很容易引发护患纠纷,进而导致门诊护理工作的工作量的下降。为了解决此问题,我们使用自然语言处理技术,采用能够对文本进行分类的TextCNN模型。在基于一定量的训练后,该模型能够对于病情描述进行语义分诊,并且达到了0.74的准确率,极大提高了病人就诊效率,缓解了高峰期时医院的压力。
中文医疗对话;语义分类;TextCNN模型;Bi-LSTM模型
Scan to share on WeChat
Scan to read on mobile

Language: 中文
CN:11-9276/G
ISSN:2096-6288
Publication Frequency: 月刊
An academic processing and support platform focusing on journal databases, submission and review, and pre-typesetting.