杨荣
- 作品数：3 被引量：17H指数：3
- 供职机构：中南大学湘雅医院更多>>
- 发文基金：国家社会科学基金湖南省哲学社会科学基金更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 基于误差反向传播神经网络的胃癌细胞识别研究被引量：5
- 2007年
- 目的探讨误差反向传播(backpro pagation,BP)神经网络在胃癌细胞识别中的应用价值。方法在308例胃切除病例的胃组织切片中选取510个胃细胞,其中腺癌细胞210个,非癌性细胞300个,测量细胞的10个形态学特征。将所得到的数据随机分成A组(训练组)和B组(测试组)。建立三层BP神经网络,并利用A组数据对神经网络进行训练,再利用A、B两组数据对网络模型进行检验测试。结果BP神经网络对A组细胞识别的灵敏度为99%,特异度为99%,阳性预测值为98%,阴性预测值为99%,识别正确率为98%;对B组细胞识别的灵敏度为99%,特异度为97%,阳性预测值为96%,阴性预测值为99%,识别正确率为98%。ROC曲线下面积为0.99。结论本研究结果显示,BP神经网络用于胃癌细胞识别非常有效,可用于胃癌细胞的自动识别。
- 陈先来肖晓旦杨荣刘建平
- 关键词：胃肿瘤细胞识别
- 面向临床决策的电子病历文本潜在语义分析被引量：6
- 2016年
- 【目的】通过对电子病历中重要文本进行语义分析,提取辅助临床治疗方案选择的决策知识,实现电子病历的临床决策支持功能。【方法】使用词典和统计相结合的分词算法,对训练样本中出院记录文本进行分词处理,从中提取临床术语及治疗方案,并对其进行潜在语义分析,找出临床术语与治疗方案之间的潜在语义联系,建立胃癌治疗方案辅助选择的潜在语义模型。【结果】利用测试样本对语义模型进行测试,在三维语义空间内,发现1 000份测试样本中有605份可以从临床症状的描述准确地推算出其所对应的治疗方案,正确率为60.5%。【局限】仅以出院记录文本为研究对象,没有对其他病历文本进行分词处理。【结论】潜在语义分析方法能够有效地处理临床文本,辅助医生的临床决策,对于电子病历的开发应用具有重要意义。
- 李国垒陈先来夏冬杨荣
- 关键词：电子病历潜在语义分析胃癌临床决策支持治疗方案选择
- 中文病历文本分词方法研究被引量：7
- 2016年
- 探索适合医学文本的分词方法,为医学数据挖掘和临床决策支持的语义分析奠定基础。分别使用单纯中科院ICTCLAS分词、ICTCLAS+自定义词典、ICTCLAS+统计分词和ICTCLAS+自定义词典结合互信息统计分词4种策略,对1 500份出院记录中的病历文本进行分词处理,并从准确率、召回率和综合指标值等3个方面对分词结果进行评价。以人工分词的50份出院记录结果为标准依据,4种分词策略的综合指标值分别为45.77%、58.76%、64.93%和78.06%。结果证实,自定义词典结合基于互信息的统计分词方法,能够有效地对病历中出院记录文本进行分词处理,可以满足临床数据分析的需求,具有良好的推广意义。
- 李国垒陈先来夏冬杨荣
- 关键词：中文分词统计分词出院记录
