病理文本数据的结构化处理系统研究与实现
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文的组织框架 | 第16-18页 |
| 第二章 相关技术研究与分析 | 第18-26页 |
| 2.1 中文分词 | 第18-19页 |
| 2.2 隐含狄利克雷主题模型 | 第19-21页 |
| 2.3 TF-IDF 算法 | 第21-22页 |
| 2.4 Hadoop | 第22-25页 |
| 2.4.1 HDFS | 第23-24页 |
| 2.4.2 MapReduce 框架 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 系统整体架构设计 | 第26-38页 |
| 3.1 病理文本数据 | 第26-28页 |
| 3.1.1 病理文本数据结构 | 第26-27页 |
| 3.1.2 概念层次结构 | 第27-28页 |
| 3.2 病理文本数据的结构化处理过程 | 第28-30页 |
| 3.2.1 病理报告的预处理 | 第28-29页 |
| 3.2.2 标本描述模板的提取 | 第29页 |
| 3.2.3 病理报告的即时结构化处理 | 第29-30页 |
| 3.2.4 处理过程中的难点 | 第30页 |
| 3.3 系统架构 | 第30-35页 |
| 3.3.1 总体架构设计 | 第30-31页 |
| 3.3.2 病理文本的预处理模块 | 第31-32页 |
| 3.3.3 病理标本模板提取模块 | 第32-33页 |
| 3.3.4 病理文本即时结构化模块 | 第33-35页 |
| 3.4 病理文本的即时结构化处理 | 第35-37页 |
| 3.4.1 基于模板的病理文本结构化算法 | 第35-36页 |
| 3.4.2 标本模板的反馈算法 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于 LDA 模型的模板提取算法 | 第38-51页 |
| 4.1 病理文本的预处理 | 第38-40页 |
| 4.1.1 标本的区分和归类 | 第39-40页 |
| 4.1.2 标本名称的提取 | 第40页 |
| 4.2 模板提取算法 | 第40-46页 |
| 4.2.1 算法过程描述 | 第41-42页 |
| 4.2.2 算法的实现 | 第42-46页 |
| 4.3 标本描述模板的分布式提取 | 第46-49页 |
| 4.3.1 分布式下的病理文本预处理 | 第46-48页 |
| 4.3.2 并行化提取病理标本模板 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 系统实现与效果测评 | 第51-66页 |
| 5.1 病理模板提取模块的实现 | 第51-59页 |
| 5.1.1 Hadoop 平台配置 | 第51-54页 |
| 5.1.2 分布式模板提取算法的实现 | 第54-57页 |
| 5.1.3 实验结果与分析 | 第57-59页 |
| 5.2 病理文本的即时结构化模块实现 | 第59-61页 |
| 5.2.1 算法实现 | 第59-60页 |
| 5.2.2 病理文本即时结构化效果展示 | 第60-61页 |
| 5.3 系统测评 | 第61-65页 |
| 5.3.1 召回率、准确率和 F 值 | 第61-62页 |
| 5.3.2 算法阈值的优化 | 第62-64页 |
| 5.3.3 测评结果分析 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间的研究成果目录 | 第71页 |
