医学CT报告文本结构化处理研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究的背景及意义 | 第12-14页 |
| 1.2 国内外发展现状和动态 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 研究难点与解决方案 | 第17-18页 |
| 1.5 研究总体框架设计 | 第18-21页 |
| 1.5.1 文本预处理模块 | 第19-20页 |
| 1.5.2 构建自定义医学词典模块 | 第20-21页 |
| 1.5.3 数据结构化转换模块 | 第21页 |
| 1.6 论文组织结构 | 第21-23页 |
| 第2章 相关理论及技术基础 | 第23-31页 |
| 2.1 文本相似度计算 | 第23-27页 |
| 2.1.1 词向量 | 第23页 |
| 2.1.2 Word2vec算法 | 第23-25页 |
| 2.1.3 Doc2vec算法 | 第25-26页 |
| 2.1.4 相似度计算方法 | 第26-27页 |
| 2.2 文本聚类分析算法 | 第27-28页 |
| 2.3 中文分词方法 | 第28-30页 |
| 2.3.1 中文分词工具 | 第28-29页 |
| 2.3.2 基于词典的分词算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 数据预处理与构建自定义医学词典 | 第31-49页 |
| 3.1 CT报告文本数据结构特点 | 第31-33页 |
| 3.2 CT报告文本数据预处理 | 第33-36页 |
| 3.2.1 子句的切分 | 第34-35页 |
| 3.2.2 特殊词汇标记 | 第35-36页 |
| 3.3 构建文本预处理医学词库 | 第36-37页 |
| 3.3.1 外部词库整合导入 | 第36-37页 |
| 3.3.2 规范子句的关键信息抽取 | 第37页 |
| 3.4 CT报告文本聚类分析 | 第37-39页 |
| 3.4.1 相似度计算 | 第37-38页 |
| 3.4.2 文本聚类分析 | 第38-39页 |
| 3.5 关键信息提取 | 第39-48页 |
| 3.5.1 算法描述 | 第39-44页 |
| 3.5.2 算法实现 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 医学CT报告文本的结构化转换算法 | 第49-57页 |
| 4.1 CT报告文本结构化转换预处理 | 第49-52页 |
| 4.1.1 否定含义检测 | 第49-51页 |
| 4.1.2 冗余词汇过滤 | 第51-52页 |
| 4.2 CT报告文本结构化转换算法 | 第52-56页 |
| 4.2.1 算法主要处理流程及描述 | 第52-54页 |
| 4.2.2 算法实现 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 系统设计实现与实验分析 | 第57-63页 |
| 5.1 系统的设计与实现 | 第57-59页 |
| 5.1.1 CT报告文本预处理模块 | 第57-58页 |
| 5.1.2 构建自定义医学词典模块 | 第58页 |
| 5.1.3 CT报告文本结构化转换 | 第58-59页 |
| 5.2 实验分析 | 第59-62页 |
| 5.2.1 实验参数的确定 | 第59-61页 |
| 5.2.2 自定义医学词典性能评估 | 第61页 |
| 5.2.3 结构化处理算法实验对比分析 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间主要完成的成果 | 第69页 |
