内镜医学命名实体深层次语义信息挖掘模型

发布时间: 2024-12-19

基本信息

合作方式：委托开发

成果类型：新技术

行业领域：

新一代信息技术,未来显示

成果介绍

1.残差网络：通过引入残差学习，模型能够有效地解决深层网络训练中的梯度消失或爆炸问题，从而训练出更深的网络。深层的网络有助于捕捉更复杂的特征，提高识别的准确性。 2.注意力机制：注意力机制使得模型能够在处理文本时更加关注于与命名实体识别相关的关键信息，忽略不重要的部分，从而提高识别的精确度。 3.处理复杂语义歧义：模型能够通过注意力机制更好地理解上下文信息，对于存在语义歧义的情况，模型能够根据上下文选择正确的实体边界和类型。 4.长距离依赖关系：残差网络的设计允许模型捕捉长距离的依赖关系，这对于理解医疗文本中跨越多个词汇的实体非常重要。

成果亮点

1.模型性能优秀：通过实验验证，这种方法在识别疾病名称、药物名称、症状描述等医疗实体方面表现出色。 2.切合实际应用：这种方法可以应用于医疗记录的自动化处理，如电子病历、医学文献等，有助于提高医疗信息处理的效率和准确性。它还可以支持临床决策支持系统，通过精确识别医疗实体来辅助医生做出更好的诊断和治疗决策。 3.研究意义重大：这种方法的研究和实现对于推动医疗信息化和智慧医疗的发展具有重要意义，特别是在自然语言处理技术在医疗领域的应用方面。

团队介绍

视觉计算创新团队现有固定研究人员17人，合作研究人员11人，其中高级职称10人，博士16人。负责人谢剑斌博士，教授，新加坡国立大学访问学者，中国生物特征识别国家标准组专家，全国安防标委会委员，主持和参加无人系统、反卫、反恐、反谍、反台独、载人航天、平安城市、天网工程、智慧城市等国家重大项目。视觉计算创新团队专注于视觉仿生、视觉机器学习、视觉大数据、生物特征识别等视觉计算理论，面向边境防控、反恐预警、反谍保密和公共安全，研究视觉元数据、海量视频搜索、仿生高清摄像、目标检测跟踪、人体静脉识别、监控人脸识别和异常行为识别等世界前沿难题，为国防要地、政府机关、金融场所等提供特别可靠的身份识别和安全预警方法。视觉计算创新团队主持国家自然科学基金、国家发改委产学研、国家863、国家标准、国防预研、公安部创新计划、经信委创新计划等78项课题，其中国家级9项、部委级28项、横向课题41项。与产业化单位合作，研制成功中国第一套“多模高清视频信号发生仪”、“智能票据鉴别仪”、“静脉身份认证平台”、“无人哨岗”、“无人门禁”、“无人监考”、“无人分拣”、“无人前台”、“戍边卫士”

成果资料