基于深度学习的急性白血病流式细胞术检测报告文本资料自动分类研究
Automatic Classification of Text Data for Flow Cytometry Detection of Acute Leukemia Based on Deep Learning
摘要目的 探索深度学习模型在流式细胞检测报告结果部分文本资料上的分类效果.方法 使用CNN、LSTM等六种深度学习模型对流式检测报告的结果部分的文字资料进行分析,并对急性白血病患者进行分类预测,最后通过综合指标F1 值对模型进行评价.结果 CNN-BiLSTM混合模型的精确率、召回率、F1 值最优,分别为 0.7422、0.7365、0.7361;模型在正常人、急性髓系白血病、急性B淋巴细胞白血病、有核红细胞异常、中性粒细胞异常、浆细胞异常、单核细胞异常这 7 类的F1 值均达到了70%.结论 混合模型对流式细胞术检测报告结果部分的文本资料的分类效果较好,可与前期研究联合共同构建了一个更为完整的流式细胞术自动化分析体系,进一步提高流式细胞术分析的效率和准确性.
更多相关知识
- 浏览1
- 被引0
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文