换一批基于文本卷积神经网络与双向长短期记忆网络的呼吸系统疾病预测与诊断模型
Prediction and Diagnosis Model for Respiratory Diseases Based on Text Convolutional Neural Networks and Bidirectional Long Short-Term Memory Network
摘要呼吸系统疾病种类繁多,且常见症状具有明显的同质性,因此开发呼吸疾病诊断模型,对呼吸疾病的诊治有重要意义.本研究着重关注慢性阻塞性肺疾病、支气管扩张症、肺栓塞和肺结核这四种呼吸系统疾病.研究提出了一个基于文本卷积神经网络(TextCNN)和双向长短期记忆网络(Bi-LSTM)的分类模型,用于上述疾病的诊断和预测.该方法以喀什地区第一人民医院呼吸疾病大数据平台收集到的主诉、现病史和影像学描述作为输入,首先利用"Jieba"分词模块和BERT模型对输入文本进行预处理和向量化处理,然后通过TextCNN学习文本的关键特征,紧接着通过Bi-LSTM获取特征间的依赖关系与上下文联系,最后通过softmax函数实现四种呼吸疾病的分类.研究结果表明,与传统机器学习方法和深度学习方法相比,本研究所提出的模型在预测和诊断呼吸系统疾病方面具有更高的性能,其F1 值达到了 0.88.
更多相关知识
关键词
呼吸系统疾病文本卷积神经网络双向长短期记忆网络Respiratory diseasesText convolutional neural networksBidirectional long short-term memory networks
分类号
R56（呼吸系及胸部疾病）
栏目名称
DOI
10.3969/j.issn.1006-1959.2026.11.007
发布时间
2026-07-02（万方平台首次上网日期，不代表论文的发表时间）
- 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
