47521字硕士毕业论文基于分析知识的医学状态检索
论文类型：硕士毕业论文
论文字数：47521字
论点：检索,病案,医学
论文概述：
介绍了一种只对查询做扩展的实验方案，即基于短语检索模型的查询扩展方式。这种查询扩展方式首先需要从查询文本中抽取出短语来
论文正文：
第一章导言
1.1研究背景和意义
随着数字技术在医疗领域的应用以及PACS和HIS系统的广泛使用，医院和医疗中心每天都会产生和处理大量的医疗数据，如电子病历、各种模式的医学图像(如x光、电脑断层扫描、核磁共振成像等)。)和检查报告。这些医学数据的数量也在迅速增加，并呈现加速趋势。如果能够从这些海量的异构医学数据中检索到用户所需的信息，就具有很大的研究价值和应用前景。在计算机辅助医疗诊断的应用中，可以通过向医生提供与当前患者情况相似的病历信息(如确诊结果、治疗方法和预后等)来辅助诊断和治疗。)。例如，有一个25岁女性患者的病历，她抱怨疲劳和吞咽困难。胸片显示有一个不透明的区域，边界清晰，与心脏的右边界接触。右肺门的结构清晰可见。侧位x光片证实前纵隔有肿块。CT图像显示肿块组织密度均匀。如果可以从医疗数据库中检索到与病历类似的其他病历信息，这将有助于医生进行快速诊断，并为制定治疗计划提供帮助。相关研究还证实，通过搜索和分析类似的病历，可以提高诊断的准确性。病历通常包括患者的个人信息、症状、检查结果(图像、数据和描述)等信息，因此病历检索被认为是最接近临床工作流程的检索模式。它不仅可用于辅助诊断，还可用于教学和科研工作。人们可以通过这项技术找到有趣的病历，并比较和诊断不同的相似病历。
1.2国内外研究现状
1.2.1病案检索的特殊性
病历通常包含病历、医学图像、诊断报告、治疗记录等信息，因此病历的检索既涉及文本信息又涉及图像信息，从而使得病历的检索有其自身的特殊性:一是存在词汇差距。由于在医学领域使用了大量高度专业化的语言，它包括许多非常长的专业化多词短语、词形转换和大量缩写。在病历中，同一医学概念通常有许多不同的关键词变体。因此，很难将查询中的关键字与文档中概念相同但语素不同的变体准确匹配。这个问题叫做词汇差距。词汇空缺的出现大大增加了检索的难度，这一直是基于关键词匹配检索的瓶颈，利用医学知识可以在一定程度上解决这个问题。第二，一般查询太长。基于病历的查询条件通常包含大量相关信息，如患者的病历背景、检查结果和疾病症状描述。在如此长的查询条件下，许多查询关键字无法有效区分相关病历。此外，与基于文本的医学图像检索相比，病历中的信息量要大得多。同时，同一病历的不同部分对文档本身具有不同程度的重要性，因此标准检索中TFI/DF方法加权查询关键词在病历检索中的性能有限。在此基础上，Sondhi等人提出根据关键词的语义类别进行新的加权。例如，属于特定医学领域类别的关键词将被赋予相对较高的IDF(倒文档频率)权重。此外，不同的词项权重可以分配给不同的文本域。
第二章信息检索的基本理论
2.1信息检索流程
在一般的检索中，首先需要对文档和查询进行分析，包括语素切分、停用词去除、术语规范化、词干提取、倒排索引建立、检索查询、检索评价等步骤。
2.1.1语素切分
语素切分是指从文档和查询的字符串序列中获取语素的过程。这在英语语料库中是一个非常简单的处理过程，只要根据空大小写或特殊结尾来划分单词项，而在亚洲语言中，如汉字、日语和韩语，这就比较麻烦，需要更复杂的算法来解决。对于中国常见的算法，有正向(反向)最大匹配算法、邻居匹配算法、最短路径匹配算法、基于统计的最短路径分割算法等。
2.1.2停止词的删除
一般来说，一些常用词在文档和用户查询的匹配过程中没有多大价值。为了提高检索时间性能和索引存储空，这些值小但频繁出现的单词可以被删除，这些单词被称为stopword。停止字的删除是根据停止列表进行的。停止列表的一种简单构造方法是根据词项的文档集合频率从上到下对词项进行排序，然后手动选择那些语义内容与文档主题无关的高频词项作为停止词。索引过程中将忽略禁用词汇中的每个单词项。以下是本文中用于医学病例检索的非索引字表的一部分，其中一些在医学病例中特别常见:
2.2基本检索模型
检索模型提供了一种度量查询和文档之间相似性的方法。这些模型基于一个共同的想法:文档和查询有越多的共同术语，文档就越与查询相关。然而，自然语言本身有许多不确定性。在现实生活中，相同的概念可以用许多不同的术语来表达(也就是说，同义词，比如幸福和兴奋通常指的是相同的意思)。此外，同一术语也可能有许多语义(即一词多义，如水，可能指事物的含水量，也可能指不真实的成分)。检索模型和检索算法将采取相应的措施来解决这些自然语言中的不确定性问题。检索模型也是一种检索算法，该算法的处理对象是查询Q和文档集)。SC是相似系数(t (t相似性)的缩写，有时也称为RSV(检索状态值)，用于表示检索状态值。信息检索领域常见的检索模型包括布尔模型(BooleanModel)、向量空互模型(VectorSpaceModel)、概率模型和统计语言模型。以下内容将简要介绍这些检索模型和分别使用的算法。
第一章引言........................................................1
1.1研究背景和意义...............................................1
1.2国内外研究现状....................................................................2
1.3本文的内容和贡献.........................................6
1.4本条的组织、....................................................................7
第二章信息检索的基本理论.........................................8
2.1信息检索流程..........................................................8
2.1.6查询和处理......................................................10
2.2基本检索模型........................................................11
结论
近年来，随着数字技术在医疗领域的广泛应用，医院和医疗中心产生了大量的医学文章，但这些医学文章的应用仍处于初步探索阶段。为了将这些有价值的文章应用到实际的医学研究、疾病诊断和治疗中，医学文章的检索变得越来越迫切。本文就是在这样的背景下开展医学论文的检索研究。本文在分析医学论文特殊性的基础上，结合国内外对此课题的研究进展，提出并实现了自己的基于知识的病历检索方案。经过近三年的研究，本文主要做了以下工作，总结如下:
(1)介绍了本课题的研究背景和意义，总结了国内外在该领域的研究现状，总结了病历检索的特殊性，并结合图像检索竞赛简要介绍了病历检索。
(2)介绍信息检索的基本理论，包括四种基本检索模型:布尔检索模型、向量空模型、概率检索模型和统计语言模型。此外，介绍了两种开源检索引擎，概述了信息检索的一般过程，然后介绍了查询扩展技术和检索评价机制。
(3)介绍了医学本体库和相应的工具:UMLS、MeSH同义词库和元地图。
(4)结合基于ImageClefmedcase 2011检索竞赛的竞赛经验，详细介绍了竞赛任务的数据集。通过数据预处理，在数据集上选择适当的数据项以形成原始文档表示。然后在此基础上建立了基准实验。通过对不同文档表示和不同检索模型的探索和尝试，找到了最佳的检索方案，形成基准实验，用于以后实验的比较。
参考
[1]穆勒，米却克斯，班登和盖斯布勒，内容检索应用的观点——临床应用和未来方向，国际。医学博士。信息rmat。，vo l.73，00.1-23，2004。
[2]多伊克。医学影像中的计算机辅助诊断:历史视图、当前状态和未来潜力。计算机图像。2007年6月-7月；31(4-5):198-211。
[3]艾森、布罗德里克、瓦恩穆拉姆、布罗德利、卡卡、帕夫洛普洛斯、迪、夏尤、马尔基奥里、自动存储和评估——截面成像辅助诊断:系统描述和初步评估，放射学228(2003)265-270。
[4]帕里克斯·桑德希(ParikshitSondhi)，季梦孙，成祥斋·http://sblunwen.com/yxss/，罗伯特·索伦蒂诺，马丁斯。Kohn，ShahramEbadollahi，YanenLi。:医学基础医学和物理反馈:UIUC-IBMatImageCLEF2010。在工作说明中
[5]刘竞、阳湖、李鸣惊、宋德马和马滢。:医学气象报告和评估视觉特征。请参见2006年工作说明
[6]洪武、常军虎、司君臣。:uestCatimageClef 2010 medicalRetrievalTask。在2010年的工作认知中。；mso-ascii-font-family
[7]佩尼奥·斯佩内夫。信息表示和传输的统计理论。纽约:洛克菲勒大学，1998年。
[8]弗拉基米尔·范帕尼克。统计学习理论[。张龚雪译。北京:电子工业出版社，2004。
作为核特征值问题的非线性分量分析[。神经计算，1998.10:1299-1319。
[10]特内鲍姆·约翰逊，西尔瓦姆·维·德.廊坊市.非线性降维的全局几何框架。科学，2000年，