论文部分内容阅读
目的为了提高院内感染诊疗的自动化程度和正确性,降低人工检测判定的代价。方法利用LSTM对电子病历文本中的院感症状短语进行识别获取,结合院感其它结构化字段数据组成62个院感特征作为深度神经网络模型的输入。采用2382个匿名院内感染患者的特征数据进行模型训练、优化及保存。最后以医生确诊结果为标准,对随机抽取430个检验出病原菌的患者进行院感测试分类验证。结果院感相关症状短语识别F值高于92%,AUC高于85%。院内感染诊疗决策支持系统正确率达98.4%。结论院内感染诊疗决策支持系统可以智能辅助医生更快更准确地