基于动态图神经网络的医学实体链接方法研究

doi:10.3969/j.issn.1673-6036.2025.07.009

首页 > 过刊浏览>2025年第46卷第7期 >基于动态图神经网络的医学实体链接方法研究

基于动态图神经网络的医学实体链接方法研究
DOI:
                        10.3969/j.issn.1673-6036.2025.07.009
                    
作者:
                        
                        
                    
作者单位:(中国医学科学院北京协和医院病案科&WHO国际分类家族合作中心 北京 100730)
作者简介:李博诚,博士,主管技师,发表论文24篇；通信作者:王怡,研究员。〔基金项目〕 中央高水平医院临床科研业务费(项目编号:2025-PUMCH-C-006)；中央高水平医院临床科研业务费(项目编号:2022-PUMCH-B-091)。
通讯作者:
中图分类号:R-058
基金项目:中央高水平医院临床科研业务费(项目编号:2025-PUMCH-C-006)；中央高水平医院临床科研业务费(项目编号:2022-PUMCH-B-091)。

Study on Medical Entity Linking Method Based on Dynamic Graph Neural Network

Author:

Affiliation:

(Department of Medical Record, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & WHO Family of International Classification Collaborating Center in China, Beijing 100730, China)

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

文章评论

摘要:

目的/意义克服传统深度学习方法缺点,进一步提高医学实体链接性能。方法/过程构建序列信息图和主体信息图以获取多维度潜在文本信息,采用动态图神经网络进行全局关联,充分利用模型内部信息,并基于注意力机制生成最终序列关联。基于真实临床疾病诊断数据构建实证数据集,并进行消融实验和对比实验。结果/结论该方法精确率为90.34%,召回率为89.72%,F1值为90.03%。消融实验和对比实验结果显示,改进策略有效且必要。

Abstract:

Purpose/Significance To overcome the shortcomings of traditional deep learning method, and to further improve the performance of medical entity linking.

参考文献

相似文献

引证文献

引用本文

李博诚,李乃适,周婧雅,等.基于动态图神经网络的医学实体链接方法研究[J].医学信息学杂志,2025,46(7):53-58

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

历史

收稿日期:
最后修改日期:2025-06-10
录用日期:
在线发布日期: 2025-08-14
出版日期:

首页

期刊介绍

在线期刊

投稿指南

出版政策

专家中心

学术交流

引用本文

分享

文章指标

历史

友情链接