عنوان
خلاصه سازي مبتني بر فنوتايپ پرونده الكترونيك سلامت
نويسنده اصلي
خلفي زنگير، سحر
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
برق و كامپيوتر
مقطع تحصيلي
كارشناسي ارشد
چكيده
امروزه مراكز درماني، درمان و مراقبتهاي باليني مربوط به بيماران را در قالب پروندههاي الكترونيك سلامت ثبت
مي كنند. بخش عمدهاي از مراقبت هاي الزم در قالب يادداشتهاي باليني متشكل از زبان طبيعي ذخيره شده اند كه تحليل و
جستجوي اطلاعات آن ها براي مراقبت هاي درماني بيمار و مدل سازي محاسباتي ضروري است. رشد روزافزون يادداشت هاي
باليني موجود در پرونده الكترونيك سلامت باعث ايجاد پيامدهاي منفي بالقوه در فرايندهاي باليني از جمله خطاهاي ناشي از
ناديده گرفته شدن اطالعات مهم، تاخير در ارائه روش درماني مناسب و به طور كلي به خطر افتادن سلامت بيماران ميشود.
تاكنون روش هاي مختلفي در حوزه متن كاوي براي خالصه سازي يادداشت هاي باليني ارائه شده است كه از روش هاي
آماري با استفاده از پايگاه هاي دانش، استفاده از عبارات نشانه و مدلهاي يادگيري عميق ميتوان نام برد. از جمله چالش هاي
موجود نياز به متخصصين دامنه براي حاشيه نويسي دستي و تعريف مفاهيم جامع و روابط بين آنها و ايجاد نمايش معنايي از
جملات و غني سازي پايگاه دانش است.
شناسايي فنوتايپ هاي موجود در يادداشت هاي باليني در حل اين مسئله نقش مهمي دارند و منجر به مشخص شدن گروه
بيمار نيز ميشوند كه يك كار اساسي در استفاده ثانويه از پرونده الكترونيك سلامت براي مديريت اطلاعات باليني بشمار مي رود.
روش هايي كه تاكنون براي حل مسئله شناسايي فنوتايپ هاي بيماري ارائه شدهاند، داراي دقت كافي در استخراج ويژگي هاي
مرتبط نبوده اند. رويكردهاي رايج يادگيري ماشين نيازمند پايگاههاي دانش و دخالتهاي متخصصين حوزه براي مهندسي
ويژگيهاي موجود در يادداشتهاي باليني هستند واز طرف ديگر رويكردهاي يادگيري عميق نيز ويژگيها را به طور خودكار
توسط مدلهاي عصبي عميق ميآموزند كه معموالا قادر به استخراج اطالعات معنايي و ويژگيهاي دستور زبان به طور موثر
نيستند.
در اين پژوهش يك مدل متشكل از دو واحد ارائه ميشود كه شامل واحد شناسايي فنوتايپهاي بيماري مبتني بر
يادگيري عميق با هدف شناسايي مرتبطترين عبارات به فنوتايپهاي قلبي و ريوي، و واحد خالصهساز مبتني برفنوتايپ با استفاده
از تركيب دو پايگاه دانش از جمله خروجي واحد قبلي به عنوان پايگاه دانش داخلي و هستيشناسي فنوتايپ انسان به عنوان پايگاه
دانش خارجي، مرتبطترين جمالت به ناهنجاريهاي فنوتايپي قلبي و ريوي را شناسايي ميكند.
مدل ارائه شده تعداد ويژگي بيشتري را نسبت به روشهاي موجود استخراج كرده و شاخصF1 بهتري فراهم ميسازد.
همچنين واحد خالصهساز مبتني بر فنوتايپ با استفاده از فنوتايپهاي شناسايي شده توسط مدل عميق، موضوعات مرتبط با
فنوتايپهاي قلبي و ريوي را بصورت خودكار و بدون نياز به متخصصين حوزه استخراج ميكند وبا استفاده از جاسازي مبتني بر
محتوا ميتواند ضبط نمايش معنايي جمالت را بدون نياز به نگاشت مفاهيم موجود به اصطالحات متناظر در پايگاههاي دانش
براي تحليل جمالت در سطح مفهوم فراهم سازد. سيستم خالصهساز مبتني بر فنوتايپ قادر به حل چالشهاي موجوددر روشهاي
قبلي هنگام استفاده از پايگاههاي دانش بوده است و همچنين روشهاي نوين امتيازدهي به جمالت در اين پژوهش باعث بهبود
شاخص هاي ROUGE سيستم خالصه ساز در مقايسه با خالصه سازهاي مبتني بر محتوا نظير BERT و مبتني بر روشهاي آماري
نظير SUMMA شده است.
شماره ركورد
233204
گرايش رشته تحصيلي
نرم افزار
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان
استاد داور
عليرضا بصيري
استاد راهنما
ناصر قديري مدرس