基于动态实体替换与掩码策略的RoBERTa-BiLSTM-CRF模型的肝癌知识图谱构建
信息检索
2024-10-25 v1 人工智能
摘要
背景：肝癌在我国是第五大常见恶性肿瘤，也是第二大致死癌症。早期诊断至关重要，需要医生在尽可能早的阶段识别出患者的肝癌。然而，诊断过程复杂且要求高。医生必须分析广泛的病人数据，包括身体状况、症状、病史以及各种检查和检验结果，这些数据以结构化和非结构化的医疗格式记录。这给医疗专业人员带来了巨大的工作量。为此，集成知识图谱技术开发肝癌知识图谱辅助诊疗系统，符合国家智慧医疗的发展方向。这样的系统有望减轻医生在诊断和治疗肝癌方面面临的挑战。方法：本文解决了构建肝细胞癌诊断知识图谱的主要挑战，例如公共数据源与真实电子病历之间的差异，如何有效整合这些数据仍是一个关键问题。知识图谱构建过程包括六个步骤：概念层设计、数据预处理、实体识别、实体归一化、知识融合和图谱可视化。提出了一种新颖的用于命名实体识别的动态实体替换与掩码策略（DERM）。结果：建立了包含疾病、症状、体质等7种实体类型的肝癌知识图谱，包含1495个实体。模型的识别准确率为93.23%，召回率为94.69%，F1分数为93.96%。
引用
@article{arxiv.2410.18090,
title = {Liver Cancer Knowledge Graph Construction based on dynamic entity replacement and masking strategies RoBERTa-BiLSTM-CRF model},
author = {YiChi Zhang and HaiLing Wang and YongBin Gao and XiaoJun Hu and YingFang Fan and ZhiJun Fang},
journal= {arXiv preprint arXiv:2410.18090},
year = {2024}
}