电子病历中包含着医疗领域的丰富知识 ，对于医疗健康信息服务有着重要的意义。 其中的概念实体之间的关系是医疗知识 的重要 组成部分 。对于获取医疗领域中疾病、治疗 、检查之间关系有着重要 的意义 。 针对 于电子病历 中文本结构稀疏 的特 点 ，原有 的基 于词的特征表示效果 有限 ，所以从特征选择的角度出发 ，提出 了一种 基于深度学 习的特征学 习，将 有 限的上下文特征进
行进 一步抽 象表示 的方 法。 实验中使 用深度稀疏 自动编码 来对实体上下文 的向量表示进行 再表示 ，来得 到更抽象 和更有识别 意义 的特征 。 实验 表明 ，本文使用的深度学习进行 特征的再表示方法对 于识别 的召回率对 比于基线实验有 比较明显的提高
2021-10-25 16:24:59
929KB
1
Aceso
基于Mendix的电子病历平台
关于申请
Aceso是作为“快速开发工具”模块的课程项目而开发的，具有给定的要求和规范。
该应用程序旨在充当患者数据的统一数据库，所有相关医疗机构都可以访问该数据库，从而使诊断和治疗过程更加简单和高效。
使用的技术
该项目是在Mendix平台上开发和托管的。
文献资料
项目报告记录了应用程序分析，设计，实施测试和用户指南的各个方面。
该报告包含以下主要标题：
介绍
目的和目标
发展计划
系统分析
系统设计
系统实施
测验
用户指南
结论
参考
设置
现场演示
可以通过以下访问此应用程序的实时版本： ：
可以使用以下演示帐户查看用户和管理员的视图：
以患者身份访问：
用户名：S1234567A
密码：PatientA
以GP身份访问：
用户名：G1234567P
密码：GPA
以HCP身份访问：
用户名：H1234567P
2021-10-12 17:02:07
7.08MB
1