相关实验视频
Updated: Jun 14, 2025
09:55
Monitoring Acupuncture Effects on Human Brain by fMRI
Published on: April 8, 2010
15.4K
针指示知识库:基于ACUBERT的午线实体识别和分类
TianCheng Xu1,2, Jing Wen1,2, Lei Wang3
1Key Laboratory of Acupuncture and Medicine Research of Ministry of Education, Nanjing University of Chinese Medicine, 138 Xianlin Road, Nanjing 210023, China.
Database : the journal of biological databases and curation
|August 30, 2024
概括
艾库伯特模型增强了针指示中的午线分类,优于其他模型. 这种深度学习方法提高了标准化传统中医疗治疗的准确性.
科学领域:
- 传统中国医药 传统中国医药
- 自然语言处理自然语言处理.
- 机器学习 机器学习
背景情况:
- 针中的非定量描述限制了标准化的治疗方法.
- 准确的午线分类对于诊断和治疗至关重要.
研究的目的:
- 评估针双向编码器表示从变压器 (ACUBERT) 模型的有效性,以识别和分类午线实体.
- 为了解决针指示中的午线分类中的差异.
- 通过深度学习开发一种标准化的针治疗方法.
主要方法:
- 开发了基于BERT架构的ACUBERT模型.
- 利用82本针医学书籍中的54,593个实体的预训机构.
- 训练了使用八项原理和-差异化的午线差异化模型.
- 将ACUBERT与支向量机和随机森林模型进行比较.
主要成果:
- 与基线模型相比,ACUBERT 证明了更高的分类有效性.
- 该模型在第五个时代实现了最佳性能,精度,回忆和F1分数超过0.8.8.
- 建立了一个针指示知识库 (ACU-IKD) 和ACUBERT模型.
结论:
- 艾库伯特模型显著提高了针指示中的午线归因的分类准确性.
- 基于BERT的深度学习方法在传统中医中为多类,大规模的文本分类提供了优势.
- 这项研究有助于标准化针诊断和治疗方法.
