公开(公告)号：CN118966228B

公开(公告)日：2024-12-24

申请号：CN202411466621.9

申请日：2024-10-21

Applicant: 东北大学

Inventor： 张天 ,  马连博 ,  李楠

IPC: G06F40/295 ,  G16H10/60 ,  G16H50/70 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明提供一种基于粒子群优化的大模型提示设计的病历信息抽取方法，涉及医疗信息处理技术领域。利用粒子群优化算法，在少量初始提示的基础上，通过进化操作自动生成和优化新的候选提示，通过大语言模型逐字生成连贯的文本，无需进行模型训练即可实现提示的创建和优化，通过粒子群优化算法和大语言模型的结合，减少了对专家知识的依赖，只需提供初始提示，系统即可通过进化算法不断优化提示，从而降低了人工成本和复杂性。本发明提供了一种高效、自动化的医疗信息抽取解决方案，通过减少人工干预和领域知识依赖，提高了大语言模型的设计提示的质量，并保证信息抽取的效率和准确性，具有广泛的应用前景和实际价值。

公开(公告)号：CN118966228A

公开(公告)日：2024-11-15

申请号：CN202411466621.9

申请日：2024-10-21

Applicant: 东北大学

Inventor： 张天 ,  马连博 ,  李楠

IPC: G06F40/295 ,  G16H10/60 ,  G16H50/70 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明提供一种基于粒子群优化的大模型提示设计的病历信息抽取方法，涉及医疗信息处理技术领域。利用粒子群优化算法，在少量初始提示的基础上，通过进化操作自动生成和优化新的候选提示，通过大语言模型逐字生成连贯的文本，无需进行模型训练即可实现提示的创建和优化，通过粒子群优化算法和大语言模型的结合，减少了对专家知识的依赖，只需提供初始提示，系统即可通过进化算法不断优化提示，从而降低了人工成本和复杂性。本发明提供了一种高效、自动化的医疗信息抽取解决方案，通过减少人工干预和领域知识依赖，提高了大语言模型的设计提示的质量，并保证信息抽取的效率和准确性，具有广泛的应用前景和实际价值。

公开(公告)号：CN117194661A

公开(公告)日：2023-12-08

申请号：CN202311166009.5

申请日：2023-09-11

Applicant: 东北大学 ,  沈阳东软智能医疗科技研究院有限公司

Inventor： 马连博 ,  张天 ,  蔡巍

IPC: G06F16/35 ,  G06F40/295 ,  G16H10/60 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06N3/006

Abstract: 本发明提供一种基于头脑风暴神经架构搜索的中文电子病历信息抽取方法，涉及信息抽取技术领域。该方法首先根据待搜索的BiLSTM网络模型参数设计BSO算法的编码策略；然后执行初始化种群操作，将BiLSTM网络混合参数映射至BSO算法的个体中，构建可训练的基于BiLSTM的BERT‑BiLSTM‑CRF的实体识别和BiLSTM关系抽取模型；再对LSTM网络模型进行训练，将模型的F1值作为初始个体的适应度值并进行适应度评价和训练策略；并根据k‑means聚类操作对种群进行区域划分，设置每个种群的局部最优值和替代的聚类中心，根据头脑风暴算法中种群内部和种群之间的进化机理设计个体寻优更新操作，当达到最大迭代次数时，得到的个体即LSTM网络模型为当前最优的电子病历文本实体识别和关系抽取模型。