计算机工程与科学

作者：高志玲1, 赵新宇1, 2

单位：（1.西北师范大学计算机科学与工程学院，甘肃 兰州 730070；2.新华三技术有限公司，北京310052）

关键词：文本图卷积神经网络,中文分词,肿瘤致病分析,肿瘤疾病预测,

基金：国家自然科学基金(62363031)

当前疾病预测模型仅关注病历文本的局部信息以及上下文信息，缺乏对全局信息的考虑，由此导致预测结果准确率不高。利用图神经网络关注全局信息的特点，提出将图卷积神经网络（GCN）用于中文电子病历的肿瘤疾病预测。首先，利用医学领域分词工具包PKUSEG对中文电子病历进行分词；其次，通过病历与词的共现关系和病历文本中词与词之间的关系，建立文本图；最后，基于该医学文本图利用图卷积神经网络（Text-GCN）对文本图的特征进行学习，将学习到的模型用于肿瘤疾病预测。实验结果显示，所提模型相比多个模型中的最优模型准确率提升了6%。同时，当数据较少的时候准确率并不会明显下降，表明该模型在电子病历较少的情况下仍具有很好的鲁棒性。

来源：2025年第7期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第7期