一种改进的医疗文本分类模型:LS-GRU

李强¹，李瑶坤²，夏书月³，康雁^1,4

1. 东北大学医学与生物信息工程学院2. 中国石油天然气管道工程有限公司3. 沈阳医学院附属中心医院4. 深圳技术大学健康与环境工程学院

摘 要：为了帮助低年资医生阅读胸部CT影像,并更加精确高效地为临床医生反馈影像报告结果,提出一种改进GRU深度学习框架LS-GRU,用来解决影像报告文本分类问题,即可以根据影像科医生描述,自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1 168例,选择了两种描述相近的疾病（肺气肿和肺炎）进行分类,其中肺气肿患者报告大约652例,肺炎约516例.分别验证GRU、BiGRU及LSTM等模型,实验结果表明,LS-GRU模型分类更精确,且具有较高的鲁棒性.

关键词：深度学习;医疗文本分类;GRU;慢阻肺;LSTM;