menglinlu Goto Github PK

chinese-clinical-ner

CCKS2019中文命名实体识别任务。从医疗文本中识别疾病和诊断、解剖部位、影像检查、实验室检验、手术和药物6种命名实体。现已实现基于jieba和AC自动机的baseline构建、基于BiLSTM和CRF的序列标住模型构建。bert的部分代码主要源于https://github.com/charles9n/bert-sklearn.git 感谢作者。 模型最终测试集得分0.81，还有较大改进空间。可以当做一个baseline。

cmkg

docker-relational-gcn

docker-relational-gcn

early-warning-of-sepsis-in-trauma-patients

解放军总医院-麻省理工学院Datathon活动，小组任务两天内完成。基于解放军总医院创伤患者数据库，以创伤患者为研究对象，抽取患者实验室指标、人口统计学、干预等数据，以患者是否患脓毒症为结局变量，预测创伤患者进入ICU后24h内是否会得脓毒症，并研究导致患者获脓毒症的危险因子。

for-job

找工作好难，找不到整理的地方，就在这上面整理一些知识点吧

genomicsem

lda-based-on-partition-plda-

提出基于划分的LDA主题模型 (PLDA)。对传统LDA模型进行改进，考虑中长篇文档篇章结构较为清晰，传统LDA在处理中长篇文档时不能识别每个篇章的主题，提出基于划分的LDA主题模型，对中长篇文档如新闻报道】国务院工作报告等按照段落进行划分，先拆后合，并将其效果与传统LDA、LSI及doc2vec进行比较。基于Sougou和Fudan语料库的分类实验验证了PLDA效果最优。

menglinlu

Config files for my GitHub profile.

patient-representation-based-on-statistics

基于MIMICIII临床数据库，对传统基于简单统计特征的患者表示进行改进，使用遗传算法获取重要统计特征对患者进行表示，基于StackIng的模型Super Learner预测患者进入ICU24时后的死亡率，与包括疾病严重程度评分以及基于简单统计特征的患者表示构成的baseline进行对比，AUC平均提高0.05。

predict-the-emergency-diagnosis-of-fever-disease

首届急诊大数据Datathon，小组任务。基于解放军301医院急诊大数据，抽取目标发热患者的人口统计学数据、实验室指标等数据，预测急诊患者是感染型发热还是非感染型发热，并分析患者抗生素的使用情况。

prescription-understanding

基于正则表达式和AC自动机多模匹配进行不规则处方文本理解，识别药品名、给药总量、用法用量等目标内容。

retinal_vascularevents

web-crawler

调研药品数据网站。基于网络爬虫爬取药源网药物数据，搭建药品数据库。含中成药和化学药品信息共计10万余条。爬取国家食品药品监督管理局药品数据对药源网数据进行修正。基于Selenium等工具应对反爬，爬取ICD10等数据共研究使用。