[发明专利]基于多标签分类的肺癌前沿趋势预测方法

说明书

本发明公开了一种基于多标签分类的肺癌前沿趋势预测方法，包括：收集肺癌研究领域的论文的序列号、标题、摘要以及发表日期，组成数据集；制定类别集，对应肺癌研究领域论文的主题；根据类别集，对收集到的摘要文本进行标注；对数据集中的文本进行预处理；根据论文的发表日期，将数据集分为训练集和验证集；将训练样本输入到基于Bert的多标签分类网络，设定损失函数loss，loss值反向传播，更新权重参数，不断迭代训练网络，直至loss值不再下降；利用训练的分类网络对验证集的数据进行分类，得到分类结果。本发明改进了传统多标签算法忽视标签相关性的问题；同时，将人工智能技术与医疗相结合，提供了医疗领域趋势预测的新思路。

技术领域

本发明属于深度学习及自然语言处理领域，具体涉及一种基于多标签分类的肺癌前沿趋势预测方法。

背景技术

医疗问题一直以来都是人民最为关心的问题之一，而癌症作为一种恶性肿瘤由于其高死亡率、高发病率，一直以来都严重威胁着人类日常的生命健康。2019年，国际癌症研究机构评估了全球185个国家36种癌症的死亡率和发病率。其中肺癌的发病率稳居榜首。在中国肺癌发病率更是高于全球。

为了保障人民生命健康，医疗工作者对肺癌的发病机制、治疗、基因相关性等方面进行了大量的研究，取得了大量的成果。而追踪肺癌研究动态、预测肺癌未来研究趋势的可以帮助医疗工作者更好的规划未来的研究方向，对研究工作的开展有着重要的意义。

在信息获取途径方面，考虑到已发表的医学论文中蕴含丰富的医疗知识和实践经验，且具有更新速度快，权威性高的特点。医疗工作者通常会通过阅读最新一段时间发表的与肺癌的论文来获取信息，了解当下的研究热门领域，并据此调整接下来的研究计划。

实际工作中，为了掌控当下肺癌疾病的研究热点，医疗工作者需要阅读并记录大量文献，通过对大量的肺癌研究领域论文的研究方向的分析以及其出现频率的高低来判断，肺癌研究的某个方向的研究热度。而当前阶段，首先，我国存在医患比例低，医生工作量大的情况。对于临床医生而言还需同时兼顾问诊、手术和教学等工作，工作强度高。面对科研任务，在开展研究工作前跟踪最新研究热点需要耗费大量精力。另一方面，人力所能考察到的论文数量有限，面对数以万计的文献，无法对其全面掌握。所以现在急需一种辅助方法帮助医生了解最新研究动态，推测未来研究趋势，更好的安排规划下一步研究任务。

近年来，深度学习在文本处理方面展现了巨大的优势，可以通过训练一个神经网络帮助医生对近期发表的全部与肺癌相关文献的主题进行分类，并对分类结果进行统计分析，绘制不同主题占比随时间变化的折线图，跟进最新的发展动向，从而实现预测未来研究趋势的功能；而对医疗文本的分类是需要解决的任务。

发明内容

本发明所要解决的技术问题是提供一种基于多标签分类的肺癌前沿趋势预测方法。以近五年来肺癌研究领域的论文摘要文本及其标签作为输入，通过深度学习算法对网络进行训练，使训练好的神经网络对新输入的文本可以进行多标签分类，实现对医疗文献的多标签分类。进一步分析近一段时间发表的肺癌领域的论文分类结果的统计信息，实现预测研究热点的目的。

为解决上述技术问题，本发明采用的技术方案是：

一种基于多标签分类的肺癌前沿趋势预测方法，包括以下步骤：

S1：收集肺癌研究领域的论文的序列号、标题、摘要以及发表日期，组成数据集；

S2：制定类别集，对应肺癌研究领域论文的主题；

S3：根据步骤S2中制定的类别集，对收集到的摘要文本进行标注；

S4：对数据集中的文本进行预处理；

S5：对预处理后的数据集，根据论文的发表日期，将其分为训练集和验证集；