文件名称：NLP-Radiological-Reports:生成特征并预测病理结果
文件大小：390KB
文件格式：ZIP
更新时间：2024-04-06 13:03:06
Python
NLP-放射学报告 生成特征并预测病理结果。 （1）使用“ Generate features.py”生成特征； （2）使用“ Predict_train.py”预测病理结果。 模型 这项研究的计划。 BiLSTM，双向长期短期记忆； CNN，卷积神经网络； ANN，人工神经网络。 数据 Radiological_reports.csv显示了一些有关我们数据的示例。 token_vec_100.txt显示了Word2Vec的一些示例。 放射学报告中句子的长度和频率 生成特征的损失和准确性 ROC曲线用于区分乳腺恶性病变的原位和浸润 CBLAA，CNN加上双向长短期记忆递归神经网络，结合了注意力机制和人工神经网络。
【文件预览】：
NLP-Radiological-Reports-main
----Radiological_reports.csv(3KB)
----Remove stopwords.py(2KB)
----Length-Frequency.png(15KB)
----token_vec_50.txt(3KB)
----word2vec model.py(910B)
----token_vec_300.txt(17KB)
----README.md(1KB)
----NLP_model.png(221KB)
----AttentionLayer.py(4KB)
----token_vec_100.txt(6KB)
----Predict_train.py(17KB)
----Accuracy_generate features.png(34KB)
----Differentiating.png(76KB)
----Generate features.py(13KB)
----Loss_generate features.png(29KB)
----token_vec_200.txt(11KB)