本文综述了当前神经自然语言处理方法在电子病历应用中的广泛运用，包括分类和预测，词嵌入，提取，生成以及其他诸如问答、表型、知识图谱、医学对话、多语言性和可解释性等领域。

Jul, 2021

本研究阐述了自然语言处理技术在电子病历上的应用存在的挑战和限制，以及研究人员使用机器学习、深度学习等技术进行处理和信息提取的相关领域和方法。

Jun, 2023

使用深度学习的语言模型在医疗领域的应用取代了以往使用知识图谱的方法。

Jan, 2023

本文介绍了使用自然语言处理技术和基于深度学习的方法处理医学记录中的实际数据，通过利用医学注册处重点患者信息的导向监督，并结合领域特定的预训练、递归神经网络和分层注意的方法，实现了在医疗系统中具有可伸缩性的实证研究。

Mar, 2022

本文综述了深度学习模型及其在生物信息学和医疗保健领域中的广泛应用，涵盖了不同结构的 DL 模型，并讨论了进行 DL 研究时可能遇到的一些关键挑战。

Feb, 2023

本文对人工智能及其在生物医学领域中的应用进行了介绍，着重讲述了深度学习、自然语言处理、可解释的人工智能等相关技术及其在生物医学领域的应用和重要性。

Feb, 2022

通过系统性研究，本文提出了一种利用人工智能评估与医疗有关文本情感的方法，重点关注自然语言处理和深度学习技术的整合。我们细致研究了许多利用人工智能增强情感分析、情绪分类和基于临床叙述、患者药物反馈和在线健康讨论的文本信息预测患者结果的研究。该综述表明算法在情感分类和神经退行性疾病的预测能力方面取得了显著进展，并创造了能够支持临床决策的以人工智能为动力的系统。人工智能应用的利用使个人化疗法计划的提高成为可能，整合了患者情感并有助于早期识别心理健康障碍。然而，AI 的应用面临着确保道德应用、保护患者机密和解决算法程序中潜在偏见等挑战。尽管如此，人工智能改变医疗实践的潜力是无可否认的，提供了一个使医疗变得更加知识化、高效化、富有同理心、以患者需求为中心的未来。本研究强调了人工智能对医疗的转变影响，提供了对人工智能在检查医疗文本情感内容和强调朝向更具同情心的患者护理方法的全面理解。研究结果倡导人工智能分析能力与医疗人文方面的和谐结合。

Mar, 2024

本文提出了一种从医疗电子健康系统中提取伴随临床记录的方法，并使用这些数据综合研究了不同模型和数据利用方法对于更好的医疗任务预测的影响。结果表明，我们的融合模型优于不包含临床记录的最新方法，这证明了我们的融合方法的重要性和临床注意点特征的价值。

Oct, 2021

本文介绍了一种使用预训练语言模型和迁移学习的基于词 / 子词级别的模型，用于分析医学领域的文本，并在自然语言推理任务中取得了 90.6% 的准确率，为医学领域的模型构建提供了一些有用的信息。

Jun, 2019

该论文阐述了电子病历（EHR）提供数据以回答临床相关问题，EHR 中不完整的标签、供建多个基础病因的疾病和健康人群缺乏等问题给机器学习在临床应用中带来的挑战，并强调了机器学习在医疗保健中发挥作用的机会。

Jun, 2018