具有稳定性和边界意识的解释引导医学命名实体识别用于特应性皮炎

目的：本研究旨在通过解释引导学习提高中文特应性皮炎（AD）临床文本中医学命名实体识别（NER）的可靠性和鲁棒性。方法：我们提出了一个稳定性和边界感知解释引导的 NER 框架。基于扰动的分析用于评估解释稳定性和实体边界敏感性。自适应融合策略动态结合局部和全局解释以生成更可靠的 词元级 解释。融合的解释信号通过稳定性、边界感知和一致性约束进一步合并到 模型训练 中。结果：在中国 AD NER 数据集上的实验表明，所提出的框架提高了解释的鲁棒性，并在多个 NER 模型中实现了一致的性能增益。自适应融合策略还提供比个体解释方法更稳定的解释和更强的边界感知。结论：所提出的方法有效地将可靠的解释信号集成到医学NER训练中，提高了识别性能和解释可靠性。该框架为可解释的医学NER提供了实用且可推广的解决方案，并为下游临床决策和医学知识应用提供了可靠的支持。