一种基于深度神经网络的临床记录ICD自动编码方法

一种基于深度神经网络的临床记录ICD自动编码方法

TP391; 随着国际疾病分类(international classification of diseases,ICD)编码数量的增加,基于临床记录的人工编码难度和成本大大提高,自动ICD编码技术引起了广泛的关注.提出一种基于多尺度残差图卷积网络的自动ICD编码技术,该技术采用多尺度残差网络来捕获临床文本的不同长度的文本模式,并基于图卷积神经网络抽取标签之间的层次关系,以加强自动编码能力.在真实医疗数据集MIMIC-Ⅲ上的实验结果表明,该方法的P@k和Micro-F1分别为72.2％和53.9％,显著提高了预测性能....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:大数据 2020, Vol.6 (5), p.1-15
Hauptverfasser: 杜逸超, 徐童, 马建辉, 陈恩红, 郑毅, 刘同柱, 童贵显
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP391; 随着国际疾病分类(international classification of diseases,ICD)编码数量的增加,基于临床记录的人工编码难度和成本大大提高,自动ICD编码技术引起了广泛的关注.提出一种基于多尺度残差图卷积网络的自动ICD编码技术,该技术采用多尺度残差网络来捕获临床文本的不同长度的文本模式,并基于图卷积神经网络抽取标签之间的层次关系,以加强自动编码能力.在真实医疗数据集MIMIC-Ⅲ上的实验结果表明,该方法的P@k和Micro-F1分别为72.2％和53.9％,显著提高了预测性能.
ISSN:2096-0271
DOI:10.11959/j.issn.2096-0271.2020040