基于双向记忆传导的ICD自动编码方法

作     者：宋凡 杨鑫 王毅 余俊蓉 SONG Fan;YANG Xin;WANG Yi;YU Junrong

作者机构：中山大学附属第一医院广东省广州市510080 中山大学肿瘤防治中心广东省广州市510080 

基　　金：广东省基础与应用基础研究基金“基于国产医用直线加速器的‘一站式’放射治疗事件学习和警讯上报系统”(项目编号:2021A1515220140) 

出 版 物：《中国卫生信息管理杂志》 (Chinese Journal of Health Informatics and Management)

年 卷 期：2023年第20卷第6期

页      码：977-984,996页

摘      要：目的基于深度学习技术,探讨国际疾病分类(ICD)自动编码的方法。方法提取50095例来自麻省理工学院下属重症监护医学信息数据集信息齐全患者的诊断报告和诊断编码,实现一种基于双向记忆传导机制的注意力卷积神经网络,将记忆传导能力引入层级设计的注意力卷积神经网络中。从顺序因果约束和层级关联角度建模,高效捕获诊断文本常见的长序列依赖语境,同时利用层级间特征,提升编码特征重用性。比较本文网络与其他改进网络的性能。结果测试集的平均Macro F1值、Micro F1值、Macro ROC-AUC、Micro ROC-AUC和P@5较其他网络都有所改善,平均预测1名患者的诊断编码只需0.05s。结论经过改进网络设计,能较为准确地实现ICD的自动编码,编码时间相比人工编码大幅缩短,实际应用中可提高编码的工作效率,降低人工编码工作量。

主 题 词：编码准确率 自动编码 深度学习 记忆力机制 注意力机制 

学科分类：1001[医学-基础医学] 10[医学] 

D　O　I：10.3969/j.issn.1672-5166.2023.06.019

馆 藏 号：203125316...