一种基于深度神经网络的临床记录ICD自动编码方法

摘要：

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.

关键词：ICD编码、多尺度、残差网络、图卷积网络

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;中央高校基本科研业务费专项资金项目;安徽省重点研发计划项目

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：1-15