| 基于多任务学习的国际疾病分类自动编码模型 |
| |
| 引用本文： | 张艺,滕飞,胡节.基于多任务学习的国际疾病分类自动编码模型[J].广西科学,2023,30(1):114-120. |
| |
| 作者姓名： | 张艺 滕飞 胡节 |
| |
| 作者单位： | 西南交通大学计算机与人工智能学院, 四川成都 611756 |
| |
| 基金项目： | 四川省国际科技创新合作项目(2022YFH0020)和四川省重点研发项目(2021YFG0136)资助。 |
| |
| 摘 要： | 国际疾病分类(International Classification of Diseases,ICD)编码任务是将疾病编码分配给电子病历，每份电子病历分配一个或多个ICD编码。现有的方法大多考虑临床文本中症状与诊断之间的关系，而对诊断与诊断间关系以及症状与症状间关系缺乏考量。针对这一现状，对于诊断与诊断间关系，构造编码共现任务，采用多任务的形式使得预测结果不依赖于标签之间的顺序关系，且不会进行错误预测的传播；对于症状与症状间关系，使用对比学习获取有意义的表征，学习同一临床文本中的症状一致性。通过以上任务的组合，构建基于多任务学习的ICD自动编码模型框架。在MIMIC-Ⅲ数据集上的实验表明，所提出的方法相较于优异模型在Micro-f1指标上提高了1.0%，在Micro-auc指标上提高了0.3%，在P@5指标上提高了0.7%。
|
| 关 键 词： | ICD编码|多任务学习|编码共现|对比学习|自然语言处理 |
Auto-encoding Model Based on Multi-Task Learning for International Classification of Diseases (ICD) |
| |
| ZHANG Yi,TENG Fei,HU Jie.Auto-encoding Model Based on Multi-Task Learning for International Classification of Diseases (ICD)[J].Guangxi Sciences,2023,30(1):114-120. |
| |
| Authors: | ZHANG Yi TENG Fei HU Jie |
| |
| Institution: | School of Computer and Artificial Intelligence, Southwest Jiaotong University, Chengdu, Sichuan, 611756, China |
| |
| Abstract: | |
| |
| Keywords: | ICD encoding|multi-task learning|code co-occurrence|contrastive learning|natural language processing |
|
| 点击此处可从《广西科学》浏览原始摘要信息 |
| 点击此处可从《广西科学》下载免费的PDF全文 |
