Jul, 2021
读、参与、编码:机器从临床笔记中预测医学编码的极限挑战
Read, Attend, and Code: Pushing the Limits of Medical Codes Prediction
from Clinical Notes by Machines
TL;DR通过使用卷积神经网络(CNN)和长短期记忆(LSTM)网络,将医疗代码分配映射与卷积嵌入相连接,使用自我关注和代码标题引导注意力模块,结合基于句子排列的数据增强和随机权重平均训练,该研究提供的Read,Attend和Code(RAC)模型在医疗代码预测方面超越了人类编码基线,成为完全自主医疗编码(AMC)机器实现医学代码预测的新的最佳性能水平(SOTA)。