ACLMay, 2023

一种用于高效 ICD 编码的两阶段解码器

PDF
TL;DR本文提出了一个两阶段解码机制来预测国际疾病分类（ICD）码，该模型利用了代码的分层属性，在公共 MIMIC-III 数据集上表现良好。
icd codingmultilabel text classificationtwo-stage decoding mechanismhierarchical propertiesmimic-iii
发现论文，激发创造
  • 辅助知识引导的自动多标签医学文档分类学习

    本文提出了一种新颖的 ICD 索引方法，采用多级深度扩张残余卷积编码器来聚合临床记录的信息，学习不同长度文本的文档表示；通过辅助医疗记录的医学知识，包括临床文本、临床编码术语和药物处方等，以更好地推断 ICD 代码；引入图卷积网络利用 ICD 代码的共现模式，提高标签表示质量。实验结果表明，所提出的方法在多项指标上达到了最先进的性能。

    May, 2024

  • 利用深度学习实现自动化 ICD 编码

    本文提出了一种具有注意力机制的分层深度学习模型，该模型可以根据诊断描述自动分配 ICD 诊断代码。实验结果表明，我们的深度学习模型能够在合理的范围内自动编码，并为计算机辅助 ICD 编码提供了框架。

    Nov, 2017

  • 基于相关和层次码描述筛选的一种新型 ICD 编码框架

    基于关联和层次化代码描述提炼（AHDD）的新框架用于改善代码表示学习和避免错误的代码分配。实验证明，该框架在基准数据集上优于几种最先进的基线方法。

    Apr, 2024

  • 基于树型对比学习的半结构化自动 ICD 编码研究

    通过研究调查临床记录的半结构化性质，我们提出了一种自动算法将其分割为不同的部分。为了解决现有 ICD 编码模型在数据有限性方面的可变性问题，我们引入了对于部分使用基于树编辑距离的软多标签相似度度量的对比预训练方法。此外，我们设计了一个掩码部分训练策略，使 ICD 编码模型能够定位与 ICD 编码相关的部分。广泛的实验结果表明，我们提出的训练策略有效地提升了现有 ICD 编码方法的性能。

    Oct, 2023

  • HieNet：自动 ICD 编码的双向层级框架

    本研究提出了一种新颖的双向层次框架（HieNet），其中包括个性化的 PageRank 算法、双向层次通道编码器和渐进预测方法，以解决医疗记录自动 ICD 编码中存在的异质性、标签不平衡和 ICD 代码之间复杂关系的挑战，两个广泛使用的数据集上的实验结果表明，我们的方法将预测性能大幅提升。

    Dec, 2022

  • 自动医学编码推荐的多阶段检索和再排序模型

    本文介绍了一种用于 ICD 编码的多阶段 “检索和重排序” 框架，通过混合离散检索方法和对比学习，在一个简化的标签空间中使模型能够更准确地预测，实验结果显示该方法在 MIMIC-III 基准测试上达到了最先进的性能水平。

    May, 2024

  • 一种基于注意力机制的临床文本 ICD 编码标签模型

    本文提出了一种新的标签关注模型和层级联合学习机制，可自动处理 ICD 编码和解决类别不平衡问题，并取得了三个基准 MIMIC 数据集的最新技术成果。

    Jul, 2020

  • 实体锚定 ICD 编码

    本文介绍了一种将自然语言处理应用于医学编码的方法，该方法限制了模型输入的范围并构建基于本地上下文的 ICD 代码和实体的上下文表示，并在此基础上进行文献级预测，这种方法在处理所有类型的 ICD 代码方面表现出优异的效果，包括在处理罕见和未见过的代码时也表现出色。

    Aug, 2022

  • 自动 ICD 编码的诊断标签相关性建模

    提出一个两阶段的框架，通过捕捉标签相关性来提高自动 ICD 编码，利用标签集分布估计器和基准预测器来生成每个标签集候选项的概率，并重排序，以解决测量标签相关性的问题。

    Jun, 2021

  • 使用基于分区标签注意力的自动 ICD 编码网络

    本论文提出一种新的神经网络架构，用于自动 ICD 编码，它包含两种编码器和两种标签注意层，分别从输入中提取重要的全局和局部特征表示，有效地提高了性能。我们在 MIMIC-III 数据集上验证了所提出方法的有效性。

    Nov, 2022