大数据 ›› 2020, Vol. 6 ›› Issue (5): 3-15.doi: 10.11959/j.issn.2096-0271.2020040

• 专题:医学大数据 • 上一篇    

一种基于深度神经网络的临床记录ICD自动编码方法

杜逸超1,徐童1,马建辉1,陈恩红1,郑毅2,刘同柱3,童贵显3   

  1. 1 中国科学技术大学计算机科学与技术学院,安徽 合肥 230027
    2 华为技术有限公司,浙江 杭州 310007
    3 中国科学技术大学附属第一医院,安徽 合肥 230027
  • 出版日期:2020-09-20 发布日期:2020-09-29
  • 作者简介:杜逸超(1997- ),男,中国科学技术大学计算机科学与技术学院硕士生,主要研究方向为数据挖掘、知识图谱|徐童(1988- ),男,博士,中国科学技术大学计算机科学与技术学院副教授,主要研究方向为数据挖掘|马建辉(1975- ),男,中国科学技术大学计算机科学与技术学院讲师,主要研究方向为数据挖掘|陈恩红(1968- ),男,博士,中国科学技术大学计算机科学与技术学院教授,主要研究方向为数据挖掘和机器学习|郑毅(1987- ),男,博士,华为技术有限公司自然语言处理技术专家,主要研究方向为自然语言处理和机器学习|刘同柱(1967- ),男,博士,中国科学技术大学附属第一医院副研究员,主要研究方向为健康大数据和医院管理|童贵显(1991- ),男,中国科学技术大学附属第一医院初级经济师,主要研究方向为健康大数据和医院管理
  • 基金资助:
    国家自然科学基金资助项目(U1605251);国家自然科学基金资助项目(61703386);中央高校基本科研业务费专项资金项目(WK911000014);安徽省重点研发计划项目(1804b06020377)

An automatic ICD coding method for clinical records based on deep neural network

Yichao DU1,Tong XU1,Jianhui MA1,Enhong CHEN1,Yi ZHENG2,Tongzhu LIU3,Guixian TONG3   

  1. 1 School of Computer Science and Technology,University of Science and Technology of China,Hefei 230027,China
    2 Huawei Technologies Co.,Ltd.,Hangzhou 310007,China
    3 The First Affiliated Hospital of USTC,Hefei 230027,China
  • Online:2020-09-20 Published:2020-09-29
  • Supported by:
    The National Natural Science Foundation of China(U1605251);The National Natural Science Foundation of China(61703386);The Fundamental Research Funds for the Central Universities(WK911000014);The Key Research and Development Program of Anhui Province(1804b06020377)

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

Abstract:

With the increase in the number of the international classification of diseases (ICD) codes,the difficulty and cost of manual coding based on clinical records have greatly increased,and automatic ICD coding technology has attracted widespread attention.A multi-scale residual graph convolution network automatic ICD coding technology was proposed.This technology uses a multi-scale residual network to capture text patterns of different lengths of clinical text and extracts the hierarchical relationship between labels based on the graph convolutional neural network to enhance the ability of automatic coding.The experimental results on the real medical data set MIMIC-III show that the P@k and Micro-F1 of this method are 72.2% and 53.9%,respectively,which significantly improves the prediction performance.

Key words: ICD coding, multi-scale, residual network, graph convolutional network

中图分类号: 

No Suggested Reading articles found!