基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
构建一种基于融合条目词嵌入和注意力机制的深度学习模型,可以充分利用电子病案中的多种非结构化文本数据,对病案首页的主要诊断进行自动ICD编码.该模型首先对含有病案条目的文本进行融合条目的词嵌入,并通过关键词注意力来丰富词级别的类别表示;然后利用词语注意力来突出重点词语的作用,增强文本表示;最后通过全连接神经网络分类器进行分类,输出ICD编码.通过在中文电子病案数据集上的消融实验,验证了融合条目词嵌入、关键词注意力和词语注意力的有效性;与多个基准模型相比,所建模型在对81种疾病的分类中取得最好的分类效果,可以有效地提高自动ICD编码的质量.
推荐文章
基于自注意力机制的方面情感分类
方面词
情感分类
自注意力机制
语义编码
融合注意力机制和区域生长的裂缝识别算法研究
数字图像
裂缝识别
区域生长
注意力机制
基于注意力机制的全景分割网络
全景分割
背景类实例重叠
三重态注意力机制
语义增强注意力机制
融合注意力机制的人机交互信息 半监督敏感数据抽取算法
注意力机制
人机交互
半监督
敏感数据抽取
BiLSTM模型
CRF模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于融合条目词嵌入和注意力机制的自动ICD编码
来源期刊 北京大学学报(自然科学版) 学科
关键词 自动ICD编码 融合条目词嵌入 关键词注意力 词语注意力 病案首页 主要诊断
年,卷(期) 2020,(1) 所属期刊栏目 专题报道:面向人工智能的自然语言分析与理解
研究方向 页码范围 1-8
页数 8页 分类号
字数 6034字 语种 中文
DOI 10.13209/j.0479-8023.2019.095
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵东岩 北京大学王选计算机研究所 19 115 7.0 10.0
2 严睿 北京大学王选计算机研究所 5 6 1.0 2.0
3 张虹科 北京大学王选计算机研究所 1 0 0.0 0.0
4 付振新 北京大学王选计算机研究所 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自动ICD编码
融合条目词嵌入
关键词注意力
词语注意力
病案首页
主要诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京大学学报(自然科学版)
双月刊
0479-8023
11-2442/N
16开
北京海淀北京大学校内
2-89
1955
chi
出版文献量(篇)
3152
总下载数(次)
8
总被引数(次)
52842
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导