基于自注意力机制的CNN-LSTM模型在ICD智能编码系统中的应用研究

• 作者: 王阳阳 郑西川
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: ICD 卷积神经网络 长短期记忆神经网络 自注意力 多标签
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 特别专题
• 页码范围: 20-24
• 页数: 5页
• 分类号: R319
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2020.11.005

摘要

国际疾病分类编码(ICD)是医院信息化的重要支撑,也是我国居民健康卫生统计的依据.目前的ICD智能编码系统大多只对电子病历赋予一个单一的编码,未考虑到每份病历可能对应着多个编码,即多标签分类.为解决ICD编码效率低、质量差的问题,提出了一种卷积神经网络(convolutional neural network,CNN)和长短期记忆神经网络(long short-term memory neural network,LSTM)结合的模型,并增加了自注意力机制,实现ICD编码的多标签分类.采集出院小结作为实验数据,利用CNN提取不同ICD编码的特征向量,利用LSTM和注意力机制结合标签的关联信息,在测试集上的微F1、宏F1和准确率分别达到了0.91、0.89和0.75.实验表明,基于注意力机制的CNN-LSTM模型在ICD智能编码任务上有优秀的表现,明显优于基于支持向量机的二元关联模型和分类器链模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑西川		62	703	15.0	22.0
2	王阳阳		2	0	0.0	0.0