面向ICD疾病分类的深度学习方法研究

• 作者: 张述睿 张伯政 张福鑫 杨万春
• 来源期刊: 计算机工程与应用
• 关键词: ICD疾病分类 大标签空间 多标签 图注意力网络 深度学习 注意力重构
• 年，卷（期）: 2021,（18）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 172-180
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2006-0032

摘要

国际疾病分类(ICD)是用于临床目的和健康管理的分类工具,是卫生统计数据的建立基础,在其庞大的分类体系中,含有与疾病健康问题和临床治疗相关的分类和对应的代码.针对在国际疾病分类的庞大标签空间中的多标签分类问题,提出一种端到端的深度学习方法.采用改进的图注意力网络对标签空间进行建模,基于注意力重构的多标签分类器进行分类.在标签空间建模中,结合国际疾病分类中手术与操作分类的层次结构,构建出三种不同的图结构,利用图注意力网络将标签空间的结构信息融入到模型中,从而利用标签之间的依赖关系进行多标签文本分类.所提出的方法与实际应用场景有着紧密联系.实验表明,在临床国际疾病分类数据集上,相比于传统文本分类和其他标签空间建模方法,所提方法在分类性能上有明显的提升.