深層学習を用いた自動ICD符号化に向けて【JST・京大機械翻訳】

Shi Haoran; Xie Pengtao; Hu Zhiting; Zhang Ming; Xing Eric P.

プレプリント

J-GLOBAL ID：202202204167993256 整理番号：22P0000506

深層学習を用いた自動ICD符号化に向けて【JST・京大機械翻訳】

Towards Automated ICD Coding Using Deep Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2017年11月10日プレプリントサーバーでの情報更新日： 2017年11月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

国際疾病分類(ICD)は,臨床および管理目的のための異なる疾患および条件の著者の健康管理分類システムである。総合診断に基づく各患者入院に正しいコードを割り当てるための複雑で専用のプロセスを考慮して,著者らは,記述診断を与えるICD診断コードを自動的に割り当てることができる注意機構を有する階層的深層学習モデルを提案した。文字認識された神経言語モデルを利用して,書かれた診断記述とICD符号の隠れ表現を生成し,記述と対応する符号の数の間の不整合に取り組むための注意機構を設計した。著者らの実験結果は,診断記述から自動ICD符号化の強い可能性を示した。著者らの最良モデルは,それぞれ受信者動作特性の曲線の下でF1スコアと面積の0.53と0.90を達成した。結果は,特性非意識符号化方式または注意機構なしで達成したものより優れていた。それは,著者らの提案した深層学習モデルが合理的方法で自動的にコードすることができて,コンピュータ-補助ICD符号化のためのフレームワークを提供することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般 , パターン認識

, ,

前のページに戻る