面向ICD疾病分类的深度学习方法研究

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.

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

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：山东省自然科学基金ZR2017LF007

在线出版日期：2021-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：172-180