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

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.

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

所属期刊栏目：15

分类号：R319(医用一般科学)

在线出版日期：2021-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：20-24