复制循环神经网络结构网络
机器学习
2023-06-28 v2 信息检索
摘要
电子健康记录（EHR）编码涉及将EHR自动分类为诊断码。虽然以往多数研究将其视为多标签分类任务，为每个码生成概率并选择高于某一阈值的作为标签，这些方法常忽视识别复杂疾病的挑战。本研究聚焦于检测EHR中的并发症疾病。我们提出一种称为复制循环神经网络结构网络（CRNNet）的由粗到细ICD路径生成新框架，其采用路径生成器（PG）和路径判别器（PD）进行EHR编码。通过使用RNN生成序列输出并融入复制模块，我们高效识别并发症疾病。我们的方法在预测中实现了57.30%的复杂疾病比例，优于最先进及以往方法。此外，通过消融研究，我们证明复制机制在检测复杂疾病中起关键作用。
引用
@article{arxiv.2305.13250,
title = {Copy Recurrent Neural Network Structure Network},
author = {Xiaofan Zhou and Xunzhu Tang},
journal= {arXiv preprint arXiv:2305.13250},
year = {2023}
}
备注
Need modification