用于可解释 ICD-9 分类的基于描述的标签注意力分类器
机器学习
2021-09-27 v1 信息检索
摘要
ICD-9 编码是一项相关的临床计费任务，其中带有患者诊断和治疗的非结构化文本被标注多个 ICD-9 代码。自动化 ICD-9 编码是一个活跃的研究领域，基于 CNN 和 RNN 的模型架构代表了最先进的方法。在这项工作中，我们提出了一种基于描述的标签注意力分类器，以在处理像临床笔记这样的噪声文本时提高模型的可解释性。我们在 MIMIC-III-50 数据集上使用不同的基于 transformer 的编码器评估了我们所提出的方法。我们的方法取得了强劲的结果，并增强了可解释性。
引用
@article{arxiv.2109.12026,
title = {Description-based Label Attention Classifier for Explainable ICD-9 Classification},
author = {Malte Feucht and Zhiliang Wu and Sophia Althammer and Volker Tresp},
journal= {arXiv preprint arXiv:2109.12026},
year = {2021}
}
备注
Accepted at the Workshop on Noisy User-generated Text (W-NUT) at EMNLP 2021