Diaformer：基于症状序列生成的自动诊断
人工智能
2021-12-21 v1
摘要
自动诊断已引起越来越多的关注，但由于多步推理仍具挑战性。近期工作通常通过强化学习方法解决它。然而，这些方法效率低下且需要任务特定的奖励函数。考虑到医生与患者间的对话使医生能够探查症状并做出诊断，诊断过程可自然视为包含症状与诊断的序列生成。受此启发，我们将自动诊断重新表述为症状序列生成（SG）任务，并提出一种基于 Transformer 的简单而有效的自动诊断模型（Diaformer）。我们首先设计症状注意力框架以学习症状询问与疾病诊断的生成。为缓解序列生成与隐式症状无序性之间的差异，我们进一步设计了三种无序训练机制。在三个公开数据集上的实验表明，我们的模型以最高训练效率在疾病诊断上优于基线 1%、6% 与 11.5%。对症状询问预测的详细分析展示了将症状序列生成应用于自动诊断的潜力。
引用
@article{arxiv.2112.10433,
title = {Diaformer: Automatic Diagnosis via Symptoms Sequence Generation},
author = {Junying Chen and Dongfang Li and Qingcai Chen and Wenxiu Zhou and Xin Liu},
journal= {arXiv preprint arXiv:2112.10433},
year = {2021}
}
备注
AAAI 2022; The first two authors contributed equally to this paper