基于细粒度诊断系统的儿科呼吸系统疾病识别
人工智能
2021-08-25 v1
摘要
呼吸系统疾病，包括哮喘、支气管炎、肺炎和上呼吸道感染（RTI），是临床中最常见的疾病之一。这些疾病症状的相似性使得患者入院时难以立即诊断。在儿科中，患者表达自身状况的能力有限，使得精确诊断更加困难。这在基层医院更为严重，缺乏医学影像设备和医生的有限经验进一步增加了区分相似疾病的难度。本文提出了一种儿科细粒度诊断辅助系统，仅利用入院时的临床笔记即可提供即时且精确的诊断，从而在不改变诊断流程的情况下辅助临床医生。该系统包含两个阶段：检验结果结构化阶段和疾病识别阶段。第一阶段通过从临床笔记中提取相关数值来结构化检验结果，疾病识别阶段则基于文本形式的临床笔记和第一阶段获得的结构化数据提供诊断。我们为疾病识别阶段开发了一种新颖的深度学习算法，引入了自适应特征注入和多模态注意力融合等技术，以融合结构化和文本数据。来自超过 12000 名呼吸系统疾病患者的临床笔记用于训练深度学习模型，来自约 1800 名患者的不重叠集合的临床笔记用于评估训练后模型的性能。肺炎、上呼吸道感染、支气管炎和哮喘的平均精确率（AP）分别为 0.878、0.857、0.714 和 0.825，实现了 0.819 的平均精确率均值（mAP）。
引用
@article{arxiv.2108.10818,
title = {Identification of Pediatric Respiratory Diseases Using Fine-grained Diagnosis System},
author = {Gang Yu and Zhongzhi Yu and Yemin Shi and Yingshuo Wang and Xiaoqing Liu and Zheming Li and Yonggen Zhao and Fenglei Sun and Yizhou Yu and Qiang Shu},
journal= {arXiv preprint arXiv:2108.10818},
year = {2021}
}