患者病历的多标签分类：ICD 编码分配的案例研究
计算与语言
2017-11-22 v3 人工智能
摘要
在电子健康记录的背景下，对患者病历进行自动诊断编码是一项有用的任务，但由于代码数量庞大且患者病历篇幅长，这也是一项极具挑战性的任务。我们研究了四种模型，用于为取自 MIMIC II 和 III 的出院小结分配多个 ICD 编码。我们提出了分层注意力 GRU（Hierarchical Attention-GRU, HA-GRU），这是一种通过识别与每个标签相关的句子来标记文档的分层方法。HA-GRU 取得了最先进的结果。此外，学习到的句子级注意力层突出了模型决策过程，使得错误分析更容易，并为未来的改进方向提供了建议。
引用
@article{arxiv.1709.09587,
title = {Multi-Label Classification of Patient Notes a Case Study on ICD Code Assignment},
author = {Tal Baumel and Jumana Nassour-Kassis and Raphael Cohen and Michael Elhadad and No`emie Elhadad},
journal= {arXiv preprint arXiv:1709.09587},
year = {2017}
}