用于医疗编码预测的多任务重校准聚合网络
计算与语言
2021-09-27 v3
摘要
医疗编码将专业撰写的医疗报告转换为标准化编码，是医疗信息系统与医疗保险报销的重要环节。由受训人工编码员手动编码耗时且易错。因此，自动化编码算法得以发展，尤其依托机器学习与深度神经网络的最新进展。为解决编码冗长且含噪声的临床文档以及捕捉编码关联的挑战，我们提出一种多任务重校准聚合网络。具体而言，多任务学习在不同编码方案间共享信息并捕捉不同医疗编码间的依赖关系。共享模块中的特征重校准与聚合增强了针对冗长病历的表示学习。在真实世界 MIMIC-III 数据集上的实验显示出显著改善的预测性能。
引用
@article{arxiv.2104.00952,
title = {Multitask Recalibrated Aggregation Network for Medical Code Prediction},
author = {Wei Sun and Shaoxiong Ji and Erik Cambria and Pekka Marttinen},
journal= {arXiv preprint arXiv:2104.00952},
year = {2021}
}
备注
ECML-PKDD 2021