申请/专利权人：重庆邮电大学

申请日：2023-11-22

公开（公告）日：2024-02-27

公开（公告）号：CN117612662A

主分类号：G16H10/60

分类号：G16H10/60;G16H50/70;G06F16/31;G06F16/35;G06F40/126;G06F40/279;G06F40/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明涉及一种ICD自动编码预测方法，包括：获取电子病历，利用ICD自动编码模型，输出相似度评分最高的ICD编码。该ICD自动编码模型的训练过程包括：获取电子病历文本和对应的ICD编码，预处理；构建标签树，创建课程学习任务；转化所述输入词为词向量，得到词向量序列，输入编码器；将编码器输出的特征向量输入解码器进行解码，得到标签的向量表示；将解码器得到的聚合表征输入到分类器中，得到当前层的最终输出表示；将当前层的模型参数传递到下一层进行参数初始化，预测目标更新为当前层标签树上的节点集，重复训练，直到完成在标签树最后一层上的训练为止。本发明的重点在于利用标签的结构信息简化学习任务，同时提高预测准确率。

主权项：1.一种ICD自动编码预测方法，其特征在于，包括以下步骤：获取电子病历文本和对应的ICD编码；将所述电子病历文本和对应的ICD编码输入训练后的ICD自动编码模型中；得到ICD编码输出结果；所述ICD自动编码模型的训练过程包括以下步骤：S1：获取电子病历文本和对应的ICD编码，对所述文本进行预处理，得到输入词；S2：构建初始标签树，所述标签树为五层高度的ICD编码标签树，每个标签处于树的叶子节点上，创建课程学习任务，并对标签树中的每一层标签添加标签描述和进行词嵌入；S3：转化所述输入词为词向量，得到词向量序列，将该词向量序列输入编码器进行编码，得到训练后的特征向量矩阵；S4：将编码器输出的特征向量输入解码器进行解码，利用标签注意力机制计算得到输入电子病历文本关于标签的向量表示；S5：将解码器得到的聚合表征输入到分类器中，执行线性变化和池化，对电子病历文本和当前层ICD编码的特征向量进行相似度评分，得到预测结果，进而得到标签树上当前层的最终输出表示；S6：将当前层ICD自动编码模型的参数传递到下一层进行参数初始化，预测目标更新为标签树上当前层的节点集，重复步骤S3-S6，直到在标签树上的最后一层上计算损失函数，直至损失函数收敛或达到预设条件为止。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种ICD自动编码预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD