国际疾病分类(International Classification of Diseases,ICD)编码任务将医学编码分配给电子健康记录(electronic health record,EHR),为医疗报销、临床决策等医疗服务提供支持。目前,ICD自动编码方法大多将注意力集中在学习临床文本...国际疾病分类(International Classification of Diseases,ICD)编码任务将医学编码分配给电子健康记录(electronic health record,EHR),为医疗报销、临床决策等医疗服务提供支持。目前,ICD自动编码方法大多将注意力集中在学习临床文本表示和建模标签关联,忽略了现有相似实例中蕴含丰富的知识。针对该问题,提出一种基于去偏对比学习和最近邻机制的ICD自动编码方法。首先,利用编码同义词注意力提取编码特定文本表示,并通过去偏对比学习优化文本嵌入;在预测阶段,将训练样本作为参考,使用k近邻(k-nearest neighbors,KNN)检索邻近实例;最后对以上两部分预测结果进行加权求和得到最终编码预测得分。在MIMIC-Ⅲ数据集的两个子集上的实验结果表明,该模型相较于基准模型在Macro-F1和P@5指标上分别提升0.6%~1.1%和0.5%~0.7%,验证了模型的有效性。展开更多
尽管当前《国际疾病分类第十次修订本》(International Classification of Diseases,10th Revision,ICD-10)编码体系已广泛应用于疾病分类管理,但疾病严重度的评估方法存仍在效率低等问题。为此,本文以睡眠窒息症为研究对象,首先,通过...尽管当前《国际疾病分类第十次修订本》(International Classification of Diseases,10th Revision,ICD-10)编码体系已广泛应用于疾病分类管理,但疾病严重度的评估方法存仍在效率低等问题。为此,本文以睡眠窒息症为研究对象,首先,通过多源传感器获取心音、心电、呼吸力学、通气功能和氧合功能5类生理信号。随后,基于卷积神经网络和挤压-激励注意力机制构建了一种疾病严重度测量模型。传感器数据采集技术的稳定性和精度分析结果表明,本文提出的采集技术具有较高的稳定性和精度。与多导睡眠图金标准在统计学1%水平上具有显著性差异。应用效果分析实验结果表明,研究提出的疾病严重度测量模型和专家评估结果的睡眠呼吸暂停指数拟合度系数达到0.986,对4种睡眠窒息症严重度的测量准确率均超过95%,且均优于对比模型。上述结果表明,本文提出的疾病严重度测量模型具有有效性和实用价值,为医疗自动化相关研究领域提供理论支撑。展开更多
为推进国际疾病分类第十一次修订本(international classification of diseases-11,ICD-11)在我国的落地应用,相关部门已积极采取多项举措,包括建设ICD-11中文官方平台、在全国范围组织开展试点工作,以及研发基于ICD-11的疾病诊断相关分...为推进国际疾病分类第十一次修订本(international classification of diseases-11,ICD-11)在我国的落地应用,相关部门已积极采取多项举措,包括建设ICD-11中文官方平台、在全国范围组织开展试点工作,以及研发基于ICD-11的疾病诊断相关分组(diagnosis related groups,DRGs)等,全面加速ICD-11在我国的推广与实施进程。通过对比分析明确ICD-11中妊娠期高血糖相关内容与现行国际疾病分类第十次修订本(international classification of diseases-10,ICD-10)之间的异同,同时结合疾病最新国内外指南,明确各版ICD与临床最新进展之间的差异。研究结果表明ICD-11解决了ICD-10中原有的胰岛素依赖型糖尿病、原有的非胰岛素依赖型糖尿病与临床医师诊断不匹配的问题,解决了原有与营养不良有关糖尿病的归属问题。同时针对妊娠期高血糖临床指南与ICD之间的差异,对新版本修订提出了建议。本研究的核心目标在于深化病案编码人员对ICD-11中妊娠期高血糖分类的认知与应用能力,从而为我国ICD-11的顺利推行做好必要的专业人才储备。展开更多
摘要国际疾病分类(International Classification of Diseases,ICD)编码任务将医学编码分配给电子健康记录(electronic health record,EHR),为医疗报销、临床决策等医疗服务提供支持。目前,ICD自动编码方法大多将注意力集中在学习临床文本表示和建模标签关联,忽略了现有相似实例中蕴含丰富的知识。针对该问题,提出一种基于去偏对比学习和最近邻机制的ICD自动编码方法。首先,利用编码同义词注意力提取编码特定文本表示,并通过去偏对比学习优化文本嵌入;在预测阶段,将训练样本作为参考,使用k近邻(k-nearest neighbors,KNN)检索邻近实例;最后对以上两部分预测结果进行加权求和得到最终编码预测得分。在MIMIC-Ⅲ数据集的两个子集上的实验结果表明,该模型相较于基准模型在Macro-F1和P@5指标上分别提升0.6%~1.1%和0.5%~0.7%,验证了模型的有效性。
摘要尽管当前《国际疾病分类第十次修订本》(International Classification of Diseases,10th Revision,ICD-10)编码体系已广泛应用于疾病分类管理,但疾病严重度的评估方法存仍在效率低等问题。为此,本文以睡眠窒息症为研究对象,首先,通过多源传感器获取心音、心电、呼吸力学、通气功能和氧合功能5类生理信号。随后,基于卷积神经网络和挤压-激励注意力机制构建了一种疾病严重度测量模型。传感器数据采集技术的稳定性和精度分析结果表明,本文提出的采集技术具有较高的稳定性和精度。与多导睡眠图金标准在统计学1%水平上具有显著性差异。应用效果分析实验结果表明,研究提出的疾病严重度测量模型和专家评估结果的睡眠呼吸暂停指数拟合度系数达到0.986,对4种睡眠窒息症严重度的测量准确率均超过95%,且均优于对比模型。上述结果表明,本文提出的疾病严重度测量模型具有有效性和实用价值,为医疗自动化相关研究领域提供理论支撑。
摘要为推进国际疾病分类第十一次修订本(international classification of diseases-11,ICD-11)在我国的落地应用,相关部门已积极采取多项举措,包括建设ICD-11中文官方平台、在全国范围组织开展试点工作,以及研发基于ICD-11的疾病诊断相关分组(diagnosis related groups,DRGs)等,全面加速ICD-11在我国的推广与实施进程。通过对比分析明确ICD-11中妊娠期高血糖相关内容与现行国际疾病分类第十次修订本(international classification of diseases-10,ICD-10)之间的异同,同时结合疾病最新国内外指南,明确各版ICD与临床最新进展之间的差异。研究结果表明ICD-11解决了ICD-10中原有的胰岛素依赖型糖尿病、原有的非胰岛素依赖型糖尿病与临床医师诊断不匹配的问题,解决了原有与营养不良有关糖尿病的归属问题。同时针对妊娠期高血糖临床指南与ICD之间的差异,对新版本修订提出了建议。本研究的核心目标在于深化病案编码人员对ICD-11中妊娠期高血糖分类的认知与应用能力,从而为我国ICD-11的顺利推行做好必要的专业人才储备。