[發(fā)明專利]基于存儲(chǔ)網(wǎng)絡(luò)的病案文本ICD9代碼自動(dòng)分配方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111145867.2
• 申請(qǐng)日: 2021-09-28
• 公開（公告）號(hào): CN113782137A
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計(jì)）人: 洪旭東
• 申請(qǐng)（專利權(quán)）人: 長三角信息智能創(chuàng)新研究院
• 主分類號(hào): G16H15/00
• 分類號(hào): G16H15/00;G06F40/242;G06F40/284;G06N3/04;G06N3/08
• 代理公司: 北京潤平知識(shí)產(chǎn)權(quán)代理有限公司 11283
• 代理人: 董杰

1.一種基于存儲(chǔ)網(wǎng)絡(luò)的病案文本ICD9代碼自動(dòng)分配方法，其特征在于，包括：

步驟1、從互聯(lián)網(wǎng)上獲取數(shù)據(jù)，包括病案文本及其對(duì)應(yīng)的ICD9代碼；去除病案文本和ICD9代碼描述文本中出現(xiàn)次數(shù)小于2大于3000的單詞，并將病案文本的長度處理成N，大于固定長度的截?cái)啵∮诠潭ㄩL度的補(bǔ)空字符串；數(shù)據(jù)集中所有的ICD9代碼組成的集合為C，隨機(jī)從獲取的數(shù)據(jù)中取出M個(gè)病案及其對(duì)應(yīng)的ICD9代碼作為訓(xùn)練數(shù)據(jù)集，將其中詞語共V個(gè)存入詞典；

步驟2、使用Gensim工具，在所有訓(xùn)練集病案文本的基礎(chǔ)上，訓(xùn)練Skip-gram詞向量，得到其中每個(gè)詞對(duì)應(yīng)的d維向量表示，構(gòu)成詞向量矩陣E∈R^V×d；

步驟3、通過訓(xùn)練數(shù)據(jù)集獲得矩陣表示c個(gè)ICD9代碼被分配給了訓(xùn)練集中第i個(gè)病案；利用ICD9代碼共現(xiàn)矩陣生成算法生成集合C對(duì)應(yīng)的ICD9代碼共現(xiàn)矩陣G∈R^|C|×|C|，算法中的ω為正整數(shù)，p∈[0，1]、f為正整數(shù)；

步驟4、將訓(xùn)練數(shù)據(jù)集隨機(jī)分成若干個(gè)大小為B的批量，并分批進(jìn)行參數(shù)訓(xùn)練；

步驟5、反復(fù)執(zhí)行10-20輪步驟4，將得到參數(shù)及對(duì)應(yīng)的值進(jìn)行持久化保存；

步驟6、使用第5步中得到的參數(shù)值，作為步驟4中各參數(shù)的值，并針對(duì)測(cè)試數(shù)據(jù)，執(zhí)行步驟4，將{c|o_i，c＞θ}作為分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于存儲(chǔ)網(wǎng)絡(luò)的病案文本ICD9代碼自動(dòng)分配方法，其特征在于，步驟4中包括：

步驟4.1、針對(duì)每個(gè)批量中每個(gè)病案文本執(zhí)行：

步驟4.1.1、將每個(gè)病案文本表示為詞語one-hot向量所組成的矩陣表示該文本的第n個(gè)位置，為詞典中的第v個(gè)詞；將送入詞向量層，即通過得到病案文本內(nèi)容的詞向量表示

步驟4.1.2、將送入多層卷積網(wǎng)絡(luò)對(duì)病案文本進(jìn)行特征提取，計(jì)算過程為(1)式和(2)式；其中，CNN_l表示第l層CNN，CNN的卷積核大小為3、移動(dòng)幅度為1、輸出通道數(shù)為2*d；pad()表示將在或的第1維上前后各增加1個(gè)向量0^d；經(jīng)過L層CNN后將得到

步驟4.1.3、為每個(gè)ICD9代碼設(shè)置1個(gè)內(nèi)容提取向量U_c∈R^d，通過attention機(jī)制找到與其密切相關(guān)的內(nèi)容，計(jì)算過程為(3)式和(4)式，得到語義表示H_i，c∈R^d，將所有H_i，c都作為存儲(chǔ)單元進(jìn)行存儲(chǔ)；

步驟4.1.4、為每個(gè)ICD9代碼設(shè)置1個(gè)語義向量W_c∈R^2d和1個(gè)GRU_c單元；所有GRU_c的輸入尺寸為|C|，輸出尺寸為d；并對(duì)每個(gè)ICD9代碼通過(5)式和(6)式進(jìn)行多輪分類，其中，表示向量的拼接，y_i，s∈[0，1]^|C|表示經(jīng)過s輪分類后得到所有ICD9代碼的分類結(jié)果，y_i，0＝0^|C|；最終經(jīng)過S輪分類后，得到分類結(jié)果o_i，c＝y(tǒng)_i，S，c＝[0，1]。

t_i，s，c＝GRU_c(G_c*y_i，s-1，t_i，s，c-1) (5)

3.根據(jù)權(quán)利要求1所述的基于存儲(chǔ)網(wǎng)絡(luò)的病案文本ICD9代碼自動(dòng)分配方法，其特征在于，步驟4中還包括：

步驟4.2、按(7)式計(jì)算該批量對(duì)應(yīng)的交叉熵?fù)p失。

4.根據(jù)權(quán)利要求1所述的基于存儲(chǔ)網(wǎng)絡(luò)的病案文本ICD9代碼自動(dòng)分配方法，其特征在于，步驟4中還包括：

步驟4.3、使用批量梯度下降算法及Adam優(yōu)化算法，將學(xué)習(xí)率設(shè)置為μ，將待學(xué)習(xí)的參數(shù)設(shè)置為E、W_c、U_c、{CNN_l}_l＝1：L、{GRU_c}_c＝1：|C|，根據(jù)loss進(jìn)行參數(shù)學(xué)習(xí)。

5.根據(jù)權(quán)利要求1所述的基于存儲(chǔ)網(wǎng)絡(luò)的病案文本ICD9代碼自動(dòng)分配方法，其特征在于，在步驟6中，使用第5步中得到的參數(shù)值，作為步驟4.1中各參數(shù)的值，并針對(duì)測(cè)試數(shù)據(jù)，執(zhí)行步驟4.1，將{c|o_i，c＞θ}作為分類結(jié)果。