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

在審

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

本發(fā)明公開了一種基于存儲網(wǎng)絡(luò)的病案文本ICD9代碼自動分配方法，包括首先使用CNN對病案文本進行特征提取，獲得病案文本中每個詞語的語義表示。然后為每個ICD9代碼設(shè)置1個相關(guān)內(nèi)容提取向量，利用關(guān)注機制，從病案文本中提取相關(guān)內(nèi)容獲得其語義表，將每個ICD9代碼對應(yīng)提取到的相關(guān)內(nèi)容語義表示，作為存儲單位。最后為每個ICD9代碼設(shè)置1個GRU單元、1個代碼語義向量，針對每個ICD9代碼進行多輪分類，GRU單元用于編碼上一輪每個ICD9代碼的分類結(jié)果，每輪次的分類將依據(jù)當前ICD9代碼對應(yīng)的存儲單元、上一輪分類結(jié)果、代碼語義向量，從而利用不同ICD9代碼分類結(jié)果的相關(guān)性，提高ICD9代碼自動分配的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于存儲網(wǎng)絡(luò)的病案文本ICD9代碼自動分配方法。

背景技術(shù)

病案文本的內(nèi)容是病人的在醫(yī)療過程中的診療記錄。ICD9代碼對應(yīng)的是疾病和手術(shù)。一個病人在一次診療過程中可能會有多個疾病、經(jīng)歷多個手術(shù)。病案文本ICD9代碼自動分配，是要為病案文本自動分配相應(yīng)的ICD9 代碼。其中，一個病案文本可以被分配多個ICD9代碼。

在現(xiàn)有方法中，常常將每個ICD9代碼看成一個標簽，將病案文本ICD9 代碼自動分配看成文本多標簽分類問題，逐一判斷每個ICD9代碼與病案文本是否相關(guān)。具體的，第一種方法中，為每個案ICD9代碼設(shè)置1個相關(guān)內(nèi)容提取向量，1個語義向量。針對每個ICD9代碼，利用內(nèi)容提取向量，從病案文本中提取相關(guān)內(nèi)容獲得其語義表示，與相應(yīng)ICD9代碼的語義向量進行比較，得到分類結(jié)果。該方法沒有考慮ICD9代碼之間的相互關(guān)系，每個 ICD9代碼的分類過程是彼此獨立的。在第二種方法中，首先對ICD9代碼的描述文本進行編碼，得到ICD9代碼的內(nèi)容提取向量，在此基礎(chǔ)上進一步結(jié)合ICD9代碼之間的共現(xiàn)和層次關(guān)系得到ICD9代碼的語義向量，然后再針對每個ICD9代碼進行相關(guān)內(nèi)容提取和分類。第二種方法沒有考慮ICD9代碼分類結(jié)果之間的關(guān)系。第三種方法首先將ICD9描述文本及共現(xiàn)關(guān)系的編碼結(jié)果作為相關(guān)內(nèi)容提取向量，額外還為每個ICD9代碼定義了一個相關(guān)內(nèi)容提取向量；然后針對每個ICD9代碼，使用兩個向量同時從病案文本中提取相關(guān)內(nèi)容獲得其語義特征表示并進行拼接；最后將拼接結(jié)果與相應(yīng)的 ICD9代碼語義向量相比較，獲得分類結(jié)果，在分類時其還利用了ICD9代碼的層次結(jié)構(gòu)，從上到下逐層進行分類，前一層的分類結(jié)果是后一層分類的依據(jù)。該方法雖然考慮了不同層次ICD9代碼分類結(jié)果之間的關(guān)系。但沒有考慮同一層ICD9代碼分類結(jié)果之間的關(guān)系，也沒有進行多輪分類。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于存儲網(wǎng)絡(luò)的病案文本ICD9代碼自動分配方法，該方法有效利用不同ICD9代碼分類結(jié)果的相關(guān)性，大大提高了ICD9 代碼自動分配的效果。

為了實現(xiàn)上述目的，本發(fā)明提供了一種基于存儲網(wǎng)絡(luò)的病案文本ICD9 代碼自動分配方法，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，大于固定長度的截斷，小于固定長度的補空字符串；數(shù)據(jù)集中所有的ICD9代碼組成的集合為C，隨機從獲取的數(shù)據(jù)中取出M個病案及其對應(yīng)的ICD9代碼作為訓練數(shù)據(jù)集，將其中詞語共V個存入詞典；

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

步驟3、通過訓練數(shù)據(jù)集獲得矩陣表示c個ICD9 代碼被分配給了訓練集中第i個病案；利用ICD9代碼共現(xiàn)矩陣生成算法生成集合C對應(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、將訓練數(shù)據(jù)集隨機分成若干個大小為B的批量，并分批進行參數(shù)訓練；

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