[發明專利]基于醫學知識注入提示的少樣本ICD編碼方法和系統

有效

• 申請號: 202310517095.3
• 申請日: 2023-05-09
• 公開（公告）號: CN116227433B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 劉軍平;楊士臣;朱強;彭濤;胡新榮
• 申請（專利權）人: 武漢紡織大學
• 主分類號: G06F40/12
• 分類號: G06F40/12;G06F40/186;G16H15/00
• 代理公司: 武漢世躍專利代理事務所(普通合伙) 42273
• 代理人: 萬仲達

1.基于醫學知識注入提示的少樣本ICD編碼方法，其特征在于，包括以下步驟：

步驟S1，對輸入的醫學文本t進行預處理；

步驟S2，通過統一醫學語言系統UMLS和國際疾病分類ICD本體的醫學知識圖中的同義詞、縮寫、層次結構構建數據集，并且使用分層三重態損失對longformer模型進行預訓練，將結構化的醫學領域知識注入到longformer模型中；

步驟S2的具體實現方式如下；

S21，首先通過UMLS和ICD本體的醫學知識圖中的同義詞、縮寫、層次結構構建數據集；具體地說，對于每個ICD編碼c，從醫學知識圖中獲取與之相關聯的同義詞、縮寫、上位概念或下位概念，并根據關聯關系劃分正負樣本，正樣本為編碼c的縮寫或同義詞，負樣本為編碼c的上下級編碼、同級編碼；

S22，構建動態閾值控制的分層三重態損失Triplet?Loss損失函數，小批次B的分層三重態損失可表示為：

；

其中是小批次B中的所有三聯體，B中三聯體的數量，每個三聯體包括一個錨點，正樣本，負樣本，正樣本為錨點的縮寫或同義詞，負樣本為錨點的上位概念或下位概念；

是一個動態參數，它是根據錨點和負樣本之間的文本相似度來計算的；

對于三元組，動態參數計算為：

；

其中，錨點和負樣本為父子關系表示兩樣本為同一類中的上下級編碼，錨點和負樣本為兄弟關系表示兩樣本為同一類中的同級編碼；設定，表示錨點和不同類間的負樣本之間距離至少為π，而與錨點屬于同一類的負樣本將至少是范圍內的距離，，是反余弦函數，因此；

步驟S23，將數據集D輸入到longformer模型，在訓練過程中，longformer模型不斷地調整參數，以最小化損失函數，最終，得到一個訓練好的longformer模型，將輸入映射到輸出空間中，在ICD編碼問題中，輸出是一個概率分布，表示每個類別的概率；

步驟S3，利用UMLS為每個ICD編碼c生成一個對應的編碼描述，并將預處理后的醫學文本t、編碼描述和固定的文本模板拼接在一起，形成一個新的輸入序列，并利用訓練好的longformer模型對輸入序列進行分類，得出ICD編碼的分類結果；

步驟S3中，將醫學文本t、編碼描述和固定的文本模板拼接在一起，形成一個新的輸入序列：

；

代表輸入的醫學文本，代表編碼的類別數，mask為模型完型填空的占位符，代表ICD編碼，代表ICD編碼描述，“該患者[mask]患有”是固定的文本模板。

2.根據權利要求1所述的基于醫學知識注入提示的少樣本ICD編碼方法，其特征在于：步驟S1中的預處理包括：刪除所有標識標記，將標點符號和非字母數字字符替換為空白，去除多余的空白。