Fugu-MT 論文翻訳(概要): Description-based Label Attention Classifier for Explainable ICD-9 Classification

論文の概要: Description-based Label Attention Classifier for Explainable ICD-9 Classification

arxiv url: http://arxiv.org/abs/2109.12026v1
Date: Fri, 24 Sep 2021 15:31:38 GMT
ステータス: 処理完了
システム内更新日: 2021-09-27 14:01:52.700493
Title: Description-based Label Attention Classifier for Explainable ICD-9 Classification
Title（参考訳）: 説明可能なICD-9分類のための記述型ラベル注意分類器
Authors: Malte Feucht, Zhiliang Wu, Sophia Althammer, Volker Tresp
Abstract要約: 臨床ノートなどのノイズのあるテキストを扱う際のモデル説明性を改善するために,記述に基づくラベルアテンション分類器を提案する。提案手法をMIMIC-III-50データセット上で異なるトランスフォーマーベースのエンコーダを用いて評価する。
参考スコア（独自算出の注目度）: 10.407041139832955
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: ICD-9 coding is a relevant clinical billing task, where unstructured texts with information about a patient's diagnosis and treatments are annotated with multiple ICD-9 codes. Automated ICD-9 coding is an active research field, where CNN- and RNN-based model architectures represent the state-of-the-art approaches. In this work, we propose a description-based label attention classifier to improve the model explainability when dealing with noisy texts like clinical notes. We evaluate our proposed method with different transformer-based encoders on the MIMIC-III-50 dataset. Our method achieves strong results together with augmented explainablilty.
Abstract（参考訳）: ICD-9コーディングは、患者の診断や治療に関する情報を含む構造化されていないテキストを複数のICD-9コードで注釈付けする、関連する臨床請求業務である。 ICD-9の自動符号化は、CNNとRNNベースのモデルアーキテクチャが最先端のアプローチを表現している活発な研究分野である。本研究では,臨床ノートなどの騒々しいテキストを扱う際のモデル説明性を改善するために,記述に基づくラベルアテンション分類器を提案する。提案手法をMIMIC-III-50データセット上で異なるトランスフォーマーベースのエンコーダを用いて評価する。本手法はaugmented explanationabliltyと共に強力な結果を得る。

関連論文リスト

Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification [22.323705343864336]
3つのアイデアを取り入れた新しいICDインデクシング手法を提案する。臨床ノートから情報を収集するために,多レベル深部拡張残差畳み込みエンコーダを用いた。我々はICD分類の課題を医療記録の補助的知識で定式化する。
論文参考訳（メタデータ） (2024-05-29T13:44:07Z)
CoRelation: Boosting Automatic ICD Coding Through Contextualized Code Relation Learning [56.782963838838036]
我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
論文参考訳（メタデータ） (2024-02-24T03:25:28Z)
Accurate and Well-Calibrated ICD Code Assignment Through Attention Over Diverse Label Embeddings [1.201425717264024]
ICDコードを臨床テキストに手動で割り当てるのは、時間がかかり、エラーが発生し、コストがかかる。本稿では,ICDの自動符号化のための新しい手法について述べる。 MIMIC-IIIデータセットの異なる分割による実験は、提案手法がICD符号化における現在の最先端モデルより優れていることを示している。
論文参考訳（メタデータ） (2024-02-05T16:40:23Z)
Towards Semi-Structured Automatic ICD Coding via Tree-based Contrastive Learning [18.380293890624102]
本稿では,臨床ノートの半構造化特性について検討し,それらをセクションに分割する自動アルゴリズムを提案する。データ制限のある既存のICD符号化モデルにおける可変性問題に対処するため、セクションに対して対照的な事前学習アプローチを導入する。
論文参考訳（メタデータ） (2023-10-14T22:07:13Z)
CoPHE: A Count-Preserving Hierarchical Evaluation Metric in Large-Scale Multi-Label Text Classification [70.554573538777]
ニューラルLMTCモデルの予測の階層的評価について論じる。先行技術における構造化ラベル空間の表現における構造的問題について述べる。深度に基づく表現を用いた階層的評価のための指標セットを提案する。
論文参考訳（メタデータ） (2021-09-10T13:09:12Z)
Active learning for medical code assignment [55.99831806138029]
臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
論文参考訳（メタデータ） (2021-04-12T18:11:17Z)
TransICD: Transformer Based Code-wise Attention Model for Explainable ICD Coding [5.273190477622007]
国際疾患分類法 (ICD) は, 医療分野の請求システムにおいて有効かつ重要であることが示されている。現在、ICDコードは手動で臨床メモに割り当てられており、多くのエラーを引き起こす可能性がある。本稿では,文書のトークン間の相互依存を捉えるためにトランスフォーマーベースのアーキテクチャを適用し,コードワイド・アテンション・メカニズムを用いて文書全体のコード固有表現を学習する。
論文参考訳（メタデータ） (2021-03-28T05:34:32Z)
A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文参考訳（メタデータ） (2021-02-26T17:49:58Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
An Explainable CNN Approach for Medical Codes Prediction from Clinical Text [1.7746314978241657]
我々は集中治療室(ICU)における臨床テキストに基づくCNNベースの自動ICD符号化法を開発した。私たちは、私たちのモデルが各ラベルの局所的および低レベルの機能を学ぶことを可能にするShallow and Wide Attention Convolutional Mechanism(SWAM)を思いつきました。
論文参考訳（メタデータ） (2021-01-14T02:05:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。