論文の概要: ICDBigBird: A Contextual Embedding Model for ICD Code Classification

• arxiv url: http://arxiv.org/abs/2204.10408v1
• Date: Thu, 21 Apr 2022 20:59:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-25 13:01:39.055061
• Title: ICDBigBird: A Contextual Embedding Model for ICD Code Classification
• Title（参考訳）: ICDBigBird: ICDコード分類のためのコンテキスト埋め込みモデル
• Authors: George Michalopoulos, Michal Malyska, Nicola Sahar, Alexander Wong, Helen Chen
• Abstract要約: 文脈単語埋め込みモデルは、複数のNLPタスクにおいて最先端の結果を得た。 ICDBigBirdは、Graph Convolutional Network(GCN)を統合するBigBirdベースのモデルである。 ICD分類作業におけるBigBirdモデルの有効性を実世界の臨床データセットで実証した。
• 参考スコア（独自算出の注目度）: 71.58299917476195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The International Classification of Diseases (ICD) system is the international standard for classifying diseases and procedures during a healthcare encounter and is widely used for healthcare reporting and management purposes. Assigning correct codes for clinical procedures is important for clinical, operational, and financial decision-making in healthcare. Contextual word embedding models have achieved state-of-the-art results in multiple NLP tasks. However, these models have yet to achieve state-of-the-art results in the ICD classification task since one of their main disadvantages is that they can only process documents that contain a small number of tokens which is rarely the case with real patient notes. In this paper, we introduce ICDBigBird a BigBird-based model which can integrate a Graph Convolutional Network (GCN), that takes advantage of the relations between ICD codes in order to create 'enriched' representations of their embeddings, with a BigBird contextual model that can process larger documents. Our experiments on a real-world clinical dataset demonstrate the effectiveness of our BigBird-based model on the ICD classification task as it outperforms the previous state-of-the-art models.
• Abstract（参考訳）: 国際疾病分類システム(icd)は、医療遭遇時の疾患や手順を分類する国際標準であり、医療報告や管理の目的で広く使用されている。 医療における臨床, 手術, 財務上の意思決定には, 臨床手順に適切な符号を割り当てることが重要である。 文脈単語埋め込みモデルは、複数のNLPタスクにおいて最先端の結果を得た。 しかし、これらのモデルはICD分類タスクにおける最新結果の達成には至っていない。主な欠点の1つは、実際の患者ノートではめったにない少数のトークンを含む文書しか処理できないことである。 本稿では,icdコード間の関係を利用するグラフ畳み込みネットワーク(gcn)を統合可能なbigbirdベースのモデルであるicdbigbirdを提案する。 実世界臨床データセットを用いた実験は,これまでの最先端モデルに匹敵するicd分類タスクにおけるbigbirdモデルの有効性を実証する。

関連論文リスト

• Large Language Model in Medical Informatics: Direct Classification and Enhanced Text Representations for Automatic ICD Coding [7.0413463890126735]
  本稿では,大規模言語モデル(LLM: Large Language Models),特にLLAMAアーキテクチャを用いて,ICDのコード分類を強化する。 我々はこれらの手法を最先端の手法と比較することで評価する。
  論文  参考訳（メタデータ） (2024-11-11T09:31:46Z)
• Multi-stage Retrieve and Re-rank Model for Automatic Medical Coding Recommendation [22.323705343864336]
  国際疾患分類(ICD)は、医学的な分類体系である。 ICDインデックスの主な目的は、ICDコードのサブセットを医療記録に割り当てることである。 既存のほとんどのアプローチは、非常に大きなICDコレクションから適切なラベルサブセットを選択することに苦しんだ。
  論文  参考訳（メタデータ） (2024-05-29T13:54:30Z)
• 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)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• Medical Code Prediction from Discharge Summary: Document to Sequence BERT using Sequence Attention [0.0]
  ICD符号の自動割り当てにシーケンスアテンション法を用いた変換器(BERT)からの双方向エンコーダ表現に基づくモデルを提案する。 我々はMIMIC-IIIベンチマークデータセットのap-proachを評価した。
  論文  参考訳（メタデータ） (2021-06-15T07:35:50Z)
• 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)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• A Label Attention Model for ICD Coding from Clinical Text [14.910833190248319]
  自動ICD符号化のための新しいラベルアテンションモデルを提案する。 ICDコードに関連するテキストフラグメントの様々な長さと相互依存の両方を扱うことができる。 本モデルでは,3つのベンチマークMIMICデータセットに対して,最先端の新たな結果が得られる。
  論文  参考訳（メタデータ） (2020-07-13T12:42:43Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。