論文の概要: Automatic ICD-10 Code Association: A Challenging Task on French Clinical Texts

• arxiv url: http://arxiv.org/abs/2304.02886v1
• Date: Thu, 6 Apr 2023 06:31:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-04-07 15:06:03.064331
• Title: Automatic ICD-10 Code Association: A Challenging Task on French Clinical Texts
• Title（参考訳）: 自動icd-10コードアソシエーション:フランス語臨床テキストの課題
• Authors: Yakini Tchouka, Jean-Fran\c{c}ois Couchot, David Laiymani, Philippe Selles, Azzedine Rahmani
• Abstract要約: 本稿では,ICDコードを自動的に関連付けるために,事前学習言語モデルを適用する。 ICD-10コードアソシエーションのためのNLPとマルチラベル分類の最新の進歩を組み合わせたモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatically associating ICD codes with electronic health data is a well-known NLP task in medical research. NLP has evolved significantly in recent years with the emergence of pre-trained language models based on Transformers architecture, mainly in the English language. This paper adapts these models to automatically associate the ICD codes. Several neural network architectures have been experimented with to address the challenges of dealing with a large set of both input tokens and labels to be guessed. In this paper, we propose a model that combines the latest advances in NLP and multi-label classification for ICD-10 code association. Fair experiments on a Clinical dataset in the French language show that our approach increases the $F_1$-score metric by more than 55\% compared to state-of-the-art results.
• Abstract（参考訳）: ICDコードと電子健康データを自動的に関連付けることは医学研究においてよく知られたNLPタスクである。 NLPは、トランスフォーマーアーキテクチャに基づいた事前訓練された言語モデルの出現により、近年大きく発展してきた。 本稿では,ICDコードを自動的に関連付けるために,これらのモデルを適用する。 いくつかのニューラルネットワークアーキテクチャは、推測される入力トークンとラベルの両方の大きなセットを扱うという課題に対処するために実験されている。 本稿では,ICD-10コードアソシエーションのためのNLPとマルチラベル分類の最新の進歩を組み合わせたモデルを提案する。 フランス語における臨床データセットの公正な実験により、我々のアプローチは、最先端の結果と比較してF_1$-scoreのメトリクスを55%以上増やすことが示されている。

関連論文リスト

• RuCCoD: Towards Automated ICD Coding in Russian [38.98810919082103]
  我々は1万以上のエンティティと1500以上のユニークなICDコードで注釈付けされたICD符号化のための新しいデータセットを提案する。 このデータセットは、BERT、LLaMA with LoRA、RAGなど、最先端モデルのベンチマークとして機能する。 本実験は, 自動予測符号によるトレーニングが, 医師による手作業による注記データと比較して, 精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-02-28T17:40:24Z)
• 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)
• GEC-DePenD: Non-Autoregressive Grammatical Error Correction with Decoupled Permutation and Decoding [52.14832976759585]
  文法的誤り訂正(GEC)は、通常自己回帰的なシーケンス・ツー・シーケンスモデルで解決される重要なNLPタスクである。 本稿では, アーキテクチャを置換ネットワークに分離する, GEC に対する非自己回帰的アプローチを提案する。 GECの既知の非自己回帰手法よりもネットワークが向上することを示す。
  論文  参考訳（メタデータ） (2023-11-14T14:24:36Z)
• Multi-label Few-shot ICD Coding as Autoregressive Generation with Prompt [7.554528566861559]
  本研究では,このマルチラベル分類タスクを自己回帰生成タスクに変換する。 ICD符号の高次元空間を直接予測する代わりに、我々のモデルはテキスト記述の低次元を生成する。 MIMIC-III-few実験により,従来のMIMIC-III-full SOTAモデルよりも大幅に優れるマルコF130.2が得られた。
  論文  参考訳（メタデータ） (2022-11-24T22:10:50Z)
• ICDBigBird: A Contextual Embedding Model for ICD Code Classification [71.58299917476195]
  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。
  論文  参考訳（メタデータ） (2022-04-21T20:59:56Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• 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)
• From Extreme Multi-label to Multi-class: A Hierarchical Approach for Automated ICD-10 Coding Using Phrase-level Attention [4.387302129801651]
  臨床コーディングは、ICD(International Classification of Diseases)と呼ばれる一組のアルファ数値符号を、臨床物語で捉えた文脈に基づいて医療イベントに割り当てるタスクである。 本論文では, 階層的解を用いて, 極限多ラベル問題から単純多クラス問題へ再構成し, 自動ICD符号化のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-18T03:19:14Z)
• 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)

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。