Fugu-MT 論文翻訳(概要): Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification

論文の概要: Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification

arxiv url: http://arxiv.org/abs/2405.19084v1
Date: Wed, 29 May 2024 13:44:07 GMT
ステータス: 処理完了
システム内更新日: 2024-05-30 17:00:54.900941
Title: Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification
Title（参考訳）: 自動多ラベル医療文書分類のための補助的知識による学習
Authors: Xindi Wang, Robert E. Mercer, Frank Rudzicz,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 22.323705343864336
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The International Classification of Diseases (ICD) is an authoritative medical classification system of different diseases and conditions for clinical and management purposes. ICD indexing assigns a subset of ICD codes to a medical record. Since human coding is labour-intensive and error-prone, many studies employ machine learning to automate the coding process. ICD coding is a challenging task, as it needs to assign multiple codes to each medical document from an extremely large hierarchically organized collection. In this paper, we propose a novel approach for ICD indexing that adopts three ideas: (1) we use a multi-level deep dilated residual convolution encoder to aggregate the information from the clinical notes and learn document representations across different lengths of the texts; (2) we formalize the task of ICD classification with auxiliary knowledge of the medical records, which incorporates not only the clinical texts but also different clinical code terminologies and drug prescriptions for better inferring the ICD codes; and (3) we introduce a graph convolutional network to leverage the co-occurrence patterns among ICD codes, aiming to enhance the quality of label representations. Experimental results show the proposed method achieves state-of-the-art performance on a number of measures.
Abstract（参考訳）: 国際疾患分類 (ICD) は、臨床および管理目的で異なる疾患と状態の権威ある医学分類システムである。 ICDインデックスは、ICDコードのサブセットを医療記録に割り当てる。人間のコーディングは労働集約的でエラーを起こしやすいため、多くの研究は機械学習を用いてコーディングプロセスを自動化する。 ICDコーディングは、非常に大規模な階層的なコレクションから、各医療文書に複数のコードを割り当てる必要があるため、難しい作業である。本稿では,(1)臨床書体から情報を集約し,文書表現を学ぶために,多段階の深層拡張残差畳み込みエンコーダを用い,(2)臨床書体だけでなく,ICD符号のより良い推論のために,異なる臨床書体や薬物処方薬も含む医療記録の補助的知識を用いてICD分類のタスクを形式化し,(3)ICD符号間の共起パターンを活用するグラフ畳み込みネットワークを導入し,ラベル表現の質を高める。実験結果から, 提案手法は, 各種の計測結果に対して, 最先端の性能を達成できることがわかった。

関連論文リスト

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)
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)
A Two-Stage Decoder for Efficient ICD Coding [10.634394331433322]
ICD符号の予測のための2段階復号機構を提案する。まず、まず親コードを予測し、その子コードを前回の予測に基づいて予測する。公開MIMIC-IIIデータセット実験により,本モデルが単一モデル設定で良好に動作することを示す。
論文参考訳（メタデータ） (2023-05-27T17:25:13Z)
An Automatic ICD Coding Network Using Partition-Based Label Attention [2.371982686172067]
本稿では,2種類のエンコーダと2種類のラベルアテンション層からなるニューラルネットワークアーキテクチャを提案する。入力テキストは、前者エンコーダにセグメント符号化され、従者によって統合される。この結果から,ネットワークは分割機構に基づくICD符号化性能の向上を図っている。
論文参考訳（メタデータ） (2022-11-15T07:11:01Z)
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)
Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
論文参考訳（メタデータ） (2021-08-02T10:42:52Z)
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)
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)
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)
Learning Contextualized Document Representations for Healthcare Answer Retrieval [68.02029435111193]
コンテキスト談話ベクトル(英: Contextual Discourse Vectors、CDV)は、長文からの効率的な回答検索のための分散文書表現である。本モデルでは,階層型LSTMレイヤとマルチタスクトレーニングを併用したデュアルエンコーダアーキテクチャを用いて,臨床エンティティの位置と文書の談話に沿った側面をエンコードする。我々の一般化モデルは、医療パスランキングにおいて、最先端のベースラインを著しく上回っていることを示す。
論文参考訳（メタデータ） (2020-02-03T15:47:19Z)

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。