کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11020984 1715045 2018 37 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Towards automated clinical coding
ترجمه فارسی عنوان
به سمت خودکار برنامه ریزی بالینی
کلمات کلیدی
برنامه نویسی بالینی، شبکه عصبی مکرر، یادگیری نمایندگی سلسله مراتبی، نمایندگی دانش، پردازش زبان طبیعی، فراگیری ماشین،
ترجمه چکیده
این مطالعه نشان می دهد که دانش پزشکی مبتنی بر سلسله مراتب می تواند به مدل های آماری اضافه شود و عملکرد بهبود یافته را در طی برنامه ریزی خودکار بالینی تولید کند. این بهبود عملکرد به واسطه بهبود نمایندگی از بیماریهای نادر تر نتیجه می شود. ما همچنین نشان می دهیم که شبکه های عصبی مجدد، برخی از تنظیمات را بهبود می بخشد. یادگیری بازنمودهای خوب بیماریهای بسیار نادر در هسته شناسی کلاسیک بالینی از داده ها به تنهایی چالش برانگیز است و روش های جایگزین برای نشان دادن این بیماری ها تمرکز اصلی کار آینده در برنامه نویسی خودکار بالینی را تشکیل می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
This study demonstrates that hierarchically-structured medical knowledge can be incorporated into statistical models, and produces improved performance during automated clinical coding. This performance improvement results primarily from improved representation of rarer diseases. We also show that recurrent neural networks improve representation of medical text in some settings. Learning good representations of the very rare diseases in clinical coding ontologies from data alone remains challenging, and alternative means of representing these diseases will form a major focus of future work on automated clinical coding.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Medical Informatics - Volume 120, December 2018, Pages 50-61
نویسندگان
, , ,