买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明公开一种基于强化学习的ICD自动合并编码系统和方法，S1：采集原始病案数据并移除缺损或错误条目后得到有效病案数据；S2：对有效病案数据进行预处理，再将病案文本进行中文分词，构建特征向量；S3：构建第一数据集和第二数据集；S4：构建ICD编码分配模型，并将第一数据集输入ICD编码分配模型完成训练；S5：构建诊断组合提取模型，并将第二数据集输入诊断组合提取模型完成训练；S6：将ICD编码分配模型与诊断组合进行联合训练，输出诊断对应的ICD编码。本发明提出ICD合并编码，并学习疾病诊断间潜在的关系，在无需人工标记的情况下，准确将需要合并编码的疾病诊断组合在一起构建诊断表征，以供ICD编码分配模型使用，提高分配精度。

主权项：1.一种基于强化学习的ICD自动合并编码方法，其特征在于，具体包括以下步骤：S1：采集原始病案数据并移除缺损或错误条目后得到有效病案数据；S2：对有效病案数据进行预处理，再将病案文本进行中文分词，构建特征向量；S3：基于有效病案数据构建用于ICD编码分配模型训练的第一数据集和用于诊断组合提取模型训练的第二数据集；所述S3包括：S3-1：医生书写的出院诊断描述序列为X＝[x1,x2,…,xi]，xi表示第i条诊断描述，对应的标准ICD编码及编码描述序列Y＝[y1,y2,…,yj]，yj表示第j条标准ICD编码及编码描述，yj包括和表示第j条标准ICD编码，表示第j条标准ICD编码对应的编码描述；计算单个诊断描述xi与对应的标准ICD编码及编码描述yj之间的相似度，对于每个xi，分别与y中所有yj计算： 公式1中，similarityxi,yj表示xi与yj之间的相似度，表示xi与的字符级别相似度，通过计算字符表示向量的余弦相似度得到；表示xi与的词义级别相似度，通过计算特征向量的余弦相似度得到；S3-2：选择与xi相似度最大的yj作为二元组xi，yj，如果最大相似度大于阈值δ,则将添加为seq2seq模型的训练样本，并从Y中删除yj；S3-3：重复上述步骤，直至遍历完出院诊断描述序列X，从而构建第一数据集；S3-4：将出院诊断描述序列和标准ICD编码序列作为第二数据集，诊断描述序列表示为X＝[x1,x2,…,xi]，标准ICD编码序列表示为 S4：构建ICD编码分配模型，并将第一数据集输入ICD编码分配模型完成训练；S5：构建诊断组合提取模型，并将第二数据集输入诊断组合提取模型完成训练；S6：将ICD编码分配模型与诊断组合提取模型集成到一起，进行联合训练，直到收敛，再将医生给出的诊断输入诊断组合提取模型构建诊断表征，ICD编码分配模型根据诊断表征输出诊断对应的ICD编码。

全文数据：

权利要求：

百度查询： 重庆大学 一种基于强化学习的ICD自动合并编码系统和方法