张晨童¹,张佳影¹,张知行¹,阮彤¹,何萍²,葛小玲³

¹(华东理工大学 上海 200237);²(上海申康医院发展中心 上海 200041);³(复旦大学附属儿科医院 上海 201108) (chentong_zhang@163.com)

出版日期: 2020-11-01


基金资助:国家自然科学基金项目(61772201)；国家重点研发计划项目(2018YFC0910500)

Construction of Large-Scale Disease Terminology Graph with Common Terms

Zhang Chentong¹, Zhang Jiaying¹, Zhang Zhixing¹, Ruan Tong¹, He Ping², Ge Xiaoling³

¹(East China University of Science and Technology, Shanghai 200237);²(Shanghai Hospital Development Center, Shanghai 200041);³(Children’s Hospital of Fudan University, Shanghai 201108)

Online: 2020-11-01


Supported by:This work was supported by the National Natural Science Foundation of China (61772201) and the National Key Research and Development Program of China (2018YFC0910500).

摘要/Abstract

摘要： 国家卫计委要求医疗机构使用国际疾病分类(international classification of diseases, ICD)编码，然而由于临床疾病描述存在大量的常用词，导致电子病历中录入的诊断名称与ICD编码直接映射匹配率低.基于区域健康平台上的真实诊断数据，构建了融合常用语的疾病术语图谱.具体来说，在基于疾病构成成分的规则算法基础上，提出了基于数据增强的BERT(bidirectional encoder representation from transformers)上下位关系识别算法，将5万多个诊断常用语和ICD10(international classification of diseases 10th revision,Chinese version)中的疾病进行同义关系和上下位关系识别,进一步融合了ICD11(international classification of diseases 11th revision,Chinese version)的层次结构，此外，还提出了基于疾病-科室关联图谱的任务分配方法以进行人工校验，最终94 478个疾病实体形成了包含1 460条同义关系、46 508条上下位关系的大规模疾病术语图谱.评估实验表明，基于疾病术语图谱，对临床诊断数据的覆盖率比基于ICD10的直接映射编码的覆盖率提升了75.31%，另外，利用疾病术语图谱自动进行编码疾病相比于医生人工编码会缩短约59.75%的编码时间，且正确率达到85%.

参考文献

相关文章 4

[1]	王赋攀，吴亚东，杨文超，杨帆，侯佳鑫，廖竞. 一种视觉信息融合数据手套设计研究[J]. 计算机研究与发展, 2018, 55(12): 2764-2774.
[2]	包震坤,张卫明,程 森,赵险峰. 基于像素链动态失真和校验格码的±1隐写编码[J]. 计算机研究与发展, 2014, 51(8): 1739-1747.
[3]	张招亮, 陈海明, 黄庭培, 崔 莉,. 无线网络的差异化比特错误率估计方法[J]. 计算机研究与发展, 2014, 51(1): 138-150.
[4]	赵 佳 韩 军 曾晓洋 韩 林. AES算法的并发错误检测方法及其VLSI实现[J]. , 2009, 46(4): 593-601.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4302