| 融合常用语的大规模疾病术语图谱构建 |
| |
| 引用本文： | 张晨童,张佳影,张知行,阮彤,何萍,葛小玲.融合常用语的大规模疾病术语图谱构建[J].计算机研究与发展,2020,57(11):2467-2477. |
| |
| 作者姓名： | 张晨童 张佳影 张知行 阮彤 何萍 葛小玲 |
| |
| 作者单位： | 1.1(华东理工大学 上海 200237);2.2(上海申康医院发展中心 上海 200041);3.3(复旦大学附属儿科医院 上海 201108) (chentong_zhang@163.com) |
| |
| 基金项目： | 国家重点研发计划;国家自然科学基金 |
| |
| 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%.
|
| 关 键 词： | 常用语 疾病术语图谱 国际疾病分类 关系识别 校验 |
Construction of Large-Scale Disease Terminology Graph with Common Terms |
| |
| Zhang Chentong,Zhang Jiaying,Zhang Zhixing,Ruan Tong,He Ping,Ge Xiaoling.Construction of Large-Scale Disease Terminology Graph with Common Terms[J].Journal of Computer Research and Development,2020,57(11):2467-2477. |
| |
| Authors: | Zhang Chentong Zhang Jiaying Zhang Zhixing Ruan Tong He Ping Ge Xiaoling |
| |
| Affiliation: | 1.1(East China University of Science and Technology, Shanghai 200237);2.2(Shanghai Hospital Development Center, Shanghai 200041);3.3(Children’s Hospital of Fudan University, Shanghai 201108) |
| |
| Abstract: | |
| |
| Keywords: | common terms disease terminology graph ICD(international classification of diseases) relationship recognition verification |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载全文 |
|
