PulseAugur
中
实时 06:54:03
English(EN) LTR-ICD: A Ranking-Aware Framework for Automatic ICD Coding

新框架改进了自动ICD代码分配和排序

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LTR-ICD，一个用于从临床笔记中自动分配和排序诊断代码的新型框架。与之前的基于分类的方法不同，LTR-ICD将问题视为一个检索任务，考虑了ICD代码的基本顺序。这种方法显著提高了主要诊断代码识别的准确性，排名准确率达到47%，而最先进的分类器为20%。该框架还展示了卓越的分类性能，微平均F1得分为0.6065，宏平均F1得分为0.2904。 AI

影响 该框架可以提高医疗编码的准确性和效率，可能改善医疗管理和报销流程。

排序理由 该集群包含一篇详细介绍自动ICD编码新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架改进了自动ICD代码分配和排序

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Mohammad Mansoori, Amira Soliman, Farzaneh Etminani ·

    LTR-ICD：一个感知排序的自动ICD编码框架

    arXiv:2510.13922v2 Announce Type: replace-cross Abstract: Clinical notes contain unstructured text provided by clinicians during patient encounters. These notes are usually accompanied by a sequence of diagnostic codes following the International Classification of Diseases (ICD).…

相关实体

相关话题