請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/80988| 標題: | 使用多頭注意力標籤解碼加強模型研究入院與出院之疾病分類 Disease Classification on Admission and on Discharge with a Model Enhanced by Multi-Head Label Decoding |
| 作者: | Yu-Ting Lin 林禹廷 |
| 指導教授: | 陳信希(Hsin-Hsi Chen) |
| 關鍵字: | 國際疾病分類,自注意力模型,卷積神經網路,電子病歷,殘差網路, International Classification of Diseases,Self Attention Model,Convolutional Neural Network,Electronic Health Record,Residual Block, |
| 出版年 : | 2021 |
| 學位: | 碩士 |
| 摘要: | "在實際醫療場域，疾病分類發生在病患剛入院與出院這兩個時間點，然而過去之研究往往忽略前者之狀況。在入院階段，醫師會根據對患者當下的狀況判斷出後續所需要進行的檢驗與治療方針。在出院階 段，醫師或專業之醫療標記人員會根據整份病歷下國際疾病統計分類碼 (International Classification of Diseases, ICD)。本研究會將這兩種狀況納入考量。此外，過去之研究採用對各標籤專注度運算(per-label attention)之模型來聚合模型抽取之文本特徵向量，然而此單一化之模型難以應付如 MIMIC III 這種有 8,921 類的多分類任務。我們嘗試最近較為流行之預訓練 模型做爲編碼器，經實驗，我們發現自我專注度模型搭配卷積神經網路有相 輔相成的效果。解碼器方面，經過嘗試基於圖與非圖的解碼器，在實驗結果中，我們證實了我們的非圖式標籤專注度解碼模型搭配卷積編碼模型在入院與出院皆達到了最好的效果。最後，本文亦發現在原 MIMIC 上所發展的模型，在我們標注的台大醫院急診室資料集上也有超越人類的表現。" |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/80988 |
| DOI: | 10.6342/NTU202102964 |
| 全文授權: | 同意授權(限校園內公開) |
| 顯示於系所單位： | 資訊工程學系 |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-0209202117194400.pdf 授權僅限NTU校內IP使用（校園外請利用VPN校外連線服務） | 2.73 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。