ICD MSMN

CID-MSMN

A implementação oficial de "Sinônimos de código são importantes: rede de correspondência de múltiplos sinônimos para codificação automática de ICD" [ACL 2022]

Ambiente

Todos os códigos são testados em Python 3.7, PyTorch 1.7.0. É necessário instalar opt_einsum para cálculos de einsum. São necessárias pelo menos 32 GB de GPU para treinar a configuração completa do MIMIC-III.

Conjunto de dados

Colocamos apenas várias amostras para cada conjunto de dados. É necessário obter licenças para baixar o conjunto de dados MIMIC-III. Depois de obter o conjunto de dados MIMIC-III, siga caml-mimic para pré-processar o conjunto de dados. Você deve obter train_full.csv , test_full.csv , dev_full.csv , train_50.csv , test_50.csv , dev_50.csv após o pré-processamento. Por favor, coloque-os em sample_data/mimic3 . Então você deve usar preprocess/generate_data_new.ipynb para gerar o conjunto de dados no formato json.

Incorporação de palavras

Baixe word2vec_sg0_100.model do LAAT. Você precisa alterar o caminho de incorporação de palavras.

Use nosso código

MIMIC-III completo (1 GPU):

 CUDA_VISIBLE_DEVICES=0 python main.py --n_gpu 1 --version mimic3 --combiner lstm --rnn_dim 256 --num_layers 2 --decoder MultiLabelMultiHeadLAATV2 --attention_head 4 --attention_dim 512 --learning_rate 5e-4 --train_epoch 20 --batch_size 2 --gradient_accumulation_steps 8 --xavier --main_code_loss_weight 0.0 --rdrop_alpha 5.0 --est_cls 1  --term_count 4  --sort_method random --word_embedding_path word_embedding_path

MIMIC-III completo (8 GPUs):

 NCCL_IB_DISABLE=1 CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 python -m torch.distributed.launch --nproc_per_node 8 --master_port=1212 --use_env  main.py --n_gpu 8 --version mimic3 --combiner lstm --rnn_dim 256 --num_layers 2 --decoder MultiLabelMultiHeadLAATV2 --attention_head 4 --attention_dim 512 --learning_rate 5e-4 --train_epoch 20 --batch_size 2 --gradient_accumulation_steps 1 --xavier --main_code_loss_weight 0.0 --rdrop_alpha 5.0 --est_cls 1  --term_count 4  --sort_method random --word_embedding_path word_embedding_path

MIMIC-III 50:

 CUDA_VISIBLE_DEVICES=0 python main.py --version mimic3-50 --combiner lstm --rnn_dim 512 --num_layers 1 --decoder MultiLabelMultiHeadLAATV2 --attention_head 8 --attention_dim 512 --learning_rate 5e-4 --train_epoch 20 --batch_size 16 --gradient_accumulation_steps 1 --xavier --main_code_loss_weight 0.0 --rdrop_alpha 5.0 --est_cls 1 --term_count 8 --word_embedding_path word_embedding_path

Avaliar pontos de verificação

 python eval_model.py MODEL_CHECKPOINT

ponto de verificação mimic3

ponto de verificação imitar3-50

Citação

 @inproceedings{yuan-etal-2022-code,
    title = "Code Synonyms Do Matter: Multiple Synonyms Matching Network for Automatic {ICD} Coding",
    author = "Yuan, Zheng  and
      Tan, Chuanqi  and
      Huang, Songfang",
    booktitle = "Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)",
    month = may,
    year = "2022",
    address = "Dublin, Ireland",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.acl-short.91",
    pages = "808--814",
    abstract = "Automatic ICD coding is defined as assigning disease codes to electronic medical records (EMRs).Existing methods usually apply label attention with code representations to match related text snippets.Unlike these works that model the label with the code hierarchy or description, we argue that the code synonyms can provide more comprehensive knowledge based on the observation that the code expressions in EMRs vary from their descriptions in ICD. By aligning codes to concepts in UMLS, we collect synonyms of every code. Then, we propose a multiple synonyms matching network to leverage synonyms for better code representation learning, and finally help the code classification. Experiments on the MIMIC-III dataset show that our proposed method outperforms previous state-of-the-art methods.",
}