原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第42卷第4期算机仿真2025年4月
文章编号：1006-9348（2025）04-0301-08
融合对抗训练的ICD自动编码研究
徐春，孙恩威，孙彬
（新疆财经大学信息管理学院，新疆乌鲁木齐830012）
摘要：国际疾病分类（InternationalClassificationofDiseases，ICD）作为疾病诊断相关分组的前提，其ICD编码质量关系到医保
支付的准确性。但由于电子病历数据具有非结构化和数量分布不均的特点，特征提取过程较为复杂，现阶段的ICD编码多
数采用堆叠深度学习模型神经单元的方式以实现高质量编码，无法在保证模型鲁棒性基础上提高分类准确性。针对以上问
题，提出一种在基线模型RoBERTa-wwm-ext-large-DPCNN中加人对抗训练的ICD自动编码模型。首先用RoBERTa-wwm
-ext-large对医疗文本进行预处理，构建词向量，并引人FGM和PGD
（ProjectGradientDescent）三种对抗训练寻求最优扰动生成对抗样本，更新模型参数；然后利用深度卷积神经网络对输人向
量进行特征提取，最后利用残差连接与Softmax进行标签映射，得到ICD编码结果。实验结果表明，融合对抗训练的模型其
准确率、召回率以及F，值相比于基线模型均有所提升，能有效提高模型的鲁棒性和ICD编码准确度。
关键词：文本分类；对抗训练；深度卷积神经网络；疾病诊断相关分组
中图分类号：TP391.9文献标识码：B
ResearchonICDAutomaticCodingFusedwith
AdversarialTraining
XUChun,SUNEn-wei,SUNBin
(SchoolofInformationManagement,XinjiangUniversityofFinanceandEconomics,
UrumqiXinjiang830012,China)
ABSTRACT:TheInternationalClassificationofDiseases(ICD)isthepremiseofdiseasediagnosisrelatedgroup-
ing,andthequalityofitsICDcodingisrelatedtotheaccuracyofmedicalinsurancepayment.However,duetotheun-
structuredandunevendistributionofelectronicmedicalrecorddata,thefeatureextractionprocessiscomplex.At
present,mostICDcodesusestackingdeeplearningmodelneuralunitstoachievehigh-qualitycoding,whichcannot
improvetheclassificationaccuracyonthebasisofensuringtherobustnessofthemodel.Tosolvetheaboveproblems,
thispaperproposesanIC
文档评论（0）