一种基于图神经网络的医疗ICD编码分类方法

本发明属于医疗ICD自动编码领域，具体涉及一种基于图神经网络的医疗ICD编码分类方法，包括获取数据集并进行预处理得到文本向量矩阵；根据文本向量矩阵构建图结构，所述图结构包括节点特征矩阵和邻接矩阵；将图结构输入图神经网络模型输出预测ICD编码结果，采用基于交叉熵的多标签损失函数对模型进行训练；将待编码的病历数据输入训练好的图神经网络模型，得到预测ICD编码；本发明将医疗术语间的语义相似度、ICD编码间的层次距离和共现频率关系纳入图结构中，能够全面地捕捉词语及标签之间的复杂关系，更好地利用了ICD编码间的潜在关联性，增强了分类模型的上下文理解能力和准确性。