随着我国现代医疗和信息化的推进和发展,电子医学技术文本的数量激增,这些电子医学文本提供的数据具有内容结构自由、风格多样、处理难度大和内容主观等特点。其中,电子病历蕴含丰富的医学内容,通过分析电子病历可以促进病人信息的归档和医疗卫生工作的改进。现在使用给病历分配标准的国际疾病分类编码与手术操作编码的方法对病历进行总结与统计。然而,这种人工编码任务很容易出错,因为病历中有大量的缩写、误写和医学术语。随着深度学习发展迅速,快速自动地处理文本得到了可能,本文使用深度学习方法提出了一种自动编码方法,减少编码员负担,推动智能医疗的发展。根据以上背景,本文立足医疗行业与人工智能方法,实现医疗自动编码任务,主要工作有以下四个方面:1.提出一种基于医疗主题特征选择的语篇抽取算法。通过特征选择得到的语篇与医疗编码任务更相关。删除文本中的冗余信息,文本平均长度为原来长度的51.9%,更加精炼减短的文本提高了训练效率。使用语篇抽取方法,对自动编码任务有很大的提升,使得原本非结构化的病例文本转化为半结构化的输入文本。2.提出一种基于深度学习的自动医疗编码分配模型。考虑到医学文本具有多种意义,使用了多通道的卷积神经网络学习。同时由于医学文本和代码描述的风格迥异,不一定存在一对一的映射,使用注意力机制对文本进行信息聚合。基于抽取的语篇,该模型的微准确率与召回率的调和平均值达到67.9%,结果达到当前最优。3.验证自动医疗编码分配模型在中文电子病历与第十版本国际疾病分类方法上的有效性。用中英两种数据集分别对特定单病种“心房颤动”进行实验,准确率与召回率的调和平均值分别达到91.9%和90.0%,证明自动编码模型适用于第十版本国际疾病分类方法和中文电子病历。4.设计并构建医疗辅助编码系统。采用轻量级开发框架,构建医疗编码分配系统中数据分析、预测、编码推荐、依据展示和病案统计等各个模块。提供对选中病案自动编码功能,对诊断与手术统计功能的可视化展示,方便对病案信息与编码数据的科学管理。