基于自注意力的深度学习用于CT报告病灶属性检测
计算与语言
2019-05-01 v1
摘要
在放射学中，放射科医生不仅从医学图像中检测病灶，还以类型、位置、大小、形状和强度等多种属性对其加以描述。尽管这些病灶属性丰富且在许多下游临床应用中很有用，但如何从其放射学报告中提取它们却较少被研究。本文提出一种新颖的深度学习方法，用于从临床文本中自动提取感兴趣病灶的属性。不同于经典CNN模型，我们集成了多头自注意力机制来处理句子中的长距离信息，并并行地联合关联句子表示子空间的不同部分。在内部语料库上的评估表明，我们的方法可达到高精度，精确率0.848、召回率0.788、F值0.815。该新方法与构建的语料库将使我们能够构建对放射学世界具有更高层次理解的自动化系统。
引用
@article{arxiv.1904.13018,
title = {A self-attention based deep learning method for lesion attribute detection from CT reports},
author = {Yifan Peng and Ke Yan and Veit Sandfort and Ronald M. Summers and Zhiyong Lu},
journal= {arXiv preprint arXiv:1904.13018},
year = {2019}
}
备注
5 pages, 2 figures, accepted by 2019 IEEE International Conference on Healthcare Informatics (ICHI 2019)