一种用于放射学报告自动结构化的集成方法
计算与语言
2020-10-13 v2 机器学习
摘要
电子病历的自动结构化在临床工作流解决方案中需求很高，以方便患者诊疗信息的提取、存储和查询。然而，开发一个可扩展的解决方案极具挑战性，特别是对于放射学报告，因为大多数医疗机构要么不使用模板，要么使用部门/机构特定的模板。此外，放射科医生的报告风格因人而异，句子为电报式且不遵循通用英语语法规则。我们提出了一种集成方法，整合三个模型的预测，捕获文本信息的各种属性，用于以章节标签自动标注句子。这三个模型是：1) 焦点句模型，捕获目标句子的上下文；2) 周边上下文模型，捕获目标句子的邻近上下文；以及 3) 格式/布局模型，旨在学习报告格式线索。我们利用双向 LSTM 后接句子编码器来获取上下文。此外，我们定义了若干融入报告结构的特征。我们在专有数据集以及来自 MIMIC-III 数据集的 100 份人工标注放射学记录（我们将其公开）上将我们提出的方法与多个基线和最先进方法进行比较。我们提出的方法以 97.1% 的准确率显著优于其他方法。
引用
@article{arxiv.2010.02256,
title = {An Ensemble Approach for Automatic Structuring of Radiology Reports},
author = {Morteza Pourreza Shahri and Amir Tahmasebi and Bingyang Ye and Henghui Zhu and Javed Aslam and Timothy Ferris},
journal= {arXiv preprint arXiv:2010.02256},
year = {2020}
}
备注
Accepted by the 3rd Clinical NLP Workshop at EMNLP 2020