基于深度学习的德语胸部 X 射线放射学报告自动标注
计算与语言
2023-07-10 v2
摘要
全球放射科医生短缺，深度学习模型作为临床决策支持系统的一部分，为解决此短缺提供了有前景的方案。然而，训练此类模型通常需要对大型数据集进行昂贵且耗时的手动标注。从放射学报告中自动提取标签可减少获取标注数据集所需时间，但由于语义相近词汇和缺失标注数据，该任务具有挑战性。本工作中，我们探索使用基于规则的标注器对基于深度学习的标签预测模型进行弱监督的潜力。我们提出一种基于深度学习的 CheXpert 标签预测模型，该模型在由基于规则的德语 CheXpert 模型标注的报告上预训练，并在小型手动标注报告数据集上微调。我们的结果证明了方法的有效性，其在全部三项任务上显著优于基于规则的模型。我们的发现凸显了即使在稀疏数据场景下采用基于深度学习的模型的好处，以及将基于规则的标注器用作弱监督工具的价值。
引用
@article{arxiv.2306.05997,
title = {Automated Labeling of German Chest X-Ray Radiology Reports using Deep Learning},
author = {Alessandro Wollek and Philip Haitzer and Thomas Sedlmeyr and Sardi Hyska and Johannes Rueckel and Bastian Sabel and Michael Ingrisch and Tobias Lasser},
journal= {arXiv preprint arXiv:2306.05997},
year = {2023}
}