面向心电图数据的自动医疗报告生成：连接医学文本与信号处理的深度学习
计算与语言
2024-12-06 v1 人工智能
摘要
深度学习和自然语言生成的最新进展显著改善了图像描述，使得能够为视觉内容自动生成类似人类的描述。在这项工作中，我们应用这些描述技术来生成对心电图（ECG）数据的临床医生式解读。本研究利用现有的心电图数据集，并附有由医疗专业人员撰写的自由文本报告作为训练数据。这些报告虽然常常不一致，但为自动化学习提供了宝贵的基础。我们引入了一种基于编码器-解码器的方法，利用这些报告训练模型，以生成对心电图片段的详细描述。这代表了心电图分析自动化领域的一项重大进展，在零样本分类和自动化临床决策支持方面具有潜在应用。该模型在包括单导联和 12 导联心电图在内的各种数据集上进行了测试。它显著优于 Qiu 等人提出的最先进参考模型，其 METEOR 分数达到 55.53%，而参考模型为 24.51%。此外，我们还讨论了几项关键的设计选择，为该领域当前的挑战和创新提供了全面的概述。本研究的源代码已在我们 Git 仓库中公开。
引用
@article{arxiv.2412.04067,
title = {Automated Medical Report Generation for ECG Data: Bridging Medical Text and Signal Processing with Deep Learning},
author = {Amnon Bleich and Antje Linnemann and Bjoern H. Diem and Tim OF Conrad},
journal= {arXiv preprint arXiv:2412.04067},
year = {2024}
}