基于循环胶囊网络的冠状动脉疾病严重程度自动分类
计算与语言
2018-11-28 v2
摘要
冠状动脉疾病（CAD）是心血管疾病死亡的主要原因之一。CAD 病情进展迅速，若未在早期诊断和治疗，最终可能导致不可逆的心肌死亡状态。有创冠状动脉造影是 CAD 诊断的金标准技术。冠状动脉造影文本详细描述了哪一部分发生狭窄以及狭窄程度如何。进行 CAD 严重程度分类至关重要。本文采用循环胶囊网络（RCN）提取中文冠状动脉造影文本中临床命名实体间的语义关系，借此可自动找出每个管腔的最大狭窄度，并根据改进的 Gensini 方法推断 CAD 的严重程度。从上海曙光医院收集的语料上的实验结果表明，我们所提方法在 CAD 严重程度分类中达到了 97.0\% 的准确率。
引用
@article{arxiv.1807.06718,
title = {Automatic Severity Classification of Coronary Artery Disease via Recurrent Capsule Network},
author = {Qi Wang and Jiahui Qiu and Yangming Zhou and Tong Ruan and Daqi Gao and Ju Gao},
journal= {arXiv preprint arXiv:1807.06718},
year = {2018}
}
备注
8 pages, 5 figures