黑箱电子医疗记录分段
计算与语言
2024-10-01 v1
摘要
电子医疗记录（EMR）包含患者健康护理细节的绝大部分信息，是开发自动化医疗系统的丰富资源。大多数针对电子医疗记录处理的自然语言处理（NLP）研究，如概念提取，都会受到电子医疗记录章节不准确分段的影响。同时，对电子医疗记录准确分段的关注不足。可能出现在章节结构中的信息未被价值化。本文聚焦于电子医疗记录的分段，提出一种基于简单句子嵌入模型和神经网络的黑箱分段方法，并配合合适的训练方法。为实现通用适应性，我们在包含不同章节标题格式的数据集上进行训练。我们比较了几种先进的深度学习基于 NLP 方法，经过适当的训练语料后，我们的方法在各种测试数据上实现了最佳的分段准确率（超过98%）。
引用
@article{arxiv.2409.19796,
title = {Black-Box Segmentation of Electronic Medical Records},
author = {Hongyi Yuan and Sheng Yu},
journal= {arXiv preprint arXiv:2409.19796},
year = {2024}
}