CheXbert：结合自动标注器与专家标注利用BERT实现精准放射学报告标注
计算与语言
2020-10-20 v3 信息检索
机器学习
摘要
从放射学文本报告中提取标签可实现医学影像模型的大规模训练。现有的报告标注方法通常依赖于基于医学领域知识的复杂特征工程或专家手动标注。在本工作中，我们引入了一种基于BERT的医学影像报告标注方法，该方法同时利用了可用基于规则系统的规模与专家标注的质量。我们展示了一种生物医学预训练的BERT模型的优越性能，该模型先在基于规则的标注器的标注上训练，然后在由自动回译增强的一小组专家标注上微调。我们发现我们的最终模型CheXbert能够以统计显著性超越先前最佳的规则基标注器，在最大的胸部X射线数据集之一上确立了报告标注的新SOTA。
引用
@article{arxiv.2004.09167,
title = {CheXbert: Combining Automatic Labelers and Expert Annotations for Accurate Radiology Report Labeling Using BERT},
author = {Akshay Smit and Saahil Jain and Pranav Rajpurkar and Anuj Pareek and Andrew Y. Ng and Matthew P. Lungren},
journal= {arXiv preprint arXiv:2004.09167},
year = {2020}
}
备注
Accepted to EMNLP 2020