癌症病理报告分类：一项大规模比较研究
机器学习
2021-01-12 v1 计算与语言
图像与视频处理
机器学习
摘要
我们报告了将最先进的深度学习技术应用于以可解释方式自动为自由文本癌症报告分配ICD-O3部位与形态学编码。我们在一个大型数据集（超过80 000份带标签和1 500 000份未标签的匿名报告，以意大利语写成，收集自托斯卡纳医院逾十年）和大量类别（134个形态学类和61个部位类）上给出结果。我们从预测准确率和可解释性方面比较了替代架构，并显示我们的最佳模型在部位分配上取得90.3%的多类准确率，在形态类型分配上取得84.8%。我们发现在此背景下层次模型并不优于扁平模型，且逐元素最大聚合器在部位分类上略优于注意力模型。此外，最大聚合器提供了一种解释分类过程的方式。
引用
@article{arxiv.2006.16370,
title = {Classification of cancer pathology reports: a large-scale comparative study},
author = {Stefano Martina and Leonardo Ventura and Paolo Frasconi},
journal= {arXiv preprint arXiv:2006.16370},
year = {2021}
}
备注
10 pages, 6 figures, 3 tables, accepted for publication in IEEE Journal of Biomedical and Health Informatics (J-BHI)